模型與訓練

AGI 通用人工智慧是什麼?一個還沒有標準答案的目標

AGI 全名 Artificial General Intelligence,中文叫通用人工智慧。它指的是具備跟人類相當的通用認知能力的 AI,能在沒有針對性訓練的情況下,跨領域學習並完成各種任務。跟今天我們用的專用 AI 不同,AGI 強調的是通用性與自主學習能力。目前業界對它沒有公認的判定標準,也還沒有任何系統被普遍認定達成。
AGI 通用人工智慧是什麼?一個還沒有標準答案的目標:文章重點卡

AGI 通用人工智慧是什麼?一個還沒有標準答案的目標

你會在新聞標題、投資簡報、產業論壇裡不斷看到 AGI 這三個字母,而且每個人講的好像都不太一樣。

這是正常的,因為它目前沒有公認的標準定義。這一篇要做的,是把已經有共識的部分講清楚,把還在爭議的部分標出來。

你將學到什麼

定義

具備跟人類相當的通用認知能力,能跨領域學習與解決問題的 AI。

對照組

今天的 AI 多半是專用 AI,強在特定任務,弱在通用性。

爭議在哪

沒有公認的判定標準,怎樣算達成各家說法不同。

跟誰容易搞混

常跟大型語言模型混為一談,那是技術路線,不是能力等級。

定義

AGI 的全名是 Artificial General Intelligence,中文叫通用人工智慧。它指的是具備跟人類相當的通用認知能力的人工智慧。

關鍵字是通用。它不是在某一項任務上做得特別好,而是能在沒有針對性訓練的情況下,自行學習並完成各種不同領域的任務。

跟現在的 AI 差在哪

面向專用 AI,也就是現況AGI,目前的目標
能力範圍在特定任務上表現很強跨領域都能勝任
學習方式需要針對任務訓練或提供大量脈絡能自主學習並把經驗遷移到新領域
面對沒見過的問題容易失準或給出不可靠的答案能像人一樣推理、嘗試、修正
現況已大量落地使用尚未達成,且沒有公認標準

爭議在哪裡

最大的爭議是判定標準。有人主張要能完成人類大部分具經濟價值的工作才算,有人主張重點在自主學習與跨領域遷移能力,也有人認為要看它在陌生真實情境下的可靠度。

不同標準會導出完全不同的結論,所以你會同時看到「已經很接近了」跟「還差得遠」兩種說法。看到這個詞時,先問對方用的是哪一套定義,討論才有意義。

為什麼你需要知道這個詞

第一,它常被用來包裝行銷訊息。理解定義爭議之後,你比較不會被「我們的產品邁向 AGI」這類說法帶著走。

第二,它會影響你的期待管理。知道現有工具屬於專用 AI,你就會替它準備好脈絡、知識與流程,而不是期待丟一句話它就自己搞定。強化學習被視為通往 AGI 的重要技術之一,可以延伸看 RL 強化學習

常見誤解誤解一,把某個模型在考試或評測上拿高分,直接當成 AGI 的證據。評測只能測到被設計出來的那些能力,測不到通用性。誤解二,把 AGI 跟超人工智慧混在一起,後者指的是全面超越人類的假想階段,比 AGI 更遠,而且更接近推論而非工程目標。誤解三,以為這是一個開關,某天突然打開。多數研究者認為它更可能是一段逐步逼近、邊界模糊的過程。
本文源起本文為酒Ann 的 AI 名詞彙編系列,用白話把常見名詞一次講清楚。歡迎追蹤 酒Ann 的 Facebook

延伸學習

把這篇文章分享給需要的人FacebookLINEThreadsX

常見問答

現在的 AI 已經是 AGI 了嗎?
還不是,這是目前多數研究者的共識。現有系統在特定任務上表現很強,甚至超過人類,但在跨領域遷移、持續學習、面對沒見過的真實情境時的可靠度上,都還有明顯落差。至於什麼時候會達成,各方預測差距非常大,任何具體年份都應該當成猜測。
AGI 跟大型語言模型是同一件事嗎?
不是。大型語言模型是一種技術路線與產品形態,AGI 是一個能力等級的目標。語言模型有可能是通往 AGI 的路徑之一,也有研究者認為單靠它不夠,還需要別的機制。兩者不能畫等號。
為什麼很難定義 AGI 有沒有達成?
因為人類智慧本身就很難量化。用考試分數判斷會漏掉常識與應變能力,用能不能取代大部分工作判斷又牽涉太多非技術因素。不同定義會得出不同結論,這也是這個詞常被拿來行銷的原因。