دیپ مایند، از زیرمجموعه‌های گوگل می‌گوید Gato یک سیستم همه منظوره است که می‌تواند انجام کارهای مختلف را یاد بگیرد. محققان این آزمایشگاه انجام ۶۰۴ وظیفه مختلف از جمله توصیف تصاویر، برقراری دیالوگ، دیوارچینی با یک بازوی مکانیکی و حتی انجام بازی‌های آتاری را به این سیستم آموخته‌اند. هوش مصنوعی دیپ مایند از نظر تنوع و وظایف تحسین برانگیز است .
«جک هسل»، محقق موسسه هوش مصنوعی Allen می‌گوید ساخت یک سیستم هوش مصنوعی که بتواند کارهای مختلفی انجام دهد، اتفاق جدیدی نیست. برای مثال گوگل اخیرا در موتور جستجوی خود به استفاده از سیستمی موسوم به مدل متحد چندوظیفگی (MUM) روی آورده که می‌تواند وظایف گوناگونی مثل کشف تغییرات زبانی در نوشتار یک کلمه یا ایجاد ارتباط بین جستجوها و تصاویر را انجام دهد. اما مهم‌ترین تفاوت Gato به تنوع وظایف و شیوه یادگیری آن برمی‌گردد.
هسل توضیح می‌دهد: «پیش‌تر شواهدی دیده‌ایم که نشان می‌دهد مدل‌های منفرد می‌توانند مجموعه متنوعی از ورودی‌ها را کنترل کنند.»
سیستم Gato مثل همه سیستم‌های هوش مصنوعی از طریق مثال‌های مختلف از جمله به واسطه تحلیل میلیاردها کلمه و تصویر از جهان واقعی و محیط‌های شبیه‌سازی‌شده، فشار دکمه‌ها و مثال‌های بیشتر در قالب توکن‌ها، انجام وظایف خود را یاد گرفته است. این توکن‌ها داده‌ها را به شکلی که برای Gato قابل درک باشد به سیستم می‌دهند.
با وجود این که Gato در انجام شماری از وظایف خود درست عمل نمی‌کند، اما دیپ مایند مدعی است که این سیستم از بین ۶۰۴ کاری که پیش‌تر گفتیم، می‌تواند ۴۵۰ مورد را در بیش از نیمی از مواقع بهتر از متخصصان انجام دهد. Gato از نظر معماری تفاوت زیادی با اکثر سیستم‌های هوش مصنوعی موجود ندارد. این سیستم هم به خاطر GPT-3 یک «مبدل» محسوب می‌شود و از ویژگی‌های مشترک همه این سیستم‌ها برخوردار است.
محققان دیپ مایند در حال حاضر عمداً Gato را کوچک نگه داشته‌اند تا بتواند به‌صورت همزمان یک بازوی رباتیک را کنترل کند. با این حال، آن‌ها می‌گویند اگر این سیستم را بزرگ‌تر کنند، می‌توانند هر کاری را با آن انجام دهند. ولی برای دستیابی به یک سیستم همه جانبه باید قابلیت‌های این هوش مصنوعی از جمله توانایی یادگیری پیوسته آن را افزایش دهند. چون دانش Gato فعلا محدود به داده‌هایی است که به آن ارائه شده و به همین خاطر نمی‌تواند پویایی داشته باشد.
