AGI是通用人工智能（Artificial General Intelligence）的英文缩写，代表着人工智能发展中的一个关键的目标概念。那么当前，AGI时代是否已经到来？2026年2月，四名来自加州大学圣迭戈分校的哲学家、人工智能专家、语言学家和数据科学家，在《自然》杂志发表文章，给出了他们的答案。
在这篇评论文章中，作者从哲学、机器学习、语言学与认知科学等不同视角出发，对AI发展的现状进行了广泛的讨论，并最终得出结论：按照他们给出的标准，人类已经拥有了具备通用人工智能的AI模型。但是，这个过于宽泛的标准，真的足以定义AGI吗？
AGI的定义之争
围绕AGI之所以会有如此多的争议，其根本原因在于AGI定义的模糊性。
对于AlphaFold、AlphaGeometry，以及更早的AlphaGo等专业型AI来说，问题相对简单。它们从设计之初，就是为了解决某一类专门问题而存在的。正因如此，评价这类系统的能力也相对直接：AlphaFold能否准确预测蛋白质结构，AlphaGeometry能否解答数学题，AlphaGo能否在围棋上战胜人类顶尖棋手。这些问题都有较为明确的任务边界，也有相对清晰的评价指标。
但是对于AGI来说，情况就变得复杂了起来。所谓“通用人工智能”，关键在于“通用”。一款AI如果要被称为AGI，就不能只是在某个封闭任务中表现优异，而应当能够高效、准确地解决相当广泛的一类泛用性问题。
问题也恰恰出在这里：什么样的“通用”才算足够通用？
有人把AGI理解为“在大多数认知任务上达到普通人水平的系统”；有人把它理解为“能够替代高端知识劳动的系统”；有人要求它具备长期自主行动能力；也有人把持续学习、现实世界适应、身体经验、意识或自我模型纳入标准。于是，针对同一款AI，站在不同的角度，完全可以得出“AGI已经实现”或“AGI还很遥远”这样完全不同的判断。
与AGI定义的模糊相对应的，则是对AGI每项能力的要求，也同样缺乏统一的衡量标准。
AGI最常见的表述之一，就是AGI是在大多数具有经济价值的任务上超越人类能力的自主系统。但是所谓的“人类能力”，本身就是一个极度模糊的表述。一个人之所以被叫作“人类”，并不是由他能够做到那些人类所能做到的事情来决定的。更为关键的是，应该怎么衡量所谓的“人类能力”。
如果把“人类能力”定义为每一项能力都达到人类顶尖水平，那达到这个标准的AI，无疑是绝对满足我们对于AGI的定义的。但是这个过高的标准，会把所有的人类都排除在外。就像爱因斯坦在物理学上无疑具有最顶级的洞见，但是他对中国古典诗词的理解，还比不上一个为了高考物理发愁的中国高中生。以这个标准来衡量，最后得到的是一个远超人类的超级AI，而不是一个具有实际意义的AGI。这个过高的标准，也会使得AGI成为一个遥不可及的科幻概念，而不是一个值得投入资金和人力去研究的现实科研项目。
概念本身的混乱是AGI争论的核心难点之一。视觉中国|图
这也就使得，针对AGI的能力标准之争，在很多时候并不是单纯的事实争论，而是标准争论。正反双方常常以为自己在讨论同一个技术问题，实际上却是在用不同定义衡量同一批系统。这一点在AI发展日新月异，每隔一段时间就会出现一个能力更强、更全面的AI大模型的当下，则变得更为明显。
对于支持者们来说，每一次AI的发展与进步，不管是在编程领域超过了人类水平，还是在国际数学奥林匹克竞赛答题上获得金牌，又或者是通过了各种标准考试，都可以看作是AGI更进一步的实证。
而对于反对者们来说，由于现阶段AI不完善，他们总能找到一些人类可以做到，但是AI还不擅长的领域，并以此来宣称，AGI的到来还为时尚早。
这正是《自然》上这项最新研究真正有价值的地方。这个价值不在于它给出了一个终极答案，而在于它明确地提醒公众：AGI争论的核心难点之一，是概念本身的混乱。AGI并不是一个明确的技术里程碑，我们并不能在某一天系统跨过一道清晰的边界时，就宣布“它到了”。
更加真实的现实情况是，AI的能力会沿着多个维度逐步增强，而不同维度的进展并不同步。语言能力、代码能力、数学能力、工具使用、自主规划、长期记忆、现实交互、可靠性、安全性和经济替代性，可能分别以不同速度发展。所谓AGI，并不是一个单一的分数线，只要过线就可以被叫作AGI，而是一组能力条件的组合。
AGI到来了吗？
但是，令人感到遗憾的是，尽管这项研究指出了关于AGI概念混乱的现实，却没有去厘清这种混乱，给出一个令人信服的判断AGI的标准。它准确识别了AGI讨论中的对于定义的争论，却把这个定义之争变成了降低判断门槛的理由。
在驳斥了反对方对AGI给出过高的标准之后，研究者转而给出了一个非常明确的结论——现阶段的AI大语言模型，已经可以被认为是AGI了。
他们论证这一结论时，反复采用了这样一种论证策略：人类也会犯错，所以大模型犯错不妨碍它是AGI；人类也不是万能的，所以大模型有做不到的事情不妨碍它是AGI；人类也并不都是专家，所以大模型不用在所有领域都超过专家；人类也可能失忆，所以大模型没有持续记忆也没关系。
这些论证每一条拆开独立看待，都可以说是有道理的，但是当所有这些论证叠加在一起时，就会产生一个问题：它几乎把人类智能中那些真正重要，也最难被AI完成的部分，一项一项排除在AGI的必要条件之外。
于是按照这些论证，最后剩下的AGI标准就被降格为：只要AI在某些认知任务上有不错表现，即使它缺乏长期记忆、自主目标、稳定执行、现实行动、可靠校准和持续学习，这样的AI也照样可以被看作是AGI。
这种过低的标准的问题在于，如果承认这样的标准，就会让AGI这个概念失去它本应有的实际意义。
AGI这一概念之所以重要，就在于它不只是一个醒目的技术标签，而且是一个具有指向性的路标：它应当帮助我们识别当前AI尚未具备的关键能力，帮助研究者明确下一阶段的技术目标，也帮助我们提前判断未来AI发展中可能出现的技术以及社会风险。
如果把AGI的标准设得过低，那么AGI这个概念的意义，也就从一个值得努力追求的技术目标，退化成了一个用来宣布胜利的叙事工具。它除了给出“我们已经拥有AGI”这一结论之外，就再没有任何意义了。
这就像是在说：一个装置，不需要能持续远航、不需要应对复杂天气、不需要导航、不需要能承载乘客、不需要能保证安全降落，只要它能离地一小段时间，就可以叫飞机。
这样的定义当然可以制造一个“飞机已经实现”的结论，但它同时也掏空了“飞机”这个概念的真正含义。因为飞机的意义并不只是“离地”，而在于可控飞行、稳定航程、有效载荷、导航能力、重复运行和安全降落。AGI也是如此。它不应只是对若干认知任务表现的概括，而应指向一种更加稳定、可靠、可迁移、可持续的通用人工智能。
更加值得警惕的是，除了过分降低AGI的标准之外，相关结论也存在不对称论证的问题。作者把当前AI大模型在语言、代码、数学、专业考试和多模态任务上的成功，视为AGI已经达成的正面证据。而面对反对者提出的，当前AI大模型仍然存在幻觉、推理不稳定、缺乏长期自主目标、现实世界适应有限、无法可靠持续学习等问题时，又将这些缺陷解释为AGI无需满足的条件。
这种论证方式严重削弱了这项分析给出的结论的价值。它无法帮助我们区分，当下已经存在的AI大语言模型，距离真正具有开放环境适应能力的AGI之间还有哪些差距，也无法为下一步AI的发展提供方向性的指引。
在如今这个AI日新月异，几乎每时每刻都有新的、更强的AI大模型发布的“AI前黎明时代”，真正重要的不是为某个AI抢先贴上AGI标签，或者否认当下AI的迅猛发展，把AGI当作是遥不可及的幻想，而是弄清楚这个标签究竟解释了什么，又遮蔽了什么。
左力
责编 王江涛
