AGI通用人工智慧

AGI通用人工智慧

AGI（通用人工智慧）指在多數認知任務上達到或超越人類水準、並能廣泛遷移的系統。OpenAI、Google DeepMind、Anthropic 將其列為長期目標；學界對時間表從數年到數十年爭論不休。2024–2025 年推理模型與 Agent 突破讓「接近了嗎」辯論升溫，並牽動安全、經濟、地緣政治與智能本質的哲學辯題。

為什麼熱門

每次 GPT 躍進都有人宣布 AGI 將至；投資敘事、人才爭奪與國會聽證圍繞「通用智能何時到來」，讓 AGI 從科幻詞變成董事會關鍵字。定義不一讓時間表爭議不斷，卻已推高算力與安全投資。o1、o3 類推理與 Agent 長期任務，是接近通才的兩條測試線。

通才 vs 專才

Deep Blue 與 AlphaGo 是巔峰專才；AGI 想像的是能學新職、理解新工具、在陌生領域自己找方法的通才。有人用「經濟上可替代多數遠端認知勞動」當操作型定義，有人堅持需具備因果、具身與自我建模。OpenAI 章程將 AGI 定義為在多數有經濟價值工作上超越人類；DeepMind 強調通用代理與科學發現。定義不一讓「我們到了沒」吵不完，但辯論本身已推高評測投資、安全預算與政策注意力。定義不一讓時間表爭議不斷，卻已推高算力與安全投資。o1、o3 類推理與 Agent 長期任務，是接近通才的兩條測試線。

路徑：規模、算法與具身

主流賭局：持續擴大資料、參數與算力，配合更好的推理、工具使用與記憶。o1、o3 類推理模型顯示「多想一會兒」可換正確率；Agent 測試長期任務；另一派強調世界模型、符號神經混合與機器人具身。悲觀者指出幻覺、高品質資料耗盡與能耗牆；樂觀者引用規模法則曲線。沒有單一基準能宣判 AGI，需一籃子任務——從 GPQA、SWE-bench 到真實部署證據——才能避免被 Demo 帶節奏。o1、o3 類推理與 Agent 長期任務，是接近通才的兩條測試線。窄 AI 已在改寫工作，對齊與教育不必等奇點日才開工。

若接近，社會怎麼辦

經濟上可能加速自動化認知勞動，拉大資本與勞工分配張力；安全上需防範大規模濫用與失控自主。政策工具包括算力報告、安全評估、出口管制與國際協作——類似核與生物雙用治理的艱難版。實驗室競速與「先到先得」動機可能壓縮測試時間。公眾討論常在烏托邦與末日之間震盪；務實路徑是分風險級治理、加強可測性與事故透明度，而非押注單一時間表或單一實驗室的樂觀新聞稿。沒有單一基準能宣判 AGI，需要一籃子任務與部署證據。窄 AI 已在改寫工作，對齊與教育不必等奇點日才開工。定義不一讓時間表爭議不斷，卻已推高算力與安全投資。

把未來當設計問題

AGI 是一面鏡子：照出我們想把智能用在創造與照顧，還是用在失控競速——選擇發生在今天的產品決策裡，不只在未來的奇點日。與其焦慮日期，不如投資可遷移的學習力、對齊研究、制度實驗與數位公共建設。對個人，保持對工具的主導權與倫理底線；對社會，提前演練失業緩衝、教育重塑與安全標準。把對齊研究、教育重塑與安全標準當成現在就能開工的公共建設，比押注年份更務實。窄 AI 已在改寫工作，對齊與教育不必等奇點日才開工。定義不一讓時間表爭議不斷，卻已推高算力與安全投資。o1、o3 類推理與 Agent 長期任務，是接近通才的兩條測試線。

重點整理

AGI 是通才智能的願景，定義與時間表仍高度爭議，卻已驅動算力軍備與安全治理。規模、算法與具身是主要路徑假說。與其預測日期，不如把對齊、教育與制度當作現在就能開工的設計問題——窄 AI 已經夠強大，足以要求我們今天就練習負責。沒有單一基準能宣判 AGI，需要一籃子任務與部署證據。