在當今科技時代，人工智能（AI）已經並正在滲透到生活的各個層面。我們經常聽到 AI 在日常應用中的提及，從手機上的虛擬助理到自動駕駛汽車。

然而，並非所有 AI 系統都相同。實際上，AI 被劃分為多個不同層級，其中最常見的是狹義 AI（Artificial Narrow Intelligence – ANI，也稱為弱 AI）和通用 AI（Artificial General Intelligence – AGI，也稱為強 AI）。那麼，狹義 AI 與通用 AI 究竟是什麼，它們有何不同？讓我們與 INVIAI 一起深入了解以下內容。

什麼是 AI？

在區分狹義 AI 與通用 AI 之前，我們需要先了解什麼是 AI。根據專家如 Stuart Russell 和 Peter Norvig 的經典定義，AI 是「研究與設計智能代理，其中智能代理是能感知周遭環境並採取行動以最大化成功機會的系統」。簡單來說，AI 是創造能執行原本需要人類智慧的任務的機器或軟件。

實際上，人工智能涵蓋多種系統，從簡單算法到複雜的機器學習模型。根據智能範圍與能力，AI 可分為狹義 AI（ANI）、通用 AI（AGI），甚至更遠的超級 AI（ASI）。目前，狹義 AI 是唯一已被開發並廣泛應用的類型，而通用 AI 仍停留在理論階段。為了更清楚理解，我們將深入探討各個概念。

什麼是狹義 AI（Narrow AI）？

狹義 AI（ANI – Artificial Narrow Intelligence），又稱弱 AI，是指專門設計用來執行一項（或少數幾項）特定任務且效率極高的人工智能。狹義 AI 的特點是只專注於單一領域或問題，例如臉部識別、語言翻譯、下棋等。

狹義 AI 在其被編程或訓練的任務範圍內表現卓越，甚至有些系統在特定狹窄領域超越人類。然而，狹義 AI 不具備自我意識或人類般的思考能力，且無法將理解擴展到其未被編程的領域。

換句話說，狹義 AI 就像一位在某項專業領域中極為出色的專家，但在其他領域則完全「盲目」。這正是它被稱為弱 AI的原因——並非性能弱，而是其智能範圍在既定框架內極為有限。

目前，狹義 AI 是最普遍的 AI 形式，也是我們日常生活中最常見的 AI。大多數圍繞我們的 AI 應用都屬於狹義 AI。以下是一些常見的狹義 AI 範例：

• 虛擬助理：如 Apple Siri、Google Assistant 或 Amazon Alexa 等語音助理，能理解指令並回應用戶需求（查詢資訊、設置提醒、播放音樂、控制智能設備等）。它們在這些範圍內表現優秀，但無法執行超出預設功能的任務。
• 推薦系統：Netflix、YouTube、Spotify 等服務利用狹義 AI 分析你的觀看或聽歌歷史，推薦符合喜好的內容。這些系統能根據數據提供精準建議，但無法自行創造新內容或理解上下文，僅限於推薦。
• 臉部識別：手機上的臉部解鎖（Face ID）或社交媒體自動標籤功能，是專門分析臉部影像的狹義 AI。它能根據學習的臉部特徵辨識照片中的人物，但無法理解該人物的情感或意圖。
• 自動駕駛車輛（部分程度）：自駕車使用多個狹義 AI 模組協同工作，如交通標誌識別、車道保持、緊急剎車系統等。每個模組專注於特定駕駛任務。雖然整合起來給人「智能自駕」的感覺，但實際上每個 AI 僅能處理特定情境。目前自駕車仍無法像人類般靈活應對所有突發狀況。

憑藉高精度和卓越效能，狹義 AI 已為生活和工業帶來諸多實際益處。例如在醫療領域，狹義 AI 協助分析 X 光影像以診斷疾病；在金融領域，偵測交易詐騙；在製造業，操作組裝機器人等。

然而，狹義 AI 的最大缺點是其智能範圍受限——無法自我學習執行未被教導的任務。若要讓狹義 AI 執行其他工作，必須重新編程或用新數據重新訓練。例如，像 AlphaGo 這樣的圍棋 AI 只能下圍棋，無法突然學習烹飪或駕駛。這意味著狹義 AI 的靈活性幾乎為零，僅限於原始任務範圍。

另一重要點是：狹義 AI 完全依賴提供的數據和算法。因此，若訓練數據有錯誤或偏見，狹義 AI 也會犯錯或帶有偏見。這是當前 AI 系統的普遍限制。

它們並不真正「理解」深層意義，而是根據已學習的模式做出反應。正因如此，研究界一直渴望開發一種更高級的 AI，能夠像人類一樣靈活且具備通用思考能力——這就是通用 AI（AGI）。

什麼是通用 AI（General AI）？

通用 AI（AGI – Artificial General Intelligence），又稱強 AI，指的是具備如同人類般綜合智能的 AI 系統。這意味著通用 AI 能理解、學習並應用知識，解決多領域的任務或問題，而非僅限於單一特定任務。

如果說狹義 AI 是某一領域的專家，那麼通用 AI 則被比喻為「全能專家」，能勝任幾乎所有工作——從駕駛、烹飪、編程到醫療診斷、法律諮詢等，類似一位聰明的人類能應付多種不同工作。

另一種比喻是：強 AI即是人類水平的人工智能（human-level AI）。它不僅執行預設指令，還能自主思考、規劃、創造並適應新情境——這是狹義 AI 所不具備的能力。

在科幻作品中，通用 AI 常被描繪成擁有與人類無異的思維與感知，甚至具備情感。例如電影《鋼鐵人》中的J.A.R.V.I.S.或電影《她》中的Samantha，都是具有人類智能的 AI 想像範例。它們能自然對話、學習新知識，靈活處理人類的各種需求。

截至目前（2025 年），通用 AI 仍屬理論目標，尚無系統達到此智能水平。儘管狹義 AI 有顯著進步，且部分系統看似「多功能智能」，但它們尚未真正成為 AGI。

專家認為，AGI 仍是一項巨大挑戰，可能需要數十年研究。賓夕法尼亞大學副教授 Ethan Mollick 評論道：「儘管狹義 AI 有顯著進展，但通用 AI 仍是重大挑戰，可能還需數十年研究。」換言之，通往 AGI 的道路漫長且充滿艱辛。

為何打造通用 AI 如此困難？...

原因在於，要達到人類般的智能，AI 必須整合多種複雜能力：語言理解、圖像感知、邏輯推理、抽象思考、經驗學習及社會適應等。這需要算法突破、強大計算能力以及龐大且多元的訓練數據。

此外，還有無數倫理與安全問題需考量，例如如何確保 AI 行為合乎道德，且人類能控制當 AI 智能超越人類時。這不僅是技術問題，更涉及社會與哲學層面。

雖然尚未有真正的 AGI，但近年來一些先進 AI 系統已展現部分通用能力。例如大型語言模型（如 OpenAI 的 GPT-3、GPT-4）能執行多種任務：回答問題、寫作、編程、翻譯，甚至通過部分人類考試。

微軟研究人員認為 GPT-4 能解決數學、編程、醫學、法律等多領域的新任務，且無需針對每項任務專門訓練，表現接近人類水平。他們認為GPT-4 可視為初步的 AGI 版本（尚未完善）。

然而，即使是這些先進模型，依然被歸類為狹義 AI，因為它們缺乏真正的自主學習能力，且受限於技術和訓練數據。

例如，生成式 AI 如 ChatGPT 擁有廣泛知識，但無法自主學習訓練數據外的新知識，也無法轉換到現實世界的物理任務，除非重新編程。因此，真正的通用 AI 仍是未來目標，尚未實現。

為了更清楚理解，以下是假設未來成功開發通用 AI 的幾個例子：

• 多功能人形機器人助理：想像一個能自主學習所有必要技能的機器人——早上根據你的喜好做早餐，中午開車送你上班，下午編寫軟件，晚上教孩子功課。這是理想的通用 AI：一種能勝任大多數腦力與體力工作的智能，且無需人類逐步指導。
• 全能 AI 醫生系統：一個整合所有專科知識的 AI，能根據症狀和檢驗結果診斷任何疾病，並提出最佳治療方案。不僅限於醫療，還能理解心理學、營養學、法律（如健康保險諮詢）等。它就像一位智能的全科醫生兼專家，全面協助人類健康管理。

上述例子尚未實現，但正是 AI 研究者努力的願景。如果有一天成功打造通用 AI，將是科技的巨大飛躍——可視為人類歷史上的新工業革命。

然而，伴隨利益而來的是重大挑戰與風險，如如何控制一個能自我改進、超越人類理解的智能？這也是為何 AGI 發展需謹慎進行，並引發廣泛討論。

在直接比較兩者之前，也應提及比 AGI 更高階的概念——ASI（Artificial Super Intelligence），即超級人工智能。ASI 指的是在各方面遠超人類能力的 AI——簡單說，就是比人類聰明數倍的智能。這一概念目前完全屬於科幻假設，甚至可能永遠無法實現。

如果 AGI 是人類水平智能，那麼 ASI 則是超越人類的超級智能。有人擔憂，若 ASI 誕生，可能對人類造成難以預料的後果，因為它過於聰明且超出我們控制範圍。不過這仍是遙遠的未來議題。在本文範圍內，我們聚焦於較為可行且接近的兩個層級：狹義 AI（現階段）與通用 AI（未來近景／期望）。

狹義 AI 與通用 AI 的差異

總結來說，狹義 AI（ANI）與通用 AI（AGI）在多個基本層面存在差異。以下是兩種 AI 主要差異的比較與說明：

任務範圍

狹義 AI只能執行一項或少數幾項特定任務，這些任務是預先編程或訓練好的（例如只識別影像，或只下棋等）。相反，通用 AI目標是能執行任何人類能完成的智能任務，即不受領域限制。簡單說，狹義 AI 是「一粒沙」，而通用 AI 是「一片海洋」般的能力。

靈活性與學習能力

狹義 AI缺乏自主學習能力，無法適應超出原始數據或算法的新情況——它完全依賴預先編程和提供的數據。而通用 AI則被期望能在遇到新問題時自主適應並學習新知識，類似人類學習經驗。通用 AI 能夠推理、形成意識或至少具備對世界的通用理解，而非僅依賴既有模式。

目前發展階段

狹義 AI已存在並廣泛應用於現實生活中（各種應用、服務、智能設備無處不在）。而通用 AI目前仍屬理論，全球實驗室雖在研究，但尚無系統達到此智能水平。換句話說，我們周遭的 AI 幾乎全是狹義 AI，即使部分非常先進，真正的通用 AI 仍未出現。

典型範例

狹義 AI包括虛擬助理（Siri、Alexa）、自動翻譯軟件、影片推薦系統、遊戲程序（象棋、圍棋）等。這些系統只做一種任務且在該領域表現優異。通用 AI則尚無實際範例，僅存在於想像模型中。

電影和小說中智能 AI 角色（如能獨立思考的機器人、超智能電腦等）是 AGI 的想像。未來若成功打造，一個多功能助理機器人或全面管理工廠的智能系統可視為 AGI 範例。但迄今為止，尚無真實 AGI 系統。

優缺點

狹義 AI的優點是高度專業化，通常在其任務中達到高精度與卓越效能（例如影像診斷 AI 能快速分析數千張 X 光片，準確度不輸醫生）。

但其缺點是缺乏靈活性與創造力，且依賴數據，無法自主擴展能力。相對地，通用 AI若成功，將具備極高靈活性、適應性與創造力，這是其最大優勢。但目前開發難度極高，涉及複雜技術與社會挑戰。

風險與挑戰

狹義 AI整體來說較為安全且易於控制，但仍存在因數據錯誤或偏見導致的風險，及因任務範圍限制而可能在非預期情境下表現不佳。

通用 AI則潛藏更大倫理與控制風險：若有一天 AI 智能達到或超越人類，如何確保其行為符合人類價值且不失控？這是許多 AI 專家與未來學者關注的焦點。

例如，AGI 可能自主改進並做出不需人類介入的決策，若其目標與人類利益不符，可能造成嚴重後果。因此，AGI 的發展必須伴隨AI 安全與治理的高層次策略。

總體而言，核心差異是狹義 AI「專精一項事物」，通用 AI「懂得多項事物」。狹義 AI 存在於我們周遭的具體應用中，而通用 AI 是打造全面智能機器的雄心目標。

>>> 深入了解： AI、機器學習與深度學習

理解狹義 AI 與通用 AI 的差異是我們掌握當前及未來人工智能全貌的第一步。狹義 AI已帶來無數實際利益，從工作自動化、提升勞動效率，到改善服務與日常便利。我們熟悉的狹義 AI 應用包括虛擬助理、自動駕駛、數據分析等。狹義 AI 是現階段 AI 時代的基石，有效解決具體問題。

而通用 AI則如 AI 研究的聖杯——一個遙遠但充滿希望的目標。若有朝一日實現，將帶來巨大變革：機器能完成幾乎所有人類工作，開啟科學、醫療、教育、經濟等領域的新可能。

然而，伴隨希望的是不容忽視的技術與倫理挑戰。通往 AGI 的路仍漫長，需要科學家、工程師、社會專家與政府的跨領域合作。

總結來說，狹義 AI 與通用 AI代表人工智能的兩個不同層級。狹義 AI是現實且強大的狹域智能，助力人類完成多項具體任務。通用 AI則是未來願景——一種如人類般全能的智能，充滿希望但挑戰重重。

明確區分這兩個概念，有助於我們對 AI 保持合理期待，充分利用現有狹義 AI 的優勢，同時為未來的通用 AI發展做好準備。正如本文所強調：目前我們僅征服了狹義 AI，而通往通用 AI（乃至超級 AI）的道路仍然漫長。

儘管如此，每一次 AI 研究的進展都讓我們更接近目標。隨著科技的迅猛發展，誰知道未來幾十年內，曾被視為科幻的事物會逐步成為現實。