谷歌DeepMind首席执行官德米斯·哈萨比斯日前就通用人工智能发展现状发表看法，坦诚当前技术水平与真正的人类级别智能仍存在显著差距；这个表述为业界关于人工智能发展阶段的认识提供了权威参考。 通用人工智能是指能够像人类一样进行推理，并在未经专门训练的情况下解决新问题的机器智能系统。与专用人工智能不同，通用人工智能具有更强的适应性和迁移能力。哈萨比斯指出，虽然这一目标正在逐步逼近，但距离全面实现仍需时日。 在分析现阶段系统的主要不足时，哈萨比斯重点指出了三个关键瓶颈。其一是持续学习能力的缺陷。现有系统通常在部署前完成训练，之后基本处于静态状态，无法根据实际运行中的新经验进行自我优化。理想的智能系统应当能够在实际应用中不断从环境中获取信息，根据具体情境和任务需求进行动态调整，这正是人类智能的重要特征。 其二是长期规划能力的不足。当前系统可以进行短期规划，但缺乏人类那样跨越数年甚至更长时间周期的战略规划能力。这种能力对于处理复杂、长周期的任务至关重要，也是衡量智能水平的重要指标。 其三是能力表现的不稳定性。系统在某些领域表现出色，在其他领域却存在明显不足，体现为明显的能力断层。哈萨比斯以数学能力为例说明这一问题：当前系统可以在国际数学奥林匹克竞赛中获得金牌，解决极具挑战性的问题，但如果改变提问方式，有时仍会在基础数学题上出错。这种不稳定性表明系统尚未形成真正的通用理解能力，而是在特定场景下的能力表现。 这些瓶颈的存在反映了当前人工智能发展的真实状况。虽然近年来大规模语言模型和多模态系统取得了显著进展，但这些进展主要集中在特定任务的性能提升上，而非通用智能的实现。系统的这些不足之处，正是未来技术突破的重点方向。 不容忽视的是，哈萨比斯曾在去年的采访中表示，真正的通用人工智能将在五到十年内问世。这一时间预测与他对现阶段技术瓶颈的分析相互呼应，表明业界对通用人工智能实现的时间表仍存在较大不确定性。作为DeepMind的创始人和现任首席执行官，哈萨比斯自2010年创办该公司以来，一直致力于推动人工智能的前沿研究。2014年DeepMind被谷歌收购后，成为谷歌Gemini等核心产品的研发力量。2024年，哈萨比斯因在蛋白质结构预测领域的突出贡献获得诺贝尔化学奖，这继续证明了其在科学研究中的重要地位。
通用人工智能从"能做题"到"能做事"，再到具备持续学习、长期规划和稳定可靠的能力，不仅是算力与算法的比拼，更是对工程体系、评测标准和治理能力的综合考验。在创新与安全、效率与责任之间找到平衡，将决定其能否从技术热点转变为真正有价值的突破。