谷歌DeepMind首席执行官德米斯·哈萨比斯近日在接受媒体采访时指出，尽管真正的通用人工智能（AGI）正在加速发展，但要实现完全成熟仍面临关键挑战。他强调，当前技术距离人类水平的智能系统仍有显著差距。
AGI被定义为具备人类般推理能力、无需专门训练即可解决新问题的机器智能。哈萨比斯明确表示，现有系统尚未达到这一标准，并具体指出三大核心缺陷：持续学习能力薄弱、长期规划能力缺失以及能力表现不稳定。
关于持续学习问题，他解释称现有模型在部署前完成训练后便进入静态状态，无法像人类一样在运行过程中动态吸收新信息、适应环境变化并优化行为模式。"理想中的系统应当具备终身学习能力，通过实践不断进化。"
在规划能力方面，哈萨比斯指出当前技术仅能处理短期任务，而人类具有的跨年度战略规划能力仍是技术空白。"这需要系统建立对时间维度和因果关系的深层理解，目前的技术架构尚未突破这个瓶颈。"
能力断层现象是第三个突出问题。他以数学领域为例说明：某些系统能攻克国际奥数竞赛难题，却在基础运算中出错。"真正的通用智能应当像人类专家那样，在保持专业高度的同时确保基础能力的可靠性，这种全面性是当前系统最缺乏的特质。"
这位诺贝尔化学奖得主（2024年因蛋白质结构预测研究获奖）曾于2023年预测，AGI有望在五到十年内成为现实。作为谷歌Gemini项目的核心研发者，他领导的DeepMind团队自2010年成立以来持续推动人工智能边界，该机构2014年被谷歌收购后更成为前沿技术研究的重镇。
