在第一章里已经提到过，戴密斯·哈萨比斯先生曾在列举人类智能的优点时提到了通用性。当时，他说过这样一句话：
“能将一个游戏中学到的知识应用到其他游戏中，这就是人类智能的厉害之处。”
将各种信息组合在一起，得出眼前正在飞的物体是什么的答案，这也算是与人脑的通用性相关吧。
哈萨比斯先生的研究目标并不止于一个领域，他想要研究开发的是能在各种领域使用的通用型人工智能。他的梦想是能将人工智能应用于科学发展，例如，在物理学领域帮忙构筑万物理论，或者探索“人类为什么会存在于此”这种本源方面的问题，判明生命与宇宙存在的意义。
哈萨比斯先生在采访的最后说：“人脑所能做的，人工智能应该都做得到。”这句话给我留下了很深的印象。在采访中，他一边为我们介绍策略网络，一边强调AlphaGo是与其他人工智能不同的、更人性化的程序。哈萨比斯先生开发人工智能的动机之一，就是想要弄清人类思考的过程。
不过，虽然限定了开发目的的专用型人工智能发展进步非常顺利，但通用型人工智能的开发却还路漫漫其修远兮。
阻挡在面前的障碍有很多，解决框架问题想必是必要条件之一。在通往物联网时代的路上，如何使必要的计算资源有飞跃性的增长，也是一个问题。
第一章里曾介绍过的摩尔定律也快到瓶颈期了，硬件正处于渴求新的技术突破的时期。因此，我们需要进行并列处理演算、提高速度等多方面的路径研究。
路径之一，是利用量子力学的量子计算机。通常的计算机通过“0”和“1”的排列组合进行计算，而量子计算机则在“0”和“1”重合的状态下同时进行计算。理论上，量子计算机的计算速度可以远远超过超级计算机，这让人们对其在人工智能开发方面将要发挥的作用抱有很大的期待。虽然目前一部分量子计算机已投入了使用——像是加拿大开发的D-Wave，但它的实用范围还是很狭窄。
此外，模仿人脑结构开发人脑型电脑的研究也有所进展。话说回来，使用深度学习的神经网络，也效仿了人脑的构造。
不过，人类的大脑在本质上究竟是如何产生智慧的，仍是谜团重重，脑研究如此困难，也证明了在生物进化的过程中不断演变的人脑是十分复杂的。这样想来，搞清人脑之谜与实现通用型人工智能，大概会是“先有鸡还是先有蛋”的问题。总之，无论哪一方取得进展，都会带动另一方进步。
