AGIArtificial General Intelligence

和現有 AI 的本質差異

現在你在用的語言模型——ChatGPT、Claude、Gemini——嚴格來說都屬於「窄人工智慧」（narrow AI）：它們在訓練涵蓋的任務範圍內表現很好，甚至超越人類，但能力邊界很清楚，遇到訓練資料稀薄的情境，表現會明顯下滑。

AGI（Artificial General Intelligence，通用人工智慧）指的是一種假設中的系統：能像人類一樣，在幾乎任何智識任務上學習、理解、應用知識，而不是只在特定領域強。差異不在「聰不聰明」，而在能不能跨領域自主遷移能力——人類學會騎腳踏車之後，這個「抓平衡感」的能力可以幫助你學滑雪，現有 AI 系統普遍沒有這種遷移機制。

為什麼沒有公認的判斷標準

「什麼才算 AGI」是業界爭議最大的問題之一，原因是智慧本身就很難有單一的量化定義。常見的判斷角度包括：

• 廣度測試：能否在涵蓋推理、語言、視覺、常識判斷等大範圍任務上，達到人類水準表現
• 遷移能力：學會一項技能後，能否應用到訓練時沒見過的新情境
• 經濟門檻：部分公司內部用「能否完成大多數具經濟價值的人類工作」當作定義
• 自主性：能否在缺乏明確指示的情況下，自己設定子目標並執行

這些角度彼此不完全一致，也導致不同公司、不同研究者宣稱「達成」或「還很遠」時，用的其實是不同的量尺。看到相關新聞時，值得先確認對方講的是哪一種定義。

現有系統距離 AGI 有多遠

這件事沒有共識答案，業界大致落在兩派：

樂觀派 認為現有的LLM加上工具使用、多步驟規劃（也就是Agentic AI的方向），只是規模與訓練方法的持續延伸，走下去就有機會達到通用能力。

保守派 認為現有架構有本質上的限制——例如缺乏真正的世界模型、無法可靠地做因果推理、容易產生幻覺——這些問題不是靠加大模型規模就能解決，需要根本不同的技術路線。

這篇文章不站邊，也不給時間預測。 任何「幾年內會出現 AGI」的說法，都是個人或機構的猜測，不是可驗證的事實，讀到這類說法時值得抱持保留態度。

為什麼這個詞值得認識

即使 AGI 還沒實現，這個詞在幾個場合很常出現，知道它在講什麼有實際幫助：

看懂公司公告與新聞。 AI 公司的使命宣言、募資說明、政策討論裡經常出現「邁向 AGI」這類措辭，理解它背後沒有統一定義，能幫你更準確地解讀這些宣稱的份量。

理解風險討論的脈絡。 AI 安全、監管政策的討論裡，AGI 常被當成「能力大幅超越現況」的參照點，即使短期內不會實現，這個概念仍在形塑相關政策的討論方向。

分辨行銷語言和技術現實。 「這個工具用了 AGI 等級的技術」這類行銷用語，通常只是強調功能強大，和學術或研究脈絡裡的 AGI 是兩回事。

常見的混淆

「AGI」不等於「超級智慧」（superintelligence）。 AGI 通常指達到人類水準的通用能力，超級智慧則指遠超人類水準的能力。兩者是不同階段的概念，常被混用。

「通用」不等於「無所不能」。 即使真的達到 AGI，也不代表它會沒有任何限制——就像人類也有能力邊界，一個通用系統同樣可能在特定任務上不如專門訓練的窄 AI 系統。

延伸閱讀：LLM 是什麼、Agentic AI 是什麼、AI 幻覺是什麼。