본 논문은 현재 인공지능 연구가 GPU 기반의 대규모 신경망 모델에 의해 주도되는 상황에서, 알고리즘 선택이 본질적인 우수성보다는 현재 하드웨어에 맞춰지는 '하드웨어 로또'를 초래할 위험이 있다고 지적한다. 특히, Transformer 아키텍처의 지배는 모델 규모 경쟁을 유발하여 과도한 계산 비용과 에너지 소비를 초래한다. 또한, 현재의 AI 모델은 의사 결정에 대한 불확실성을 제대로 정량화하지 못하여 신뢰성이 부족하다. 본 논문은 더 효율적이고 신뢰할 수 있는 AI를 달성하기 위해 뇌의 정보 처리 방식을 영감으로 하는 신경 형태 공학의 원칙을 수용해야 한다고 주장하며, 알고리즘, 아키텍처, 하드웨어를 아우르는 여섯 가지 핵심 신경 형태 원칙을 제시한다.
