7月8日，以“智能世界中的智慧”为主题的2021世界人工智能大会正式开幕。2007年图灵奖得主、Verimag实验室创始人兼教授约瑟夫斯发基斯在开幕式上介绍了从狭义人工智能到广义人工智能的三大挑战。 　　

　　萨弗基斯认为，狭义的人工智能只提供积木，但智能远不止数据集上的插值。单靠机器学习技术的不断进步，无法实现广义人工智能的愿景。 　　

　　何认为，我们需要采取行动，从单任务、单目标、单领域的智能系统发展，比如智能个人助理、棋手、自然语言翻译等。到响应/主动系统。主动系统集成了许多协调任务，旨在实现可能存在冲突的多领域目标，并在不可预测的机电和人类环境中运行，如自动驾驶汽车、智能电网和智能工厂。 　　

　　然而，这面临三大挑战。他提出的第一个挑战是关于神经网络的敏感性。在某些情况下，神经网络对输入数据的微小变化很敏感。 　　

　　第二个问题是提供可信的保证。萨弗基斯说，系统的关键程度意味着系统制造商应该根据标准向认证机构提供最终的可信保证。已成功应用于自动化系统(如飞行控制器)的现有方法和工具遵循基于模型的范式。由于人工智能组件的不可精确性，以及系统和系统环境的高度复杂性，这些方法和工具只能“甘拜下风”。 　　

　　不过他也提出，虽然人工智能的可解释性在很大程度上还是个问题，但这不应该成为障碍。 　　

　　他认为这涉及三个重要问题。首先，用不可信组件经济高效地构建可信系统：开发“混合”架构，集成运行时可信保证监控器监控的不可信AI使能组件，然后响应危险情况并在重大情况下接管；其次，共生智能：将人类智能体的优势(计算效率和准确性)与人类智能体的优势(创造力和感知)结合起来，可以增强可信度——这是一个远比人机界面(HMI)复杂得多的挑战。 　　

　　此外，标准、法规和验收标准也在不断发展。监管有越来越宽松的趋势，比如美国的自动驾驶汽车的自我认证。但是，由于技术问题和可信度的不断恶化，这种情况的接受程度可能会受到影响。 　　

　　对广义人工智能的第三个挑战是如何将符号知识与非符号知识联系起来。要达到人类水平的表现，系统要有处理常识的能力，这就需要抽象的意识思维和快速的思维相结合。萨弗基斯说，人类的思维有一个可以描述整个世界的语义模型，人类的理解过程结合了自下而上的推理(从感知层面到思维语义模型)和自上而下的推理(从语义模型到感知层面)。 　　

　　萨弗基斯认为，目前的挑战是如何开发一个能够将学习技术与推理技术(外推和类比)相结合的系统，然后逐步构建其环境语义模型――这是最大的问题，这一点从迄今为止自然语言语义分析的微小进展中可以得到证明。