Społeczność AI obserwuje coraz bardziej widoczną przepaść między percepcinią a rzeczywistością możliwości LLM. Część interesariuszy pozostaje sceptyczna co do tego, co modele mogą osiągnąć, podczas gdy inni przypisują im zdolności, których w rzeczywistości nie posiadają. Ta rosnąca dywergencja w rozumieniu tworzy problemy zarówno w dyskursie naukowym, jak i komercyjnym.
Rozbieżność wynika z szybkiego tempa innowacji w dziedzinie LLM i trudności w śledzeniu postępów. Nowe modele pojawiają się regularnie, a każdy ma inne silne i słabe strony. Zarazem publiczne percepcje znacznie odbiegają od rzeczywistych możliwości - media często przesadzają albo promują obawę przed sztuczną inteligencją. Nawet eksperci czasami niewystarczająco znają szczegóły działania systemów poza ich wąską specjalizacją.
Ta przepaść ma praktyczne konsekwencje. Firmy mogą podejmować złe decyzje inwestycyjne, opierając się na przesadnie optymistycznych lub pesymistycznych ocenach zdolności LLM. Pracownicy naukowi mogą skupiać się na problemach już rozwiązanych lub niedostępnych technologicznie. Dla całej branży brak wspólnego, rzeczywistego modelu mentalnego o możliwościach AI może prowadzić do marnotrawstwa zasobów i rozczarowania.