（圖片來源：Pixabay）
「2024年02月16，OpenAI發布一重大消息震撼科技界──影像生成AI模型Sora， 可藉由文字描述產生1分鐘長度的擬真影片，除了震驚四方之外，也引發大眾開始期待，通用人工智慧時代是否能提前到來。 2024年03月01，輝達（NVIDIA）執行長黃仁勳在史丹佛大學的經濟論壇受訪時也被問到「實現矽谷長期目標之一需要多長時間」， 即何時能夠創造類人類思考的電腦。當時他給出的回應為，該問題的答案主要取決於該目標的「定義」，假設是在通過人類測試的情況下，通用人工智慧很快就能到來。
通用人工智慧（AGI）是什麼呢？
其實「通用人工智慧（Artificial General Intelligence）」這一術語早在1997年 就已出現，又稱為強AI。其主要論點旨在具備與人類同等智慧或者超越人類的人工智慧，意味著機器將具備自我意識，並且能夠表現出正常人類具備的所有智慧行為，處理各種任務。
通用人工智慧牽涉到許多領域，包含電腦科學、神經科學、心理學、 哲學等領域的研究整合。一個完善的AGI系統應具備抽象能力、背景知識理解、常識、因果關係判斷、遷移學習等等。而這些能力常見的運用例子如下：
- 創造力：能夠讀取和理解人類生成的代碼並且改進它。像是Sora透過文字描述能夠自行產生不存在的影像。
- 圖像／影像識別：透過顏色識別，辨識圖像或影像中的深度和三維。像是國外應用程式Be My Eyes與GPT－4結合推出的模型就能夠支援圖像辨識，並將其轉為文字敘述，幫助視障者更好的理解該物品或場景。
- 精細運動：能夠如同人類一般控制軀幹、關節以達到想要完成的動作。目前的技術是機械透過人為操作以可做出很精細運動，例如微創手術。
- 自然語言理解（NLU）：能夠分析人類語言，並從中識別出對話意圖，以達到人類彼此溝通無礙的狀態，例如現今較常被使用的ChatGPT。
- 導航：透過全球定位系統精確地定位地理位址，並配合計算，做出精確度與人類相符的物理空間（投射）運動，像是自動駕駛汽車。
- 遷移學習：在新領域中套用先前學習過類似的模型及資料，經過調整設計後自主學習解決新的問題。就如同人類在面對一個新的問題時，可以藉由過去相似的經驗或是學習過的知識，做出判斷及決策。
根據Google Deepmind發表的論文《通用人工智慧等級：實現通往AGI之路的進展 （Levels of AGI：Operationalizing Progress on the Path to AGI）》其中歸納出了AGI六大原則並為其分級與定義。
- 專注能力而非流程。意即實現AGI並不代表系統以類人類的方式思考或理解，實現AGI並不代表系統擁有意識。
- 注重通用性及效能。
- 關注認知和後設認知任務。意即「認知的認知」或「知識的知識」，簡言之，就是對自我認知過程的思考。
- 專注於潛力，而非部屬。
- 注重生態效度，也就是在真實世界中其實用性。
- 專注於通用人工智慧之路，而非單一端點。
在上述原則下，將AGI分成0至5個等級：
（圖一、通用人工智慧等級之比較；圖片來源：若水數位評價整理）
ANI、AGI甚至ASI到底有什麼差異呢？
（圖二、弱AI與強AI；圖片來源：若水數位評價整理）
人工智能一路發展至今，隨著技術不斷革新，人工智 能開始擁有越來越多的能力，目前大致可以分成弱人工智慧（ANI）、通用人工智慧（AGI）、超級人工智慧（ASI），不同階段的人工智能所需的技術程度及其帶來的影響差異甚大，下圖若水來帶大家看一下這三者的差異。
（圖三、ANI、AGI及ASI之差異；圖片來源：若水數位評價整理）
未來挑戰及風險
雖然通用人工智慧確實能夠帶來很大的便利和無限的可能性，甚至能夠取代部分人力，無論是在醫療、教育、交通、能源、軍事都將可能帶來革命性的改變，不過就技術可行性上，人工智慧還是有一定的限制，像是感官、情商，系統無法真正做到與人類一樣感知世界。
除此之外，伴隨通用人工智慧而來的風險與影響，卻也不容我們忽視，類人類機器人不管是在法律規範還是現行倫理道德框架下，都很難去約束，且當機器擁有智能時，其與人類之間的關係又將如何？在持續發展AGI的路程中這些都是我們應該去思考及規劃的。
參考資料： Reuters 、TechNews 、鉅亨 、tenten 、tomorrow.bio 、NVIDIA 、TVBS 、Medium 、aws 、Google DeepMind 、未來城市
