DeepMind CEO哈萨比斯：当前AGI仍无法匹敌人类智能

DeepMind CEO哈萨比斯：当前AGI仍无法匹敌人类智能

2月18日，谷歌DeepMind首席执行官德米斯·哈萨比斯在接受采访时，对通用人工智能（AGI）的发展现状作出了极具分量的判断：当前的AGI系统尚无法匹敌人类智能，距离真正的通用人工智能还有显著差距。他同时明确指出，现有AGI存在三大核心技术短板，这一理性表态为当前过热的AGI赛道注入了冷静思考。

作为AGI领域的拓荒者，哈萨比斯领导的DeepMind一直是全球AI研发的标杆——从击败围棋世界冠军李世石的AlphaGo，到破解蛋白质折叠难题的AlphaFold，DeepMind的每一次突破都推动着AI向通用化迈进一步。也正因如此，哈萨比斯对AGI发展阶段的判断，被视为行业的“风向标”，其观点往往能左右从业者对技术路径的思考。

哈萨比斯提到的首项短板，是AGI的持续学习能力不足。与人类终身可学习、可进化的智能模式不同，当前绝大多数AGI系统，包括主流的大语言模型，都遵循“预训练-部署”的路径：在海量数据集上完成集中训练后，系统的认知框架和知识储备基本固定，进入静态状态。若要适应新场景、学习新知识，必须重新投入巨额算力进行微调或二次训练，不仅成本高昂，还可能出现“灾难性遗忘”——新学的知识覆盖旧有能力的现象。这种模式显然无法匹配人类随时随地吸收信息、更新认知的灵活度。

其次是常识与因果推理能力的缺失。人类智能的核心之一，是基于日常常识和因果逻辑的判断能力：比如知道“冰遇热会融化”“人需要呼吸空气”，能从“天下雨”推导出“地面湿”。但当前AGI系统的智能更偏向“统计关联”，它们通过学习数据中的高频模式生成内容，却无法真正理解背后的因果关系。这导致它们在处理复杂现实问题时，常常出现违背常识的错误——比如生成“给植物浇开水促进生长”的荒谬建议，暴露了智能的“表层性”。