AI 的 AGI：為什麼定義吵不完
換句話說，AGI 不是一個自然類別（natural kind），而是一個帶有強烈規範性期待的傘狀概念。人們在使用它的時候，往往同時夾帶了技術描述、未來願景、風險焦慮與商業敘事。這正是定義無法收斂的第一層原因。
二、定義戰場：五種互不相讓的 AGI 想像
如果把近年文獻與公開討論中的 AGI 定義做個粗略分類，大致可以整理出五種取向。它們不是互斥的，但在實務判定上常常導向完全不同的結論。
能力取向：人類水準的萬用工具
這是最常見的一種。核心主張是：AGI 是一個在「絕大多數」認知任務上，表現達到或超越人類成人水準的系統。這裡的關鍵變數有三個：任務集合怎麼界定、人類水準取哪個群體的平均或中位數、以及「絕大多數」是幾成。
這類定義的好處是原則上可操作——只要有一份任務清單與評分標準，就能測。壞處是任務清單永遠列不完，而且清單本身會隨著時代改變。三十年前被視為「需要智慧」的任務，今天可能只是計算機的日常；反過來，某些我們以為很簡單的能力（例如在陌生廚房裡找到工具煮一頓飯），對機器卻極其困難。任務集合一浮動，判準就跟著浮動。
認知取向：會學習、會遷移的心智
另一派把重點放在「機制」而非「表現」。這一派的代表是 Shane Legg 與 Marcus Hutter 在 2007 年提出的經典定義：智慧是主體在廣泛環境中達成目標的能力。這個定義把 AGI 理解為一種能在未知環境中有效學習並達成目標的系統，強調的是樣本效率、分布外泛化、持續學習等特質。
這個取向的優點是抓住了「通用」的本質——不是會很多事，而是能快速學會新的事。缺點是它幾乎無法直接量測。你要怎麼證明一個系統「具備」遷移能力，而不是因為訓練資料裡剛好有類似案例？你要怎麼區分「真的學會了規則」與「記住了大量表面模式」？這些問題在深度學習時代變得格外棘手。
經濟取向：能替代人類工作的系統
第三種取向用經濟後果來定義：當一個系統能完成大多數有經濟價值的工作，且成本低於人類，就可稱為 AGI。Mustafa Suleyman 曾提出一個著名的「現代圖靈測試」版本：給 AI 十萬美元，讓它在短時間內透過網路賺到一百萬美元。這個測試的妙處在於它不問「它會不會思考」，只問「它能不能創造價值」。
經濟取向的吸引力在於它直接對應現實世界的關注點——勞動市場、生產力、產業結構。但它的問題也很明顯：市場機會、法規環境、資本取得都會影響結果，一個能力普通的系統搭配強大的執行工具與資源，可能比一個能力更強但缺乏資源的系統更容易「通過」。測出來的其實是系統加上環境的組合，而不是系統本身。
自主取向：能自行設定目標的代理
第四種取向把焦點放在自主性：AGI 應該是一個能自行設定子目標、規劃長期行動、在環境中持續運作的代理系統（agent）。這個取向在近年隨著 AI agent 技術的發展而越來越受重視。
它的困難在於「自主」與「失控」的界線。一個能自行設定目標的系統，聽起來很理想；但同一個特質也是風險討論的核心。於是這個定義往往同時是技術判準與安全議題的入口，很難保持中立。
意識取向：有感受、有理解的存在
最後一種取向把 AGI 與「真正的理解」「主觀經驗」「意識」綁在一起。這一派常引用哲學家 John Searle 的「中文房間」論證：一個按照規則操作符號的系統，即使輸出的答案完全正確，也不代表它「懂」中文。
這個取向在技術圈相對邊緣，但在公眾討論中非常有影響力。很多人心中「真正的 AGI」其實預設了某種主體性——會在乎、會理解、會有內在體驗。問題是，意識本身至今沒有公認的科學定義與檢測方法，把 AGI 綁在意識上，等於把一個模糊概念疊在另一個更模糊的概念上。
把這五種取向並排來看，就會發現：它們對「同一個系統」會給出完全不同的判定。一個在基準測試上全面超越人類、但無法自主規劃的系統，在能力取向眼裡是 AGI，在自主取向眼裡不是。一個能獨立完成多數遠端工作、但缺乏跨領域遷移能力的系統，在經濟取向眼裡是 AGI，在認知取向眼裡可能只是「很強的窄 AI 組合」。定義沒統一，判定當然吵不完。
三、為什麼吵不完？定義之爭背後的四個結構性原因
如果只是「大家想法不同」，理論上可以透過更多研究與對話收斂。但 AGI 的定義之爭之所以長期無解，背後有幾個結構性的原因，讓它註定無法像物理量那樣被標準化。
原因一：量測對象是「能力邊界」，而邊界會移動
AGI 的核心是「通用性」，而通用性本質上是一個關於能力邊界的概念。問題是，能力邊界不是固定座標，而是一個會隨著工具、資料、環境一起移動的動態前緣。
舉個例子。二十年前，「能和人自然對話」被視為通用智慧的象徵；今天大型語言模型做到了，於是討論立刻轉向「它只是統計模式比對」「它不會真正推理」。這不是單純的否認，而是判準在移動——當某項能力被攻克，人們會重新界定「這項能力其實不需要真正的智慧」。這種現象在認知科學裡被稱為「AI 效應」（AI effect）：一旦機器做到了，我們就停止稱它為智慧。
這種判準漂移讓任何定義都很難穩定。你今天寫下的判準，明天可能就被技術追平，然後被重新詮釋。定義之爭因此不是一次性的辯論，而是一場持續進行的追趕。
原因二：測試本身會失效——基準飽和與古德哈特定律
第二個結構性原因是方法論上的。任何用來衡量通用能力的基準，一旦被廣泛使用，就會出現兩種失效：
這在大型語言模型的時代尤其明顯。許多模型在標準化考試、程式競賽、學術測驗上表現亮眼，但在稍微改變題目表述、加入無關干擾、或要求跨步驟常識推理時，表現就大幅下滑。這說明基準分數與「通用性」之間存在系統性的落差。
更麻煩的是，這個問題沒有終極解法。你只能不斷設計更貼近真實世界、更難被針對性優化的評測，但這是一場沒有終點的軍備競賽。只要評測是公開的，就一定會被優化；只要評測不公開，就無法被獨立驗證。這個兩難本身就讓「用測試定義 AGI」這條路走不穩。
原因三：不同社群的誘因不同
第三個原因比較社會學。AGI 這個詞在不同社群裡承擔不同的功能，而這些功能往往互相衝突。
對前沿實驗室而言，「我們正在打造 AGI」是招募人才、吸引資本、建立敘事的重要資源。對安全研究者而言，「AGI 可能帶來生存性風險」是爭取關注與資源的核心論述。對政策制定者而言，定義 AGI 是為了劃定監管門檻與責任歸屬。對批評者而言，「AGI 只是行銷話術」則是用來戳破炒作的工具。
在這種情況下，定義不只是認知問題，還是利益與敘事的競技場。任何試圖收斂定義的提議，都會被各方按照自身利益重新詮釋。這不是惡意，而是制度性誘因使然。當一個詞同時是技術術語、願景口號與政策工具時，它就不可能只保留單一意義。
原因四：語意滑移與行銷語言
第四個原因是語言本身的問題。AGI 在公開 discourse 中已經出現嚴重的語意滑移：有時候它指「接近人類的通用能力」，有時候被用來指「比現在更強的模型」，有時候又被當成「具有主體性的存在」。
這種滑移在商業語境中被放大。當「AGI」成為一個能帶來估值與關注的標籤，使用它的門檻就會下降。於是我們看到同一家公司一邊說「AGI 還沒到來」，一邊在產品頁面上使用接近 AGI 的措辭。這不是單純的說謊，而是同一個詞在不同場合被賦予不同強度。對認真討論的人來說，這讓任何以 AGI 為前提的論證都必須先花力氣校準語意，討論成本因此大幅上升。
四、幾種主流判準的實務難題
撇開抽象爭論，實務上最常被拿來當作 AGI 判準的，大概有三類：圖靈測試及其變體、通用任務基準、經濟指標。這三類各有各的難題。
圖靈測試與其變體
圖靈測試的原始構想是：如果人類評估者透過文字對話無法分辨對方是機器還是人，就可說機器展現了人類水準的對話智慧。這個測試的歷史地位無庸置疑，但它的問題在今天已經非常清楚。
首先，它測的是「模仿人類」的能力，而不是「通用解決問題」的能力。一個專門優化對話風格的系統，可能比一個真正具備廣泛推理能力的系統更容易通過。其次，評估者的主觀判斷變異很大，測試結果難以標準化。第三，隨著人們對 AI 輸出越來越熟悉，評估者的敏感度也在改變，測試的難度基準本身在漂移。
因此後續出現許多變體，例如要求系統完成具體任務而非純對話、引入對抗性提問、或改用專家評估。但萬變不離其宗：只要判準依賴人類評估者的主觀判斷，就難以避免「測的是說服力，不是能力」的質疑。
通用任務基準與「人類考試」
另一條路是建立大規模任務基準，涵蓋數學、程式、閱讀理解、常識推理、多語言等領域，並以人類表現作為對照。這類做法的優點是可量化、可重複、可比較。ARC-AGI 就是一個代表性的例子：它設計了一組需要從少量範例中推斷抽象規則的視覺推理題，刻意避開大量記憶與模式比對可以取巧的路徑。
但這條路的難題在前面已經提過：基準會飽和、會被優化、難以涵蓋真實世界的開放性。更根本的問題是，「一組任務的平均表現」與「通用性」並不是同一個東西。一個系統可以在每個子任務上都達到八十分，卻在需要跨任務整合、面對全新情境時完全失效；另一個系統可能平均只有七十分，卻能在陌生問題上快速適應。前者在基準上更好看，後者在「通用」的實質意義上可能更接近。
DeepMind 在 2023 年提出的 AGI 分級框架試圖處理這個問題：它把「表現水準」（從新興、勝任、專家、大師到超人）與「廣度」（窄或通用）分成兩個軸，讓討論可以更細緻。這是個不錯的方向，因為它承認了通用性不是有無，而是程度與構面。但即便是這樣的框架，各級門檻的具體判準仍然需要大量約定，爭議只是被細分，而沒有消失。
經濟指標與自動化比例
第三類判準看的是實際影響：當 AI 能自動完成多少比例的有經濟價值工作、對生產力與勞動市場造成多大改變。這類指標的好處是貼近現實，而且不容易被單一基準的分數操弄。
難題在於歸因。生產力的變化受到組織流程、法規、技能供給、資本投入等多重因素影響，很難把某段期間的變化單獨歸給 AI 能力。而且經濟指標通常落後於技術發展，等到數據清楚顯示影響時，討論往往已經超前或落後好幾步。此外，不同產業、不同國家受到的影响差異極大，「整體自動化比例」這種平均數很容易掩蓋結構性的不均。
五、定義吵不完，會造成什麼實際後果？
有人可能會說：定義吵不完就算了，反正大家都知道那個大概的意思，何必較真？問題是，定義在實務上不是學術遊戲，它直接影響資源分配、法規設計與公眾認知。
政策與監管
監管需要門檻，而門檻需要定義。歐盟的「人工智慧法」在處理通用目的 AI 時，選擇用訓練運算量作為客觀門檻之一，這是一種務實的妥協：不去爭論「是否通用」，而是用可測量的代理指標來劃線。這種做法的好處是可執行，壞處是它與真正的能力或風險之間只有粗略的相關性。
如果各國對 AGI 的定義不一致，就會出現監管套利：同一套系統在不同司法管轄區落入不同分類，承擔不同義務。這對跨國部署的開發者與使用者都會造成不確定性。更根本的是，若定義過寬，可能扼殺中小型開發者的創新空間；若定義過窄，則可能讓高風險系統躲過審查。
投資與資源配置
資本市場對敘事極度敏感。「AGI 即將到來」的敘事會引導大量資金流向特定技術路線與基礎設施，而「AGI 還很遠」的敘事則會讓資源轉向應用層與效率優化。定義的鬆緊，實際上決定了資源流向。
這不是說投資者應該等定義統一才行動，而是說：當一個詞的內涵不穩定時，以它為基礎的評估很容易失真。用「離 AGI 還有多遠」來衡量進展，可能不如用具體的能力指標、成本曲線與部署案例來得可靠。
公眾理解與信任
對一般使用者而言，AGI 是一個帶有強烈想像投射的詞。它可能意味著「什麼都能做的萬能助手」，也可能意味著「取代人類的威脅」。當媒體與廠商反覆使用這個詞卻不界定內涵，公眾的期待與恐懼都會被放大到與實際能力不成比例的位置。
這種落差最終會侵蝕信任。當人們發現被稱為接近 AGI 的系統仍然會犯基本錯誤、仍然需要大量人工監督，反彈就會出現。定義不清造成的過度期待，往往比能力不足本身更傷。
六、我們需要一個唯一答案嗎？務實的替代方案
走到這裡，一個自然的問題是：我們真的需要一個統一的 AGI 定義嗎？也許不需要。與其追求本質定義，不如採用幾種務實策略。
從本質定義轉向操作性定義
科學哲學裡有一個老智慧：當一個概念難以本質定義時，先問「我們要用它來做什麼」。如果目的是評估技術進展，就採用可重複的操作性指標；如果目的是設計監管門檻，就採用可稽核的客觀條件；如果目的是討論風險，就直接談具體風險類型，而不是繞道「是否 AGI」。
換句話說，把 AGI 從一個本體論問題，降級為一組情境化的操作性約定。這不會讓爭論消失，但會讓爭論變得有生產力——因為大家至少在同一組操作定義下討論同一件事。
分層、分場景的「AGI 等級」思維
另一個方向是放棄二分法，改用多維度、多層級的描述。例如同時標註：能力廣度（窄／跨領域／開放域）、自主程度（輔助／半自動／全自動）、可靠度（實驗性／可監督部署／高保證）、以及可遷移性（同分布／跨分布／開放世界）。
這樣做的好處是，任何一個系統都可以被定位在一個多維空間裡，而不是被迫回答「是或不是 AGI」。討論也能更精準地聚焦在具體構面上：這個系統在跨分布遷移上到哪個程度？在長時程自主運作下的失敗率如何？這些問題比「它是不是 AGI」更有資訊量。
保留不確定性的誠實語言
最後，也是最基本的一點：在定義尚未收斂時，使用誠實的語言。與其說「這是 AGI」或「這不是 AGI」，不如說「在某某判準下，這個系統達到了某種程度；在另一種判準下則否」。這種說法聽起來不夠響亮，但它保留了資訊，也保留了被修正的空間。
對於內容創作者、產品經理、政策研究者而言，這種語言習慣特別重要。因為一旦使用了強度過高的標籤，就很難在後續討論中把它收回來。定義的嚴謹，某種程度上就是討論品質的基礎。
七、結語：吵不完，未必是壞事
回到最初的問題：為什麼 AGI 的定義吵不完？答案其實不複雜。因為這個詞同時承載了技術描述、未來願景、風險焦慮與商業利益；因為它指向的「通用性」是一個沒有自然邊界的連續光譜；因為任何用來衡量它的基準都會被技術進步與針對性優化所侵蝕；也因為不同社群對它的使用目的根本不同。
這些原因不會因為再多幾場辯論就消失。但這未必是壞事。定義之爭的存在，某種程度上反映了一個健康的狀態：人們還在認真對待「我們到底想要什麼樣的人工智慧」這個問題。真正值得擔心的，不是定義吵不完，而是某一天某個強勢敘事單方面終結了討論，讓所有人都被迫接受一套未經檢驗的判準。
對身處雅寶社區這類技術社群的讀者來說，比較實際的態度或许是：遇到「AGI」這個詞時，先問對方用的是哪一種定義。是能力取向、認知取向、經濟取向，還是意識取向？判準是什麼？在那個判準下，證據到哪裡？這幾個問題問下來，你會發現很多看似激烈的爭論，其實只是不同定義的人在各自說話。把定義攤開來，爭論不一定會結束，但至少會變得可以討論。