AGI 真的到了嗎？從 GPT-6 Astra 的 ARC-AGI-3 高分說起

※ 本文由 AI 根據影片內容整理，如有錯漏敬請指正。
📺 觀看完整影片：[學識AI EP12｜AGI 真係到咗？GPT-6 Astra 有幾勁，我哋應該點應對？]

---

AGI 真的到了嗎？從 GPT-6 Astra 的 ARC-AGI-3 高分說起
OpenAI 推出新一代模型 GPT-6 Astra 之後，引起討論的不只是它有多厲害，而是一個更根本的問題：這個 AI 是否已經達到 AGI——通用人工智能（Artificial General Intelligence）的程度？

爭議的觸發點，是 OpenAI 總裁兼共同創辦人 Greg Brockman 在發布後一次訪問中的說法。他表示「我個人認為」GPT-6 Astra 已經達至這一步。傳媒隨即鋪天蓋地報道，連 NVIDIA 行政總裁黃仁勳也在 X 上公開祝賀 OpenAI，寫下一句「AGI has arrived」。

AGI 這個詞已經講了幾十年，由最初像科幻概念，到近年有點像「狼來了」。今次是否終於成真？

客觀數據：Astra 到底強在哪裏
按照 OpenAI 公布的數據，Astra 特別強調能夠操作電腦、瀏覽網頁、處理各種專業工作。無論在高難度數學、寫程式、執行電腦指令完成工作，還是各種 AI agent 長時間執行任務的評分上，分數都明顯高過上一代 GPT-5.6，而且絕大部分評分亦高過另一間 AI 龍頭 Anthropic 的 Claude Fable 與 Opus。

外部評分方面，在 Arena 的用戶評分中，Astra 於網頁開發榜跳升榜首；Agent 工作排行榜則暫時屈居亞軍，仍然落後於 Fable 5.1。

ARC-AGI-3：為甚麼這個分數特別值得留意
要談 AGI，更值得看的是 ARC-AGI-3。GPT-6 在其中一種測試配置下取得 99.9%，幾乎滿分。

這個測試由 ARC Prize 團隊設計，第三代的形式是一系列互動小遊戲。AI 沒有說明書，要靠自己試玩、摸索規則、推斷目標，再想辦法過關。

舉個例子：你第一次玩一個密室逃脫遊戲，房間裏有一道門、一件紅色物件和幾個掣。撳第一個掣，物件會動；撳第二個掣，門沒有反應。於是你推測：會不會要先把物件推到門口，第二個掣才有用？照這樣一試，門真的打開了。整個過程要觀察變化、提出解釋、動手測試，再按結果修正；換一個新遊戲，又要重新找出規律。

這種測試比其他測試更難「操卷」取得高分，因此更接近真正測試 AI 的通用智能。ARC 評分還會把 AI 所用的操作步數，與真人過關所用的步數比較——聰明的人不會盲目亂撳幾千次撞中答案，而是有目的地測試，所以步數某程度上反映真正的學習能力。

過去一段時間 AI 在這個評分上一直做得很差，很多人相信 AI 不可能這麼快就做得好過人。今次竟然近乎滿分，的確令很多人跌眼鏡。

高分背後的重要條件：智慧是一整套系統
不過 99.9% 這個成績有一個重要條件。同一個模型，在標準測試系統下只得 62.7%；換成 OpenAI 自己的 Harness 配套，才達到 99.9%。

分別在哪裏？標準系統要模型靠自己寫筆記，記下之前做過甚麼；另一套配套則可以保留內部推理狀態，並整理過長的對話，方便模型接住之前的思路繼續做下去。

換言之，今次突破反映的是 Astra 配合這一整套系統之後的能力。對判斷 AGI 而言，重點是：智慧似乎是一整套系統的配合，不是單獨一個 AI 模型就足夠。

高分都未算 AGI？評測團隊自己怎麼說
負責評測的 ARC Prize 團隊清楚表示：他們並沒有聲稱 Astra 已經是 AGI。他們指出，ARC 的環境始終有固定規則和有邊界的目標，未能代表現實世界的複雜與開放程度。通過這套測試是能力證據，但要推論到廣泛的現實能力，仍然有距離。

一直關注 AI 能力限制的評論者 Gary Marcus 亦承認 Astra 看來令人印象深刻，可能是真正進步；但他追問的是：這種能力有多穩定？換成開放的現實任務，還可不可靠？

## 搬龍門的歷史：由圖靈測試說起

要知道 AI 有沒有達到 AGI，歷史上一直有人嘗試為「人類水平智能」設立可檢驗的門檻。最有代表性的例子，就是圖靈測試。

1950 年，圖靈提出「模仿遊戲」（Imitation Game），想把「機器可不可以思考」這個抽象問題，轉成可以觀察的問答表現：三個房間，其中兩個分別藏着一個人和一個 AI，第三個房間的考核者只能透過文字對話，嘗試分辨誰是人、誰是機器。

這個測試在過去幾十年一直被當成 AGI 的門檻，甚至有人設立嚴謹機制去測試，亦曾有人聲稱自己的 AI 通過了圖靈測試，但後來多數被認為測試有偏差甚至有造假成分。

直至近年大型語言模型出現，情況就不同了。2025 年一項最新研究安排參加者同時與一個真人和一個 AI 進行五分鐘文字對話，GPT-4.5 有 73% 的對話被判斷為真人，研究者認為模型通過了他們採用的圖靈測試。

但結果一出，大家第一時間就質疑：五分鐘是否根本不夠？就算通過圖靈測試，又是否等於 AGI？似乎當真的有 AI 通過某個測試，AGI 的門檻就又改了。

歷史上這已經不是第一次搬龍門。但究竟搬龍門，是因為我們不想承認 AGI 已經達到，還是實際上人的智慧程度本來就不是一條清晰的界線？

AGI 為何難有一條清楚界線
AGI 的核心是：AI 可不可以擁有人類程度的智慧。但人類智慧十分複雜。五十年代我們覺得語言最複雜，可以涵蓋所有知識；後來才發覺廣泛處理不同類型的工作、遇到未見過的問題也有能力學會解決，這種能力可能更重要。

複雜的是：廣泛到多少才算廣泛？每樣要做到多好？學新工作可以用多少時間、可不可以找幫手？

不同研究取向重視的亦不同：

- OpenAI 着重高度自主，以及在大部分有經濟價值的工作表現上超越人類。
- Anthropic 行政總裁 Dario Amodei 反而不喜歡用 AGI 這個詞，他用「強大 AI」來描述：在多個領域超越頂尖人類專家，並能自主完成歷時幾日甚至幾星期的工作。
- Google DeepMind 的研究者嘗試把爭論拆成兩個維度：能力涵蓋多廣，以及每一方面做得多好。他們所講的「Competent AGI」，要求在大部分認知工作上至少達到有相關技能的成年人的中位數水平。

這個分級方法帶出一點：AGI 未必是一個突然由無變有的開關，而是不同能力逐步組合、與日俱增。我們對 AGI 的定義，也可能隨着 AI 能力成長而不斷演變——因為能力成長之後，我們才看到它還差些甚麼，從而知道要怎樣修正對智能的理解。

例如 AI 對物理空間的理解，就是現時測試所忽略的；這方面要有待機械人能力成長，而 AI 能否擁有對應現實世界的「世界模型」，對 AGI 其實非常重要。

還要小心的是：AGI 與 AI 有沒有意識或情感，是兩個不同的討論。 腦神經科學到現時為止，仍未有共識我們應該怎樣理解人類的意識。上述三間公司的 AGI 指標，明顯都與意識無關。

未足以宣布 AGI，但 RSI 是關鍵變數
所以，AI 已經能夠有廣泛能力去處理各種新任務，這種能力對 AGI 的定義不可或缺；但因為有了這種能力就判斷它已經是 AGI，似乎太快下定論。

不過有一種說法：當 AI 有了這種通用性能力之後，會不會真的具備 RSI（Recursive Self-Improvement，遞歸自我改進）的能力，即懂得自己不斷循環學習它還未擁有的其他能力？如果其他能力都可以自己學會，那麼現時這種能力的確非常關鍵。

單憑目前討論過的證據，仍未足以宣布 GPT-6 Astra 達到 AGI。接下來幾個月，要看 AI 會不會發展出其他更驚人的能力。

AI 會怎樣影響人類社會
社會面對的改變，未必會等到大家一致宣布 AGI 到來才開始。

工作方面，AGI 若出現，將顛覆各種職業，尤其是知識型職業。如果連分析、規劃、學習新工作都可以交給機器，還有甚麼工作留給人做？

一間公司引入 AI 之後，同一批人可能只需一半時間就完成原本的工作。慳回來的時間，可以用來改善服務、減少加班，也可以變成增加工作量，或者減少人手。單憑 AI 變得更聰明，我們其實未知道員工的生活會變成怎樣。

經濟學分析自動化時分開兩種作用：機器取代原本由人做的任務，而新技術又可能帶來新的職業與人手需求。關鍵是新增的職業多，還是取代的舊職業多。而就算將來有新工作，失去原有工作的人能否學得識、入得到？轉型期間的收入與培訓，又由誰承擔？

決定權方面，假如有一日 AI 分析資料、預測結果真的比我們大部分人都好，是否代表我們應該將愈來愈多決定交給它？這裏要分清楚：有能力提出好方案，和有資格替受影響的人決定，是兩個問題。我們要討論在哪些層次可以把決定交給 AI，哪些要堅守人類的最終決定權，否則人類社會很容易變成由 AI 操控。

真正的問責，亦不可以只是最後找個人撳「確認」。負責的人要有資料理解那個決定、有權要求重新考慮，受影響的人亦要有提出異議的途徑。如果大家都沒有能力改，只是說「系統是這樣決定」，責任就很容易變成一句空話。

個人可以怎樣應對 AGI 時代
我不會用一句「識用 AI 就不會被取代」來安慰大家。我們必須及早了解變化，增加自己調整與參與決定的能力。

第一，拆開自己的工作。把每日做的事逐項拆開，看看哪些容易被 AI 取代、哪些仍然較難取代。但我不會把任何一項叫做人類永遠的護城河，因為 AI 不斷發展；我會建議持續觀察分工怎樣變，練習用新工具完成有價值的工作。

第二，繼續建立可以獨立判斷的知識。你要有足夠理解，才分得出一份分析是有道理，還是只是寫得似模似樣。慳回執行步驟的時間，可以用來讀原始資料、比較解釋。自己不懂的地方就要承認：超出專業範圍，可以找獨立資料，或請合適的人協助判斷。保留判斷，亦包括知道幾時需要幫手。AI 往往太有自信回答所有問題，人類暫時的優勢，正在於知道自己有甚麼不足。

第三，學會設計和管理 AI。未來 AI 會取代很多人類工作，但這些 AI 仍然需要由人去管理和設計。能夠擁有這種能力，就不用擔心未來沒有事做。

總結
回到最初那個問題：AGI 真的到了嗎？未必是這一刻，但也很可能是在未來幾個月，未必會是很久之後。所以我們應該盡快做足準備，去應對這個 post-AGI 時代，同時盡快學會多些關於 AI 的各種能力，包括設計 AI、管理 AI。

如果 AGI 真的已經出現，你會想有些甚麼交給它做？