Generative AI, 주로 대형 언어 모델 (LLM)은 그럴듯하지만 항상 정확한 결과를 생성하진 않으며, 종종 추론 능력이 부족해 결과를 예측하기 어렵게 만듭니다.
대안적인 AI 접근 방식은 선별된 지식과 규칙을 사용하여 추론 엔진이 논리적 결론을 도출할 수 있도록 할 수 있습니다. 그러나 이 접근 방식은 느릴 수 있으므로 AI 시스템은 보통 더 빠르지만 표현력이 떨어지는 논리를 선택합니다. Cyc라는 시스템은 이러한 트레이드오프를 균형있게 조화시키는 방법을 찾았으며, 미래의 AI는 LLM 접근 방식과 더 형식적인 접근 방식을 결합해야 할 것으로 제안됩니다.