谷歌DeepMind首席执行官德米斯·哈萨比斯日前就当前人工智能发展现状发表观点，认为虽然通用人工智能（AGI）此长期目标正逐步接近，但现有系统与人类智能相比仍存在本质性差距，距离真正的通用智能实现尚需较长周期的技术突破。 哈萨比斯指出，当前AGI系统主要存在三个上的关键短板。其一是持续学习能力的缺失。现有的人工智能系统正式部署使用前已经完成了全部训练过程——之后基本处于静态状态——难以根据实际应用环境进行动态学习和自我优化。相比之下，理想的通用智能系统应该具备在运行过程中不断从实践经验中汲取养分、根据环境变化进行调整和完善的能力，这正是人类智能的突出特点。 其二是长期规划能力的欠缺。当前系统可以完成相对短期的规划任务，但像人类那样能够制定跨越多年甚至更长周期的整体规划，现有技术仍无法实现。这种能力对于解决复杂的、需要多步骤协调的现实问题至关重要，也是衡量通用智能水平的重要指标。 其三是性能稳定性不足。哈萨比斯特别强调，现有系统存在能力表现严重不均衡的现象。同一个系统在某些专业领域可能表现卓越——比如在国际数学奥林匹克竞赛中获得金牌、解决高难度问题——但如果问题的表述方式略有改变，或者涉及基础性的问题，系统就可能出现明显错误。这种"能力断层"现象在人类智能中是罕见的，真正的人类数学专家不会在基础数学问题上犯错。 从发展趋势看，哈萨比斯在去年接受媒体采访时曾预测，真正的AGI将在五至十年内问世。这一预测既表明了他对技术进步的信心，也反映出人工智能领域内对实现通用智能目标的现实认识——这是一项长期的、需要多上突破的系统性工程。 作为DeepMind的创始人和现任首席执行官，哈萨比斯推动人工智能前沿发展上具有重要话语权。他于2010年联合创办DeepMind，2014年该公司被谷歌收购，其后成为推动谷歌Gemini等重要项目的核心研发力量。2024年，他因在蛋白质结构预测领域的开创性工作获得诺贝尔化学奖，体现了人工智能技术在生命科学等领域的深远应用潜力。
当科幻作品中的"全能AI"尚未成为现实，科学家的冷静分析正为行业发展指明方向；哈萨比斯的分析揭示了一个根本问题：创造真正类人的智能，不仅需要算力与数据的支撑，更需要破解生命进化中形成的认知奥秘。在人类智慧与机器智能的互动中，保持敬畏与进取的平衡，或许正是打开未来之门的关键。