自從 ChatGPT 推出新一代模型「GPT-6 Astra」後，由於強大的程式開發、電腦操作以及複雜工作處理能力，應用越來越廣泛的 AI 技術，使得「AGI」再次成為 AI 產業熱門話題。
不過 AGI 究竟是什麼？它與 ChatGPT、Gemini 等生成式 AI 又有什麼不同？本篇文章中，將會從 AGI 的基本觀念開始介紹，告訴你 AGI 與 ANI、生成式 AI、AI Agent 之間的差異。
「AGI」代表意思是什麼？
AGI 全名為「Artificial General Intelligence」，中文多翻譯為「通用人工智慧」。若從廣義角度來看，可以先將 AGI 簡單理解成一種「具備廣泛、通用認知能力，可以處理許多不同類型問題的人工智慧」，而非僅針對特定工作、領域而設計的 AI 系統。
不過上述說法並非全球統一的正式定義，由於 AGI 並非固定規格的產品，而是一種用來描述高度通用人工智慧能力的「概念」，像是 Google DeepMind 的《Levels of AGI for Operationalizing Progress on the Path to AGI》研究中，就以「Performance」與「Generality」作為衡量，藉此評估一套 AI 到底有多強。
- Performance：能力表現，也就是能力有多強。
- Generality：通用程度，也就是能力有多廣。
而在 OpenAI 對 AGI 的定義中，主要將其視為一種「高度自主，並能在大多數具有經濟價值的工作上超越人類」的系統，只能說目前業界仍沒有一套統一的「AGI」判定標準，現階段較適合先從核心概念來理解。
「AGI」與「ANI」有什麼差異？
ANI 全名為 Artificial Narrow Intelligence，中文多稱為「狹義人工智慧」或「弱人工智慧」，多用來描述針對特定任務或一定範圍問題所設計的 AI，像是垃圾郵件過濾、語音辨識、語音助理、商品推薦以及遊戲 AI 等等。
然而 ANI 與 AGI 代表的是不同程度的通用性與能力範圍，這點也可以從 AGI 名稱「通用人工智慧」看出，ANI 在「通用性」方面明顯較為有限，即使能在特定領域表現得比人類更好，也不代表它能把相同能力直接運用到其他完全不同的工作。
舉例來說，一套用於圍棋遊戲的 ANI，儘管棋力遠超一般人，甚至可達世界級棋手水準，但你不能要求它幫忙寫程式、規劃旅遊或分析財務資料；而理想中的 AGI，則應該能把能力運用到廣泛不同的問題與領域。
另外，我們也可從《Levels of AGI for Operationalizing Progress on the Path to AGI》提供的 AGI 評估指標 ，也就是「Performance」與「Generality」這兩點看出 ANI 與 AGI 差異， AGI 不單是要把「某一件事情做得好」，還要能在「多種不同領域的任務中都有良好表現」；若以簡化方式來理解，你可以把 ANI 想像成在特定領域的「專才」，AGI 則是追求全方位表現「通才」。
▼ AGI 與 ANI 差異比較
| 比較項目 | ANI | AGI |
|---|---|---|
| 核心概念 | 專注特定任務或範圍 | 強調多領域、通用能力 |
| 任務範圍 | 集中特定任務或有限範圍 | 涵蓋多種不同任務 |
| 跨領域能力 | 相對有限 | 理應具備 |
| 評估方式 | 看特定任務表現 | 重視能力深度與廣度 |
| 實際應用 | 推薦系統、圍棋 AI 等 | 定義與判定標準仍未統一 |
「AGI」與「生成式 AI」有什麼差異？
包含 ChatGPT、Gemini 等 AI 工具在內，如今不僅具備文字、圖片、影音等內容生成能力，也能協助程式開發、資料分析與廣告設計等多種數位工作；不過這些能力是否已足以被視為 AGI，目前業界仍沒有一致答案。
基本上我們只能先把 ChatGPT、Gemini 等工具劃分為「生成式 AI」，畢竟「生成式 AI」定義在於「AI 是否具備生成內容的能力」，是一種功能類型說明；而 AGI 則在指涉「AI 整體能力有多廣、多通用」，是一種對 AI 整體通用程度的描述，兩者不能直接畫上等號。
▼ ChatGPT、Gemini 屬於生成式 AI 工具
圖源：unsplash
「AGI」與「AI Agent」有什麼差異？
所謂的「AI Agent」，可以理解成一種能根據使用者設定的目標，自行規劃步驟、使用工具，並完成一連串任務的 AI 系統，相較於單純的聊天型 AI，AI Agent 不只會回答問題，還會更進一步「採取行動」。
以實際範例來說明，當你請 AI 幫你撰寫一封請假信時，非 AI Agent 的 AI 只會幫你生成信件內容，後續需要你自行複製、交給主管；然而 AI Agent 不僅會生成信件內容，在取得相應工具與權限的情況下，還可進一步完成後續步驟，像是透過 Email API 寄給主管、同步更新團隊共用行事曆等等。
整體來看，AI Agent 核心要點在於「是否具備自主執行能力（Autonomy）」；而 AGI 關注的是 AI 本身的能力是否足夠廣泛、通用，能不能在不同領域理解問題、推理並解決問題，兩者間實屬不同層面的概念。
舉例來說，一套 AI Agent 可能很會操作網頁、整理信件或執行公司內部流程，但它的能力仍可能只侷限在這些工作，遇到完全不同的數學、科學、法律或工程問題時，不一定具備足夠能力解決；反過來也是如此，儘管理想的 AGI 具備高度通用的推理與問題解決能力，但在沒有授予操作工具或外部系統權限的情況下，不一定能以 AI Agent 形式運作。
▼ AI Agent 與 AGI 差異比較
| 比較項目 | AI Agent | AGI |
|---|---|---|
| 核心概念 | 自主執行任務 | 高度通用的智慧能力 |
| 任務範疇 | 能不能自主完成工作 | 能不能跨領域解決問題 |
| 自主性 | 核心特徵 | 不一定 |
| 跨領域能力 | 不一定 | 核心特徵 |
| 目前狀態 | 已有實際產品與應用 | 定義與判定標準仍未統一 |
總論
不同於「生成式 AI」、「AI Agent」，目前「哪些現有 AI 能被視為 AGI」仍存在很大爭議，且業界尚未形成統一判定標準，像是 Google DeepMind 就主張從能力的「深度」與「廣度」觀察 AGI 發展；而 OpenAI 則曾以「在大多數具有經濟價值的工作上超越人類的高度自主系統」來定義 AGI。
不過無論採用哪一種定義，對於剛認識 AGI 的人來說，都可以先掌握一個核心概念：AGI 是用來描述具有高度通用人工智慧能力的概念，但目前仍沒有全球統一的定義與判定標準
另外，當你看到某公司宣稱某款 AI「已經是 AGI」，最嚴謹的做法，是觀察它在多少不同任務上具備能力、表現有多穩定，以及採用的是哪一套 AGI 評估標準，而不是只看到『AGI』這個名稱，就直接認定它已經達到通用人工智慧。
首圖來源：unsplash
參考資料：Levels of AGI for Operationalizing Progress on the Path to AGI、OpenAI