甚麼是狹義人工智能與通用人工智能?

甚麼是狹義人工智能與通用人工智能?核心分別在於狹義人工智能「專精於一件事」,而通用人工智能則「懂得多方面知識」。狹義人工智能存在於我們周遭的特定應用中,而通用人工智能則是打造完全智能機器的宏大目標。

在當今科技時代,人工智能(AI)已滲透至生活的各個層面。我們經常聽到AI在日常應用中出現,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。事實上,AI被分為不同層級,最常見的是狹義人工智能(Artificial Narrow Intelligence – ANI,也稱為弱人工智能)和通用人工智能(Artificial General Intelligence – AGI,也稱為強人工智能)。那麼,究竟甚麼是狹義人工智能與通用人工智能,它們有何不同?讓我們透過INVIAI詳細探討。

甚麼是人工智能?

在區分狹義人工智能與通用人工智能之前,我們需要了解甚麼是人工智能。根據斯圖爾特·羅素(Stuart Russell)和彼得·諾維格(Peter Norvig)等專家的經典定義,AI是「智能代理的研究與設計,智能代理是能感知環境並採取行動以最大化成功機會的系統」。簡單來說,AI是創造能執行需要人類智慧的任務的機器或軟件。

AI是智能代理的研究與設計,智能代理是能感知環境並採取行動以最大化成功機會的系統。

— 斯圖爾特·羅素 & 彼得·諾維格,人工智能研究員

實際上,人工智能涵蓋許多不同系統,從簡單算法到複雜的機器學習模型。根據範圍與智能能力,AI分為狹義人工智能(ANI)通用人工智能(AGI),甚至進一步分為超級智能AI(ASI)。目前,狹義人工智能是唯一已開發並廣泛應用的類型,而通用人工智能仍屬理論階段。為了更好理解,讓我們深入探討每個概念。

AI-Artificial Intelligence
人工智能概念視覺化

甚麼是狹義人工智能?

定義:狹義人工智能(ANI – Artificial Narrow Intelligence),亦稱弱人工智能,是設計用於高效執行一項(或少數幾項)特定任務的人工智能類型。

狹義人工智能只專注於單一領域或問題,例如面部識別、語言翻譯、下棋等。狹義人工智能在其被編程或訓練的任務範圍內表現卓越,許多系統甚至在其狹窄領域超越人類。然而,狹義人工智能缺乏自我意識或類似人類的推理能力,且無法將理解延伸至其編程範圍之外

換句話說,狹義人工智能系統就像某一領域的超級專家,但在其專業範疇外完全「盲目」。這也是為何稱為弱人工智能——並非性能弱,而是其智能受限於預設範圍內。

現實狀況:狹義人工智能是最常見的AI形式,也是我們日常遇到的所有AI應用。

狹義人工智能的常見例子

虛擬助理

語音助理如Apple Siri、Google Assistant或Amazon Alexa能理解指令並回應用戶請求(搜尋資訊、設定提醒、播放音樂、控制智能設備)。它們在此範圍內非常能幹,但無法執行編程功能外的任務。

推薦系統

Netflix、YouTube、Spotify等服務利用狹義人工智能分析你的觀看/聆聽歷史,推薦符合偏好的內容。這些系統提供準確建議,但無法創造新內容或理解建議以外的上下文。

面部識別

手機上的面部識別技術(Face ID解鎖)或社交網絡(自動標記朋友照片)是專門分析面部圖像的狹義人工智能。它根據學習的面部特徵識別照片中的人物,但不理解情緒或意圖

自動駕駛汽車

自動駕駛車輛使用多個狹義人工智能模組協同工作,如交通標誌識別、車道保持、緊急制動系統。每個模組處理駕駛中的狹窄任務。每個AI僅能良好處理特定情況,無法像人類般靈活應對所有突發狀況。

優勢與限制

優勢

狹義人工智能的強項

  • 在指定任務中具高準確度及卓越表現
  • 在醫療、金融、製造等行業帶來實際效益
  • 在範圍內結果可靠且一致
  • 針對特定應用具成本效益
限制

狹義人工智能的限制

  • 智能範圍受限 – 無法學習訓練外的任務
  • 缺乏彈性,無法超出初始編程
  • 完全依賴提供的數據與算法
  • 繼承偏見,源自訓練數據錯誤
  • 無深度理解 – 僅基於模式回應
重要限制:若要讓狹義人工智能執行其他任務,必須重新編程或用新數據重新訓練。例如,優秀的圍棋AI AlphaGo只會下圍棋,無法突然學習烹飪或駕駛。

由於這些限制,研究人員長期以來渴望開發能像人類智能般廣泛且靈活思考的更高級AI——即通用人工智能(AGI)。

Narrow AI
狹義人工智能概念圖示

甚麼是通用人工智能?

定義:通用人工智能(AGI – Artificial General Intelligence),亦稱強人工智能,指具備類似人類的全面智能,能理解、學習並應用知識解決跨多領域的任何任務或問題的AI系統。

如果狹義人工智能是某一領域的專家,那麼通用人工智能被想像為能幾乎所有事情都做得好的「通才專家」——從駕駛、烹飪、編程到醫療診斷、法律諮詢等,類似一個智能人類能處理多種不同工作。

另一種想像是:強人工智能是具有人類水平的人工智能。它不僅遵循現有指令,還能在面對新情況時獨立思考、計劃、創造和適應——這是狹義人工智能所缺乏的能力。

獨立思考

能在無人指導下推理與決策

持續學習

能跨領域適應並從新經驗中學習

創造性解決問題

產生新穎解決方案與方法

在科幻作品中,通用人工智能常被描繪為具有人類般認知與意識,甚至情感的機器。例如《鋼鐵人》中的J.A.R.V.I.S.或電影《她》中的Samantha,都是被想像成具有人類水平智能的AI。它們能自然對話、學習新知識,靈活處理無數人類請求。

現狀(2025年):通用人工智能仍屬理論,尚無系統達到此層級。儘管狹義人工智能取得重大進展,且部分系統看似「多才多藝」,但它們並非真正的AGI。

儘管我們在狹義人工智能方面取得了顯著進展,通用人工智能仍是一大挑戰,可能還需數十年研究。

— 伊桑·莫利克,賓夕法尼亞大學副教授

為何創造通用人工智能如此困難?

原因在於,要具有人類般智能,AI必須整合多種複雜能力:從語言理解、圖像感知、邏輯推理、抽象思考,到從經驗學習及社會適應。這需要算法突破、大量計算能力及龐大多元的訓練數據

1

技術挑戰

需要算法突破、大量計算能力及龐大多元訓練數據

2

安全考量

確保AI行為合乎倫理,人類能掌控超級智能系統

3

社會與哲學議題

處理社會影響、治理及意識哲學問題

此外,開發人類水平AI時還有無數倫理與安全問題需考慮——如確保其行為合乎倫理,且若變得過於智能,人類仍能保持控制權。這不僅是技術問題,也涉及社會與哲學層面。

通向AGI的當前進展

雖然真正的AGI尚不存在,但近年一些先進AI系統開始展現部分泛化能力。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,甚至通過部分人類測試。

研究見解:微軟研究人員認為GPT-4能解決數學、編程、醫療、法律等領域的新穎多樣任務,無需針對每項任務專門訓練,在多數領域達到近人類水平。他們視GPT-4為AGI的早期版本(雖不完整)。

然而,即使這些先進模型依定義仍屬狹義人工智能,因為它們缺乏真正自主學習能力,且受限於技術與數據限制。

例如,生成式AI如ChatGPT擁有廣泛知識,但無法自主學習初始訓練數據外的新知識,也無法在未經進一步編程下切換至現實世界的物理任務。因此,真正的通用人工智能仍是未來目標,而非當前現實

未來通用人工智能的假想例子

多才多藝的人形助理

一個能學習所有必要技能的人形機器人——從為你烹飪早餐、開車送你上班、下午編程軟件,到晚上輔導孩子。具備處理大多數心智與體力任務的智能,無需詳細人類指導。

全能AI醫生

一個整合所有醫學專科知識的AI,能根據症狀和檢查診斷任何疾病,並推薦最佳治療方案。除醫療外,還理解心理學、營養學、法律(如健康保險諮詢),如同一位聰明的全科醫生。

這些例子尚未存在,但代表AI研究者的願景。若有一天成功創造通用人工智能,將是科技上的巨大飛躍——可能成為人類歷史上的新「工業革命」

然而,隨著利益而來的是前述的重大挑戰與風險,例如如何控制一個能自我提升、超越人類理解的智能?這也是AGI發展引發廣泛討論、需謹慎推進的原因。

超越AGI:還有ASI(人工超級智能)——在各方面遠超人類能力的超級智能AI。此概念目前僅存在科幻中,且可能永遠不會成真。

若AGI是人類水平智能,那麼ASI則是超越人類的智能。有人擔心若ASI出現,可能會對人類造成不可預測的後果,因為它將過於智能且超出我們控制範圍。但這是遙遠的未來故事。本文聚焦於兩個較可行且較接近的層級:狹義人工智能(現今)與通用人工智能(未來/期望)。

General AI
通用人工智能概念視覺化

狹義人工智能與通用人工智能的差異

總結來說,狹義人工智能(ANI)通用人工智能(AGI)在多方面有根本差異。以下是兩種AI主要差異的比較與說明:

面向 狹義人工智能(ANI) 通用人工智能(AGI) 狀態
任務範圍 一項或少數特定任務 人類能執行的任何智慧任務 有限 vs 通用
彈性 無法超出訓練範圍適應 學習並適應新情況 僵硬 vs 適應性
當前狀態 存在且廣泛使用 理論階段,尚未實現 現實 vs 未來
學習能力 依賴預先編程 自主學習與推理 被編程 vs 自主
控制程度 較安全且易於控制 倫理與控制風險較大 可控 vs 複雜

任務範圍比較

狹義人工智能只能執行其被編程或訓練的一項或少數特定任務(例如僅圖像識別或僅下棋)。相反,通用人工智能旨在執行人類能做的任何智慧任務,即其範圍不受限於任何領域

簡言之,狹義人工智能是「一粒沙」,而通用人工智能是「一片海洋」的能力。

彈性與學習能力

狹義人工智能缺乏超出初始數據/算法學習與適應新情況的能力——它完全依賴預先編程與提供的數據。同時,通用人工智能預期能在面對陌生問題時適應並學習新知識,類似人類從經驗中學習。

通用人工智能能推理、形成意識,或至少對世界有一般理解,而非僅遵循預設模式。

例子與發展狀態

狹義人工智能目前存在且廣泛應用(在應用、服務、智能設備中隨處可見)——包括虛擬助理(Siri、Alexa)、自動翻譯軟件、電影推薦系統、遊戲程序(象棋、圍棋)等。

通用人工智能仍屬理論階段,全球實驗室雖在研究,但尚無系統達成此智能層級。目前無真實例子,僅存在於電影與小說的想像模型中。

現實檢視:當今我們周遭的所有AI均為狹義人工智能,儘管部分可能非常先進,而真正的通用人工智能尚未出現。

優勢與限制

狹義人工智能具備高度專業化的優勢,常在其任務中達到卓越的準確度與表現(例如AI診斷影像能比醫生更快且同樣準確地分析數千張X光片)。

但其限制包括缺乏彈性、創造力,且依賴數據,無法擴展能力。

通用人工智能若成功,將具備極高的彈性、適應性與創造力——這是其最大優勢。但其目前缺點是開發難度極高,涉及眾多技術與社會挑戰。

狹義人工智能風險

普遍較安全

  • 較易控制與預測
  • 有限範圍降低重大風險
  • 訓練數據偏見
  • 狹窄範圍內的語境誤解
通用人工智能風險

挑戰更大

  • 倫理與控制複雜性
  • 無人干預下的自我提升
  • 與人類價值觀的對齊
  • 目標不一致時的不可預測後果
核心差異:狹義人工智能「專精於一件事」,而通用人工智能「懂得多方面知識」。狹義人工智能存在於我們周遭的特定應用中,而通用人工智能是打造完全智能機器的宏大目標。
Differences between Narrow AI and General AI
狹義人工智能與通用人工智能差異的視覺比較

結論

理解狹義人工智能與通用人工智能的差異是掌握當今及未來人工智能全貌的第一步。狹義人工智能已為生活帶來無數實際效益,從自動化任務、提升勞動生產力,到改善服務與日常便利。我們熟悉的狹義人工智能應用包括虛擬助理、自動駕駛汽車、數據分析……狹義人工智能是當前AI時代的基礎,有效解決特定問題。

狹義人工智能發展 100%
通用人工智能進展 15%

同時,通用人工智能如同AI研究中的聖杯——遙遠但充滿希望的目標。若有一天通用人工智能實現,人類將見證重大變革:機器能做幾乎所有人類能做的事,為科學、醫療、教育、經濟等開啟新可能。

然而,伴隨希望而來的是技術與倫理上的重大挑戰。通往AGI的路仍漫長,需科學家、工程師、社會專家與政府的跨領域合作。

今日現實:狹義人工智能

在狹窄範圍內強大,有力支持人類完成特定任務

  • 廣泛實施且經過驗證
  • 專業領域表現優異
  • 實用的商業應用

未來願景:通用人工智能

全能的人類般智能,充滿希望但難以實現

  • 通用問題解決能力
  • 人類水平的推理與創造力
  • 需突破性創新

總結來說,狹義人工智能與通用人工智能代表兩個不同層級的人工智能。狹義人工智能是當今現實——在狹窄範圍內強大,有力支持人類完成多項特定任務。通用人工智能是未來願景——全能的人類般智能,充滿希望但挑戰重重。

關鍵啟示:清楚區分這兩個概念,有助於我們設定對AI的合理期望,充分利用當前狹義人工智能的優勢,並為未來通用人工智能的進展做好準備。

正如強調的:目前,我們僅征服了狹義人工智能,而通往通用人工智能(甚至超級智能AI)的道路仍然漫長

儘管如此,AI研究的每一步進展都讓我們更接近這個目標。隨著科技快速發展,誰知道幾十年後,曾經的科幻故事會逐漸成為現實。

探索更多相關AI主題
外部參考資料
本文章內容參考以下外部資源整理而成:
96 內容創作者及部落格貢獻者
Rosie Ha 是 Inviai 的作者,專注分享人工智能的知識與解決方案。憑藉在商業、內容創作及自動化等多個領域應用 AI 的經驗,Rosie Ha 將帶來易明、實用且具啟發性的文章。Rosie Ha 的使命是協助大家有效運用 AI,提高生產力並擴展創意潛能。
搜尋