AGI · 通用人工智慧
Artificial General Intelligence
什麼是 AGI?
- 能廣泛解決各種問題的 AI
- 超越現今只能處理特定任務的 AI
- 尚屬假想、未來的概念
AGI 不是今天就能買到的產品,而是會動搖投資判斷基準線的概念。經營會議上一旦出現「兩三年後 AGI 就能全部搞定,現在這套系統還要花數億韓元嗎?」這種說法,這個詞就不再只是哲學用語,而是預算項目。因此在實務上,首先要做的是不問它何時到來,而是把問題改為「什麼樣才算 AGI」。
業界通常將狹義 AI、AGI,以及全面超越人類的 ASI(超智慧)區分開來。2023年 Google DeepMind 研究團隊提議,不應把 AGI 視為「有/沒有」的開關,而應視為效能與通用性的階段表。以熟練成人前 50% 的水準為「勝任」,前 90% 為「專家」,前 99% 為「大師」,再乘上「涵蓋任務範圍有多廣」。依此架構來看,今日的 生成式 AI 在特定領域已達專家水準,但在通用性這一軸上仍處於初期階段,這是普遍的評價。
容易混淆的相近概念是AI 代理人。代理人是在既定目標內呼叫工具、執行多個步驟的執行方式的進化,並不是智能範圍的擴大。即使讀信、排定行程、送出簽核的代理人運作順暢,那也是沿著人類事先設計好的工作路徑在走。能否自行跨入從未學過的領域,才是 AGI 討論的真正爭點。
現場最常出錯的,是「說話像人一樣,所以幾乎就是 AGI」的印象。說話流暢與獨自解決陌生任務是不同的能力,若把兩者混為一談,就會發生未經檢核便把結果放進報告、結果數字出錯的事故。反方向的誤解同樣危險。「反正很快就會全部自動處理,先等等看」這種判斷,若拖延資料整理與工作標準化,等到更強大的工具出現時,卻沒有可以餵給它的資料,起跑點本身就被推遲了。把 AGI 當作展望來看待,預算與教育則依今天的狹義 AI 標準來執行,才是較為安全的做法。
這個詞在 2000 年代開始普及,是以「人類水準的通用智能」為目標的概念。其源頭可追溯到艾倫・圖靈 1950 年「機器能思考嗎?」的討論。
以下以虛構案例說明。全體員工 340 人、年營收 KRW 190,000,000,000 (≈ US$142,209,200) 規模的汽車零件製造商 A 公司,原本打算在 2024 年下半年投資 KRW 800,000,000 (≈ US$598,800) 於品質檢測自動化。然而董事會以「兩三年後 AGI 就會出現、全部搞定,現在用的這套難道不是沉沒成本嗎?」為由踩了煞車,議案因此兩度被擱置。經營企劃組則負責在三個月內回答這個問題。
- 經營企劃組金部長分別詢問 12 位高階主管「您認為 AGI 是什麼?」,答案從自駕機器人到聊天機器人都有,討論始終各說各話。
- 邀請外部講師開設 90 分鐘課程,借用 DeepMind 的分級架構,與高階主管們對齊了一個共識:「我們要買的是五個階段中第一階段的檢測工具」。
- 生產本部李常務反問:「那麼三年後如果出現更好的產品,這 KRW 800,000,000 (≈ US$598,800) 怎麼辦?」金部長回答:「我會把合約擬成屆時可以更換的條款。」
- 採購組與供應商重新談判,加入了可每兩年重新訓練或更換檢測模型的條款,以及讓 A 公司擁有累積的 34 萬張檢測影像所有權的條款。
- 六個月後,議案以原案照案通過,不良品流出率從 0.8% 降至 0.3%,原本因「再等等看」而擱置的 4 項 AI 專案也一併重新啟動。
金鍾赫
朴雪英