AGI 是什麼？如何看懂通用人工智慧的能力宣稱

AGI 是通用人工智慧的英文縮寫，討論的是：一套人工智慧系統能否在廣泛任務上展現足夠的能力，而不只擅長某一類問題。看到新聞說 AI 考試得高分，還不能只憑這項成績判定它達到 AGI；要先看新聞採用什麼定義，以及實際測了什麼。

這篇從「通用」的意思開始，用一則假想新聞示範怎麼讀懂能力宣稱。你不需要懂程式，也不必先選邊相信哪家公司。

AGI 的「通用」是什麼意思？

人工智慧可以是協助電腦辨認文字、解題或做其他任務的系統。AGI 的英文全名是 Artificial General Intelligence，重點在「通用」：能力能否跨越多種不同任務，而不是所有事情都會、永遠不出錯。

例如，一套系統很會解數學題，換成整理郵件、讀懂新遊戲規則、處理沒有遇過的問題，表現如何仍要另外檢查。這些任務只是用來說明廣度，並不是公認的 AGI 必考清單。

判斷 AGI，要分開看廣度與表現

研究論文《Levels of AGI》把兩件事分開：廣度是能處理多少不同類型的任務；表現是各項任務做得多好。這是一種研究框架，不是全球統一的及格考試。原始研究也提醒，評估時要說明能力範圍與比較標準。

想像甲系統數學非常強，但其他任務沒測過；乙系統什麼都能回覆，卻常答錯。前者沒有證明廣泛能力，後者也不能用「會回答的項目很多」取代實際表現。只看其中一面，都不足以支持 AGI 的結論。

看到「已達 AGI」，先查這三件事

假設小安看到一則新聞：「AI 在數學測驗勝過人類，所以 AGI 已經來了。」這是本文自製的教學情境，不是對某個產品的測試報告。小安可以沿著三個問題往下查：

1. 它把 AGI 定義成什麼？是單一測驗高分，還是跨多種工作的能力？定義沒有交代，結論就缺少判斷依據。
2. 實際測了哪些任務？若只測數學，整理郵件與學習新規則等其他能力仍未得到證明；不能把沒測過的部分一起算進來。
3. 「勝過人類」是跟誰、在什麼條件下比較？比較的是專家還是一般受試者？雙方是否有相同時間與工具？條件不同，分數的意義也不同。

查完後，小安能接受的結論可能只是：「這套系統在這份數學測驗、這些比較條件下表現較好。」這不是否定成績，而是讓結論停在證據支持的範圍。以上問題是閱讀方法，不是做完就能頒發 AGI 認證的程序。

同樣說 AGI，定義可能放重點在不同地方

OpenAI 的憲章把 AGI 描述為在多數具有經濟價值的工作上，表現超越人類的高度自主系統。這裡的「自主」是指做事需要多少人類介入，與能做多少種任務並不是同一個問題。

因此，同一則新聞即使交代了分數，也未必交代了完成過程需要多少人協助。OpenAI 的定義是該組織的取向，不能直接當成所有研究者的共同標準；讀不同的 AGI 宣稱時，先對齊定義才能比較。

AGI、單項超人與超級智慧差在哪？

「單項超人」只是在說某一類任務表現超越人類，例如特定棋類或某份測驗；它沒有同時說明其他能力。AGI 關心跨任務的廣度與能力門檻；「超級智慧」常以 ASI 表示，討論的是廣泛能力都達到超人水準的概念。

這三種說法承擔的主張不同。回到小安的新聞：數學測驗高分、具備廣泛能力、在廣泛任務超越人類，不能只因都用了「厲害」就互相替換。也不能把這些名詞畫成一定依序發生、每一步都有日期的進化表。

能力宣稱沒有回答哪些問題？

以可觀察能力為主的 AGI 定義，不一定把意識或感受當成先決條件。因此，一個系統表現很好，並沒有直接解答「它是否有自己的感受」；反過來，也不能僅憑這套能力框架宣判它一定沒有意識。

實現時間也是另一個問題。本文整理的定義與研究不能推出 AGI 必定在哪一年出現，也不足以替當下全世界的系統作統一認定。看到倒數年份時，要把它當成需要另查依據的預測，而不是已確認的時間表。

用證據判斷一句能力宣稱

理解 AGI，最有用的下一步是把「它很強」拆成可以核對的問題：採用什麼定義、會處理哪些任務、表現如何，以及完成時需要哪些協助。下次看到驚人的分數，先確認這個分數能支持多大的結論。