Google DeepMind vezérigazgatója, Demis Hassabis szerint a mesterséges általános intelligencia (AGI) még nem érte el az emberi gondolkodás szintjét. Egy friss interjúban hangsúlyozta, hogy a gyors fejlődés ellenére még mindig jelentős különbség van a jelenlegi AI-rendszerek és az emberi kogníció között.
Hassabis véleménye szerint a mai AGI-szerű modellek három fő gyengeséggel küszködnek. Az első a folyamatos tanulás hiánya. A legtöbb rendszert a bevezetés előtt képezik ki, majd gyakorlatilag változatlan marad. Ideális esetben az AI-nek a saját tapasztalataiból kellene tanulnia valós környezetekben, anélkül, hogy újraképezni kellene, amikor új feladatok vagy feltételek adódnak.
A második probléma a hosszú távú tervezés. Bár a modern modellek képesek rövid távú stratégiákat kialakítani, még nem tudnak évek előttre kiterjedő terveket készíteni, ahogy az emberek teszik. Hassabis szerint ez a képesség kulcsszerepet játszik a bonyolult döntéshozatalban és a stratégiai gondolkodásban.
A harmadik gyengeség az intellektuális inkonzisztencia. Egy rendszer kiemelkedő eredményeket mutathat egy területen, miközben más területen alapvető feladatokban hibázik.
Hassabis megjegyezte, hogy a jelenlegi rendszerek aranyérmet nyerhetnek a Nemzetközi Matematikai Diákolimpián, és megoldhatnak rendkívül bonyolult problémákat, de ha egy kérdést másképp fogalmaznak meg, akár egyszerű matematikai feladatokban is hibázhatnak. Egy valóban univerzális intelligencia-rendszernek nem lehetnek ilyen képességbeli hiányosságai. Rámutatott, hogy ha az emberek matematikai szakértők lennének, nem hibáznának egyszerű feladatokban.
Hassabis korábban kijelentette, hogy a teljes értékű AGI 5–10 éven belül megjelenhet. A DeepMind-et 2010-ben társalapította, és miután a Google 2014-ben felvásárolta a céget, az a Google Gemini projekt kulcsfontosságú kutató részlege lett. 2024-ben Hassabis Nobel-díjat kapott kémiai területen a fehérjeszerkezet-előrejelzési technológia fejlesztéséért nyújtott hozzájárulásáért.