谷歌DeepMind首席执行官德米斯·哈萨比斯近日公开表示，真正意义上的通用人工智能（AGI）虽已显现雏形，但距离全面成熟仍存在显著技术鸿沟。他指出，当前人工智能系统在核心能力上与人类智能存在本质差异，尚未达到可与人类全面竞争的水平。
作为人工智能领域的标杆性概念，AGI被定义为具备人类般推理能力、无需专项训练即可解决陌生问题的智能系统。哈萨比斯在分析现有技术瓶颈时，着重强调了三大关键缺陷：持续学习能力薄弱、长期规划机制缺失以及能力表现波动过大。
针对持续学习困境，哈萨比斯解释称现有系统普遍采用"预训练+微调"模式，一旦完成初始训练便进入静态运行阶段。这与人类通过经验积累持续优化的学习方式形成鲜明对比，"理想中的智能体应当具备动态适应能力，能够在真实环境中自主获取知识并调整行为策略"。
在规划能力维度，当前技术仅能实现短期目标管理，而人类特有的跨时段战略规划能力仍是未解难题。哈萨比斯以城市规划为例指出："人类可以制定十年发展蓝图并动态调整，但现有AI系统连完整执行季度计划都存在困难，这种时间维度上的认知差距亟待突破。"
能力稳定性问题在专业领域表现尤为突出。哈萨比斯透露，某些前沿模型虽能在国际奥数竞赛斩获金牌，却会在基础算术题上出现低级错误。"这种能力断层暴露了系统知识结构的根本缺陷，真正的通用智能应当具备全领域均衡表现，就像人类数学家不会在简单计算中失误。"
这位人工智能领域领军人物有着丰富的行业履历：2010年联合创立DeepMind后，带领团队于2014年加入谷歌体系，其主导的Gemini项目已成为谷歌AI战略的核心支柱。值得注意的是，哈萨比斯凭借在蛋白质结构预测领域的突破性贡献，于2024年摘得诺贝尔化学奖桂冠。他曾在2023年《60 Minutes》访谈中预测，具备完整人类智能特征的AGI系统有望在五至十年内问世。
