AI 知識
AGI 不是終點：通往 ASI 的四條路，真正可怕的不是科幻，而是工程化
很多人談 AI，會把 AGI 當成終點。
好像只要人工智慧達到人類等級，故事就結束了：接下來不是天堂，就是災難。
但如果 AGI 不是終點呢？
如果它只是下一輪技術競賽的起跑線，真正更大的問題會是：AI 會不會從 AGI 繼續往 ASI 前進？
一篇題為《From AGI to ASI》的研究，把這件事拆成更具體的問題。這篇文章不把超級智能當成單一神話，也不把它簡化成「某一天突然出現」。它嘗試說明：假設 AGI 出現，AI 可能透過哪些技術路線繼續變強？哪些摩擦會拖慢它？哪些問題現在仍然無法回答？
這是這篇研究最值得一般人看的地方。
它不是在說 ASI 明天就會來，而是在提醒我們：AI 發展可能不會停在「人類等級」。
AGI 和 ASI 差在哪裡？
AGI 通常被理解為「通用人工智慧」。
在這篇研究裡，AGI 可以粗略理解成：在很廣泛的認知任務上，達到接近人類中位數水準的 AI 系統。它不是只會下棋、只會寫程式、只會回答問題，而是在很多不同任務上都有接近人類的泛化能力。
ASI 則更進一步。
它不是「某一個任務上比人強」，而是廣義上遠遠超過人類通用智能，甚至可以超過大型人類專家組織長時間協作後的能力。
這個差異很重要。
因為今天很多 AI 產品已經在特定任務上超越普通人，例如翻譯、摘要、寫程式片段、快速檢索資料。但那不等於它已經是 AGI，更不等於它已經是 ASI。
真正的問題是：如果某一天 AGI 出現，它會怎麼繼續往上走？
第一條路：繼續放大算力、模型與資料
過去十年的 AI 爆發，很大一部分來自規模化。
更多資料、更大的模型、更多訓練算力，以及推理時更高的計算成本，讓 AI 能力一路往上爬。
所以第一條路很直覺：如果擴大規模繼續有效，AGI 之後也可能靠更大的算力、更多資料與更有效的模型設計，繼續推向 ASI。
但這條路不是沒有天花板。
高品質資料會不會不夠？能源和晶片供應能不能支撐？模型越大是否真的越聰明？推理時多花算力會不會很快撞到效益遞減？
這些問題都不是靠一句「繼續堆算力」就能解決。
第二條路：演算法典範轉移
第二條路，是出現新的演算法或學習方式。
如果今天的大模型路線逐漸逼近瓶頸，下一波能力提升可能來自更省資料、更省算力、更能泛化的新方法。
這種變化不一定是模型變大，而是「學習方式」改變。
就像過去 AI 從專家系統，到深度學習，再到大型語言模型，每一次典範轉移都改變了人們對 AI 能做什麼的想像。
這條路的重點是：如果 AI 要從 AGI 走向 ASI，也許不能只靠更多 GPU，而需要新的結構、新的訓練方式，甚至新的問題表徵方式。
第三條路：AI 改進 AI 自己
第三條路最有爆炸感。
如果 AI 能參與 AI 研發，幫忙設計模型、寫實驗、調參、找架構、生成資料、驗證結果，那 AI 發展速度可能被加速。
更進一步，如果 AI 能穩定、自主地改進下一代 AI，而下一代 AI 又更擅長做 AI 研發，就可能形成遞迴式自我改進。
這也是很多人談「智能爆炸」時最在意的路線。
但研究也提醒，這不代表它一定會無限加速。
AI 仍然要跑實驗，要等結果，要用到實體硬體，要受限於晶片、能源、製造與物理世界。就算研究者本身變快，現實世界不一定會跟著無限加速。
所以這條路最值得追問的，不是「會不會一夜失控」，而是：AI 參與 AI 研發後，速度到底會快多少？會在哪裡撞到牆？
第四條路：大量 AI 組成超級組織
第四條路比較不像科幻電影，卻可能更接近現實。
一個單一 AI 不一定要比所有人類都聰明。只要大量 AI agent 能有效協作，形成像公司、研究機構、工程團隊那樣的組織，就可能在某些任務上表現得比任何單一個體更強。
人類社會本來就是這樣運作的。
一個人解不了的問題，大型組織可以透過分工、流程、資源和長期協作來解。
如果 AI agent 能被大量複製、快速分工、共享經驗、同時運作，那它們組成的群體可能會形成某種「群體智能」。
問題是，群體不一定自然變聰明。
多個 AI 一起工作，也可能只是一起犯錯、互相放大偏差、產生協調成本。真正的關鍵在於：這些 AI 能不能被組織成可靠的工作系統？
真正值得看的不是奇點，而是摩擦
這篇研究最重要的提醒，不是「ASI 快來了」。
更重要的是，它把路線和阻力一起放到桌上。
資料、算力、能源、硬體製造、自然資源、實驗時間、實體世界的限制、抽象概念能力、安全治理，這些都可能成為 AGI 到 ASI 之間的摩擦。
也就是說，就算 AI 有往上走的路，也不代表每條路都會順利。
但反過來說，如果多條路同時推進，進展也可能不是加法，而是互相放大。
這就是為什麼 AGI 不是一個可以輕鬆畫句點的終點。
它更像是一道門。
門後可能是更強的工具，也可能是更難控制的技術系統。真正需要準備的，不是只問「AI 會不會超越人類」，而是問：如果它正在沿著多條路線前進，我們能不能看懂每一條路的速度、風險和限制？
結語
AGI 不是終點。
它可能只是 AI 從「像人一樣會很多事」走向「超越大型人類組織」的開始。
這件事不必用恐慌理解，也不能用樂觀帶過。
比較務實的看法是：AI 正在從模型能力競賽，進入更複雜的系統競賽。算力、資料、演算法、自動研發、多智能體協作，都會成為下一階段的關鍵。
如果 AGI 只是起跑線，那我們現在看到的 AI 競賽，可能真的還只是前半場。