在2024年於德里的「AI影響峰會」上，Google DeepMind的執行長Demis Hassabis分享了他的觀點，指出人工智慧（AI），尤其是通用人工智慧（AGI），目前仍無法匹敵人類在推理與決策上的能力。這場演講不僅揭示了當前AI的技術缺口，也引起了許多業內人士與使用者的思考：我們到底需要AGI嗎？在什麼情況下AGI適合應用？以及不同角色或情境是否都應該仰賴AGI？
Q1：什麼情況下，我會開始思考「我需要AGI嗎？」
一般使用者或企業在考慮導入AGI技術時，往往是因應面臨複雜問題，需要持續學習和長期規劃的情況。例如，一家大型企業想要一個系統可以隨時適應市場變化並進行多步驟決策，那麼AGI的模型便可能被視為解決方案。然而，對於重複性高、規則明確的任務，傳統AI或自動化工具其實已略顯足夠。
我自己在工作選擇工具時，也會思考：「這個任務是需要透過長時間觀察及調整的，還是一次性的決策？」如果是前者，我會傾向尋求AGI類型的解決方案，反之則不必花費額外成本。
Q2：AGI適合誰使用？
AGI最適合那些面對多變環境和需要長期策略調整的專業人士和企業。例如，科學研究者需要不斷驗證假設並調整研究方向，AGI的持續學習能力會非常有幫助。另一類用戶則是需要創新解決方案的開發者，他們能透過AGI的綜合推理能力突破傳統框架。
但對於一般日常辦公、自動化程度高的工作，例如數據錄入、簡單指令回應，AGI並非必需，傳統AI工具已可應付需求。
Q3：為什麼AGI在推理與決策上仍落後人類？
Demis Hassabis指出，目前的AGI技術在「持續學習」（continual learning）、「長期規劃」以及「結果的一致性」方面仍有明顯不足。這表示AGI難以像人類一樣，從每天的經驗中累積知識，進行多層次、長遠的計劃，同時在不同情境中保持穩定與一致的表現。
這也讓我在思考採用AGI時更謹慎：是否我的應用場景真的需要這種層次的智慧？還是短期內傳統AI的穩定性更符合理想？
Q4：什麼情況下，我不應該急著使用AGI？
如果您的業務或工作環境注重任務的標準化和高效率，且對決策的錯誤容忍度極低，AGI目前仍可能帶來不確定性和不穩定風險。此外，若缺乏足夠資源和技術支持，導入AGI需面對的開發與維護成本也相當高。
我曾經參與一個導入先進AI的項目，初期完全依賴AGI結果常因不一致的判斷而造成困擾，後來才回歸與傳統AI結合使用，效果反而更佳。
Q5：我該如何判斷何時適合嘗試使用AGI？
建議先評估自我或組織的需求是否包含以下幾點：
1. 需要連續不斷的學習與調整
2. 長期且多階段的策略規劃
3. 複雜且模糊情境下需推理與決策
若這些需求明確，且可承受技術導入帶來的挑戰與成本，AGI將是值得嘗試的新興技術。反之，可以先從現有的AI技術開始，逐步熟悉並擴大運用。
我的行動建議是：不論是個人或企業，在選擇AGI前，都要清楚評估自己的需求與目標，不必一味追求最先進技術，而是要找到最適合當下情境的解決方案。這樣，你才能在這波人工智慧革命中掌握真正的優勢。
You may also like: 中國湖北煙花爆竹店爆炸事故解析：安全管理與責任認定差異比較
