在當今科技時代，人工智慧（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駕車。

然而，並非所有AI系統都相同。實際上，AI可分為多個不同層級，其中最常見的是狹義人工智慧（Artificial Narrow Intelligence – ANI，也稱為弱AI）與通用人工智慧（Artificial General Intelligence – AGI，也稱為強AI）。那麼，狹義人工智慧與通用人工智慧究竟是什麼，它們有何不同？讓我們跟隨INVIAI深入了解以下內容。

什麼是人工智慧？

在區分狹義AI與通用AI之前，我們需要先了解人工智慧的定義。根據Stuart Russell與Peter Norvig等專家的經典定義，AI是「研究與設計智能代理，其中智能代理能感知周遭環境並採取行動以最大化其成功機會」。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體。

實際上，人工智慧涵蓋多種系統，從簡單演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，我們將深入探討這些概念。

什麼是狹義人工智慧（Narrow AI）？

狹義人工智慧（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慧。狹義AI的特點是只專注於單一領域或問題，例如臉部辨識、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能力。然而，狹義AI不具備自我意識或人類般的思考能力，且無法將知識擴展到未被編程的領域。

換句話說，狹義AI就像一位在某項專業領域中極為優秀的專家，但在其他領域完全「盲目」。這也是它被稱為弱AI的原因——並非效能弱，而是智能範圍受限於預設範圍。

目前，狹義AI是最普遍的AI形式，也是我們日常生活中最常接觸到的AI類型。大多數AI應用都屬於狹義AI。以下是一些常見的狹義AI例子：

• 虛擬助理：像Apple Siri、Google Assistant或Amazon Alexa這類語音助理被設計用來理解指令並回應用戶需求（查詢資訊、設定提醒、播放音樂、控制智慧設備等）。它們在這些範圍內表現優異，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分析你的觀看或聆聽歷史，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。
• 臉部辨識：手機上的臉部解鎖（Face ID）或社交媒體自動標記朋友的功能，都是專注於臉部影像分析的狹義AI。它能識別照片中的人物，但無法理解他們的情感或意圖。
• 自駕車（部分功能）：自駕車結合多個狹義AI模組，如交通標誌辨識、車道維持、緊急煞車系統等。每個模組專注於特定駕駛任務。雖然整合起來給人「智慧自駕」的感覺，但實際上每個AI僅能處理特定情境，目前仍無法像人類般靈活應對所有突發狀況。

憑藉高精度與卓越效能，狹義AI已為生活與產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，偵測交易詐欺；在製造業，操作組裝機器人等。

然而，狹義AI的主要缺點是其智能範圍有限——無法自我學習執行未被教導的任務。若要讓狹義AI執行新任務，必須重新編程或以新數據重新訓練。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的彈性幾乎為零，僅限於原始任務範圍。

另一個重要點是：狹義AI完全依賴提供的數據與演算法。因此，若訓練數據有誤或偏見，狹義AI也會犯錯或帶有偏見。這是目前所有AI系統的共通限制。

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，研究者一直渴望開發一種更高階的AI，能夠像人類一樣靈活且具備通用思考能力——這就是通用人工智慧（AGI）。

什麼是通用人工智慧（General AI）？

通用人工智慧（AGI – Artificial General Intelligence），又稱強AI，指的是一種具有類似人類綜合智能的AI系統。這意味著通用AI能理解、學習並應用知識，解決多領域的各種任務或問題，而非僅限於特定任務。

如果說狹義AI是某一領域的專家，那麼通用AI則被比喻為「全方位專家」，能夠勝任幾乎所有工作——從駕駛、烹飪、程式設計到醫療診斷、法律諮詢等，類似一位多才多藝的聰明人。

另一種說法是：強AI即是具有人類水平智能（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甚至具備情感的思維與意識。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，靈活處理人類的各種需求。

截至2025年，通用AI仍屬理論目標，尚無任何系統達到此智能水平。儘管狹義AI已有重大突破，且部分系統看似「多功能智能」，但它們尚未真正成為AGI。

專家指出，AGI仍是一項極大挑戰，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已有顯著進展，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、影像感知、邏輯推理、抽象思考、經驗學習與社會適應等。這需要演算法突破、龐大計算能力及多元訓練數據。

此外，還有無數倫理與安全問題需考量，確保AI行為合乎道德，且人類能控制AI，避免其過度智能失控。這不僅是技術問題，更涉及社會與哲學層面。

雖然尚無真正AGI，但近年來部分先進AI系統已展現一定的通用能力。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、程式設計、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、程式設計、醫學、法律等多領域新任務，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，且受限於技術與訓練數據。

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，也無法執行未經編程的實體任務。因此，真正的通用AI仍是未來目標，尚未實現。

以下是一些假設性的通用AI未來應用範例：

• 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——早晨為你烹飪早餐，中午開車送你上班，下午編寫軟體，晚上教導孩子。這是理想的通用AI：一種能勝任大部分腦力與體力工作的智能，無需人類逐步指導。
• 全能AI醫師系統：整合各專科知識，能根據症狀與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，還涵蓋心理、營養、法律（如健康保險諮詢）等領域。它就像一位智能全科醫師兼專家，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。若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，隨之而來的還有重大挑戰與風險，如如何控制一個能自我提升、超越人類理解的智能系統？這也是AGI發展中備受爭議且需謹慎處理的問題。

在比較兩者之前，也應提及AGI之上的概念——超級人工智慧（ASI），即遠超人類能力的人工智慧，簡單說就是比人類聰明數倍甚至數百倍的智能。這一概念目前完全屬於科幻假設，甚至可能永遠無法實現。

若AGI是人類水平智能，那ASI則是超越人類的超級智能。部分人擔憂，若ASI誕生，可能對人類造成難以預料的影響，因其智能過於強大且超出人類控制範圍。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種AI：狹義AI（現階段）與通用AI（未來期望）。

狹義人工智慧與通用人工智慧的差異

總結來說，狹義AI（ANI）與通用AI（AGI）在多個基本面向存在差異。以下是兩者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特定任務，這些任務是預先編程或訓練的（例如只辨識影像或只下棋）。相反地，通用AI目標是能執行任何人類能完成的智能任務，即不受限於特定領域。簡單說，狹義AI是「一粒沙」，通用AI則是「一片海洋」般的能力。

彈性與學習能力

狹義AI缺乏自我學習以適應新情境的能力，完全依賴預先編程與提供的數據。而通用AI則被期望能自主適應並學習新知識，類似人類從經驗中學習。通用AI能夠推理、形成意識或至少具備對世界的通用理解，而非僅依循既有模式。

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、智慧設備）。而通用AI目前仍屬理論階段，全球實驗室正積極研究，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尚未出現。

典型範例

狹義AI包括虛擬助理（Siri、Alexa）、自動翻譯軟體、影片推薦系統、遊戲程式（西洋棋、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，目前僅存在於想像模型中。

科幻作品中智能AI角色（如具獨立思考能力的機器人、超智能電腦等）即為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AGI系統存在於現實。

優缺點

狹義AI的優點是高度專業化，通常在其任務中達到極高精度與效能（例如影像診斷AI能快速且準確分析數千張X光片）。

但其缺點是缺乏彈性與創造力，且依賴數據，無法自主擴展能力。相較之下，通用AI若成功，將具備極高彈性、適應力與創造力，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，但仍存在因數據偏差或任務範圍限制導致的錯誤風險（AI無法理解任務外的上下文，可能導致輸入超出經驗範圍時判斷失準）。

通用AI潛藏更大倫理與控制風險：若有一天AI達到或超越人類智能，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，一個能自主改進且不需人類介入決策的AGI，若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安全與治理的嚴格規範。

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

>>> 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與未來人工智慧全貌的第一步。狹義AI已經並正在生活中帶來無數實際效益，從自動化工作、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、自駕車、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，是一個遙遠但充滿希望的目標。若有一天實現，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，伴隨希望而來的是龐大挑戰與風險，涵蓋技術與倫理層面。通往AGI的路途漫長，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代表人工智慧的兩個不同層級。狹義AI是當前現實——在狹窄範圍內強大且有效，為人類提供多項具體任務的支持。通用AI則是未來願景——一種如人類般全能的智能，充滿希望但同時挑戰重重。

明確區分這兩個概念，有助於我們對AI抱持合理期待，充分利用現有的狹義AI優勢，並為未來的通用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（甚至超級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目標。隨著科技的迅速發展，未來幾十年內，曾被視為科幻的事物或將逐漸成為現實。