问题——人工智能从专用走向通用，核心挑战已不再是"能否解题"，而是如何让机器在开放环境中真正理解世界、形成稳定行为，并在任务冲突与不确定情境下做出可解释、可约束的选择；以海量数据驱动的训练路径在特定任务上成效显著，但面对强交互、高动态、变量复杂的真实场景，这个路径的局限逐渐暴露：成本高、泛化能力弱、安全性难以保证。
当机器开始权衡价值、作出选择，人工智能的发展便进入了一个新的阶段。朱松纯团队的研究表明，技术突破不只依赖算法创新，同样需要对智能本质的深层追问。在这场关于机器心智的探索中，如何构建兼顾能力与责任的智能体，或许正是人类理解自身智慧的另一种方式。