什么是 AGI？它和 AI 有什么区别？

目前投入使用的 AI 几乎都是专用 AI，也叫弱 AI：它为特定范围的任务而生。国际象棋引擎能击败特级大师，却填不了一张报税表；垃圾邮件过滤器只会分拣邮件。

聊天助手显得更“通用”，因为一个系统就能写作、总结、翻译和编程。但它的能力并不均衡：同一个助手能写出漂亮的文章，却可能数错一个单词里的字母、编造出处，或在长任务中迷失方向。AGI 将消除这种不均衡，像能干的人一样处理陌生问题、学习新技能，而无需为每项任务重新打造。

AGI 没有公认的统一定义。有的研究者指在大多数思维任务上达到人类水平；OpenAI 的章程把 AGI 描述为“在大多数具有经济价值的工作上胜过人类的高度自主系统”；Google DeepMind 在 2023 年的一篇论文中提出了 AGI 分级，从“做得多好”和“覆盖多广”两个维度给系统评级。

更早的设想至今仍有影响。1950 年，艾伦·图灵提出了“模仿游戏”，也就是后来的图灵测试：机器的书面对话能否让人误以为是真人？如今的聊天机器人常常听起来很像人，许多研究者因此认为，仅凭对话流畅来检验通用智能并不可靠。

这几个词在新闻标题里经常被混用：

关于 AGI 的争论影响着研究方向、安全工作和监管，值得关注。但对于挑选和使用工具来说，它没有看上去那么重要。营销常借用 AGI 的说法，而工具的价值在于它眼下能把你的任务做得多好。

评判任何系统都要看它在具体任务上的证据：用自己的案例测试，在公开的基准测试和排行榜上比较模型，并持续核查关键输出。“AGI 已经到来”和“AI 毫无用处”这两种说法，都需要证据支撑。