背景

本文探討了通用人工智慧（AGI）是否即將到來的爭議，作者從神經科學與認知心理學的角度出發，認為目前的變革型（Transformer）語言模型缺乏生物大腦中與生俱來的「認知原語」，如物體恆存性、因果關係與空間導航等。他主張語言只是建立在這些基礎能力之上的通訊工具，而目前的 AI 試圖透過純文字或影片預測來逆向工程這些深層認知，其結果往往是脆弱且難以泛化的。

社群觀點

在 Hacker News 的討論中，社群對於 AGI 是否已經實現或即將到來呈現極端分歧。支持者認為 AGI 並非一個全有或全無的開關，而是一個光譜。部分意見指出，如果將 AGI 定義為能處理大多數白領知識工作的能力，那麼當前的頂尖模型如 Claude Opus 4.6 已經在許多任務上超越了普通人類。他們主張，目前缺少的並非底層智慧，而是成熟的「編排層」與工作流管理，只要給予 AI 存取工具、記憶系統與推理循環的能力，它就能展現出足以改變社會生產力的通用性。甚至有觀點認為，若以一般社群平台使用者的平均邏輯水準為基準，AI 早已達到了某種形式的通用智慧，只是人們習慣性地不斷移動 AGI 的定義門檻。

然而，反對者則緊扣「具身認知」與「邏輯穩定性」進行反駁。許多開發者分享了實際使用經驗，指出即便是在最強大的模型上，AI 仍會犯下低級的邏輯錯誤，例如無法正確計算年齡或在程式碼組織上違反基本原則。這類意見認為，AI 目前只是在封閉系統中進行機率性的模式匹配，缺乏處理現實世界「開放系統」所需的智慧與對未知事物的判斷力。一位評論者犀利地指出，手動編排 AI 就像是用越來越長的梯子試圖登月，雖然高度在增加，但本質上並未改變其缺乏自主學習與更新直覺的能力。

此外，關於 AGI 的定義也引發了哲學層面的辯論。有人提出「自我維持」應作為 AGI 的核心指標，即 AI 是否能在其領域內獨立生存並獲取資源。另一些人則從經濟學角度出發，認為真正的 AGI 標誌應是社會生產總值（GDP）的超常成長，或是 AI 公司能夠完全不雇用人類運作。有趣的是，有討論提到生物智慧的多樣性，如章魚與鴉科鳥類擁有截然不同的腦部架構卻同樣展現高度智慧，這暗示了實現 AGI 的路徑可能不只一種，目前的矽基架構或許能繞過人類的生物限制，達成另一種形式的通用認知。

延伸閱讀

• Sammy Jankis: 一個實驗性專案，展示了如何讓 LLM 建立自己的記憶系統，嘗試克服模型遺忘的問題。
• ARC-AGI-2: 由 François Chollet 提出的基準測試，旨在衡量 AI 處理全新問題的抽象推理能力，近期 Google Gemini 宣稱在此取得了顯著進展。
• Elizabeth Spelke 的核心知識研究: 探討嬰兒天生具備的物體、空間與數值表徵，是理解具身認知的重要學術基礎。