谷歌DeepMind首席執(zhí)行官德米斯·哈薩比斯近日在接受媒體采訪時(shí)指出，盡管真正的通用人工智能（AGI）正在加速發(fā)展，但要實(shí)現(xiàn)完全成熟仍面臨關(guān)鍵挑戰(zhàn)。他強(qiáng)調(diào)，當(dāng)前技術(shù)距離人類水平的智能系統(tǒng)仍有顯著差距。

AGI被定義為具備人類般推理能力、無需專門訓(xùn)練即可解決新問題的機(jī)器智能。哈薩比斯明確表示，現(xiàn)有系統(tǒng)尚未達(dá)到這一標(biāo)準(zhǔn)，并具體指出三大核心缺陷：持續(xù)學(xué)習(xí)能力薄弱、長期規(guī)劃能力缺失以及能力表現(xiàn)不穩(wěn)定。

關(guān)于持續(xù)學(xué)習(xí)問題，他解釋稱現(xiàn)有模型在部署前完成訓(xùn)練后便進(jìn)入靜態(tài)狀態(tài)，無法像人類一樣在運(yùn)行過程中動(dòng)態(tài)吸收新信息、適應(yīng)環(huán)境變化并優(yōu)化行為模式。"理想中的系統(tǒng)應(yīng)當(dāng)具備終身學(xué)習(xí)能力，通過實(shí)踐不斷進(jìn)化。"

在規(guī)劃能力方面，哈薩比斯指出當(dāng)前技術(shù)僅能處理短期任務(wù)，而人類具有的跨年度戰(zhàn)略規(guī)劃能力仍是技術(shù)空白。"這需要系統(tǒng)建立對時(shí)間維度和因果關(guān)系的深層理解，目前的技術(shù)架構(gòu)尚未突破這個(gè)瓶頸。"

能力斷層現(xiàn)象是第三個(gè)突出問題。他以數(shù)學(xué)領(lǐng)域?yàn)槔f明：某些系統(tǒng)能攻克國際奧數(shù)競賽難題，卻在基礎(chǔ)運(yùn)算中出錯(cuò)。"真正的通用智能應(yīng)當(dāng)像人類專家那樣，在保持專業(yè)高度的同時(shí)確保基礎(chǔ)能力的可靠性，這種全面性是當(dāng)前系統(tǒng)最缺乏的特質(zhì)。"

這位諾貝爾化學(xué)獎(jiǎng)得主（2024年因蛋白質(zhì)結(jié)構(gòu)預(yù)測研究獲獎(jiǎng)）曾于2023年預(yù)測，AGI有望在五到十年內(nèi)成為現(xiàn)實(shí)。作為谷歌Gemini項(xiàng)目的核心研發(fā)者，他領(lǐng)導(dǎo)的DeepMind團(tuán)隊(duì)自2010年成立以來持續(xù)推動(dòng)人工智能邊界，該機(jī)構(gòu)2014年被谷歌收購后更成為前沿技術(shù)研究的重鎮(zhèn)。