近日在印度德里的 AI Impact Summit 上，Google DeepMind 執行長 Demis Hassabis 分享了對於人工通用智慧（AGI）尚未達成人類推理水準的見解。這場演講聚焦於目前 AI 在持續學習、長期規劃與一致性表現上的限制，揭示了現階段 AGI 發展的瓶頸。
Q1：什麼是人工通用智慧（AGI）？
人工通用智慧，簡稱 AGI，指的是能在多種任務與情境下展現廣泛智能的人工智慧系統，像人類般有能力進行推理、學習與決策。與目前多數 AI 系統專注於單一任務的狹義 AI 不同，AGI 目標是達到或超越人類級的理解與適應能力。
DeepMind 執行長 Demis Hassabis 在此次峰會中提到，AGI 的理想狀態是系統能夠像人類大腦一樣，不斷從各種經驗中學習，並靈活運用知識解決新問題，這也是當前 AI 還未能達成的關鍵要素。
Q2：為何目前的 AGI 仍無法匹敵人類推理？
Hassabis 指出，雖然現今 AI 在特定任務上表現出色，如圖像辨識或語音識別，但在持續學習（Continual Learning）、長期規劃（Long-Term Planning）和一致性維持（Consistency）方面，依然存在顯著挑戰。這些能力正是人類推理的核心，也是讓人類智慧靈活且強大的關鍵原因。
他舉例說明，AI 模型通常需要大量針對性訓練數據才能執行特定任務，缺乏跨領域、跨任務自我調整的能力。此外，AI 不像人類能持續吸收新資訊並整合舊有經驗，這限制了其長期策略思考與目標設定。
Q3：持續學習對 AI 發展有哪些挑戰？
持續學習是指系統在不忘記先前所學的知識的同時，能夠吸收新資訊並適應新環境。Hassabis 強調，當前多數 AI 系統面臨「災難性遺忘」問題，也就是在訓練新任務時，容易遺忘之前學習的內容，導致性能下降。
這讓我想到自己在工作中學習新技能時，會需要花時間回顧舊知識並找到兩者間的連結。人類這種靈活整合知識的能力，暫時還無法完全被 AI 模擬與超越。
Q4：為什麼長期規劃是 AI 的難題？
長期規劃涉及預測未來多種可能情境並制定連貫的行動策略。Hassabis 說，AI 很難像人類一樣同時考慮多個長期目標並在複雜環境裡持續調整計畫。
他提及，即使是現今最先進的模型，在面對長遠且動態的決策時，仍易陷入短視、無法完整評估未來風險的困境。這種限制使得 AGI 難以應對如同人類般複雜的推理任務和多階段問題解決。
Q5：未來 AGI 研究的重點與展望是什麼？
Demis Hassabis 表示，未來 AGI 的重要挑戰，是設計能夠克服持續學習瓶頸，掌握多層次長期規劃，並維持高度一致性與靈活性的系統架構。他強調，這不僅僅是技術挑戰，更關乎對人類智慧運作本質的理解。
我認為這些觀點非常深入，因為AGI的誕生不只是工程技術的突破，還涉及哲學與認知科學的探討。以目前科技發展速度來看，AGI距離真正能超越人類推理，仍有一段漫長且充滿挑戰的路要走。
總結而言，Google DeepMind CEO Demis Hassabis 在 AI Impact Summit 強調，當前人工智慧離達到人類水平的通用智慧仍存顯著差距，特別是在持續學習、長期規劃和一致性表現上。這些是未來 AGI 研發須優先突破的核心問題，也讓我們對 AI 未來可能實現的潛力與限制有更全面的理解。
若你想深入了解更多關於人工智慧與 AGI 的最新動態，歡迎點擊連結前往參考，更進一步學習並抓住 AI 時代的脈動。點此加入 AI 投資與資訊社群
You may also like: Robinhood Chain 是什麼？一次搞懂 Robinhood 自建區塊鏈的三大關鍵解析
