---
title: "通用人工智慧（Artificial General Intelligence）"
slug: artificial-general-intelligence
language: zh-TW
source: https://aiterms.tw/terms/artificial-general-intelligence
updated_at: 2026-04-29
tags: [AI基礎, 機器學習, 神經網路, AI倫理與治理, 最佳化, 模型訓練, AI應用]
ipas_term: false
---

# 通用人工智慧（Artificial General Intelligence）

> **如果 AI 能換一個新工作、新題目、新工具都自己學會，你會怎麼判斷它是不是 AGI？**
> 你可以把通用人工智慧想成跨任務的智慧體，不只會背答案，還能自己學新技能。
> 它關心的是泛化能力、學習速度與適應力，而不是某一題做到多強。
>
> 你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。

### 容易混淆

> **AGI vs 人工智慧？**
> AGI：能在多種任務間遷移能力的系統
> 人工智慧：任何模擬智慧行為的系統都算
> 最關鍵的區別：AI 是大傘，AGI 是那種接近人類通用能力的目標
>
> **AGI vs 窄域 AI？**
> AGI：能學新任務且不必每次重訓
> 窄域 AI：只在單一任務表現很好
> 最關鍵的區別：窄域 AI 很強不等於 AGI，通用性才是關鍵
>
> **AGI vs 背誦式模型？**
> AGI：重視理解與推理
> 背誦式模型：主要靠記住大量模式
> 最關鍵的區別：AGI 需要把知識組合成新能力，不只是套模板
### 記住這句就好

> 會做一題不夠，能換題目還會學才像 AGI
### 實際案例

> **研究助理**
> 今天做文獻整理，明天做程式除錯，後天做簡報，還能自己切換工具與方法，這才接近通用能力
>
> **家用機器人**
> 不只是會倒垃圾，而是看到新房型、新物品也能重新學會如何操作，才更像 AGI 的方向
### 深入了解

> | 重點 | 你要看什麼 | 為什麼重要 |
> |---|---|---|
> | 泛化 | 新任務表現 | 能不能把舊知識用到沒見過的題目 |
> | 學習 | 少量樣本適應 | 是不是能很快學會新技能 |
> | 推理 | 多步驟決策 | 是不是能把零碎資訊組成可行方案 |
### 情境判斷

> **Q1：一個模型在中文客服很強，但換到醫療摘要就完全不行，這算 AGI 嗎？**
> → 不算，因為它沒有跨任務泛化能力
>
> **Q2：如果模型在 20 個任務都表現不錯，但每次都要重新大量微調，這接近 AGI 嗎？**
> → 比較接近但仍不完整，因為 AGI 期待更少訓練就能快速適應新任務
### 常見問題

> **Q：AGI 什麼時候會出現？**
> 沒有人能準確預測。這是研究與產業都還沒有共識的問題。
>
> **Q：AGI 和超級智慧是一樣的嗎？**
> 不一樣。AGI 強調通用人類級能力，超級智慧是超越人類很多的更高階概念。
>
> **Q：現在的大模型算 AGI 嗎？**
> 通常不算。它們在某些任務很強，但離穩定的跨域通用能力還有差距。
### 相關術語

> - **人工智慧**：AGI 是 AI 家族裡更高層的目標
> - **人工智慧安全**：越接近 AGI，安全議題越重要
> - **對齊校準**：通用能力越強，目標對齊越難

---

來源：https://aiterms.tw/terms/artificial-general-intelligence
快查頁：https://aiterms.tw/terms/artificial-general-intelligence
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-artificial-general-intelligence