人工超級智慧（ASI）

資料來源#

• AI models have likely reached parity with superforecasters on ForecastBench
• Andrew Ng: The Biggest Opportunities in AI Aren't Where You Think
• From AGI to ASI

摘要#

DeepMind 的《From AGI to ASI》報告（Genewein、Hutter、Legg 等人，2026 年 6 月）刻意採用粗略、定性的描述，而非明確界定，並以平滑的 Legg–Hutter 智慧連續體為基礎：

• AGI — 人類水準的人工通用智慧：在大多數認知任務上的表現大致相當於個人人類中位數（Morris et al. 2024 所稱的「Competent AGI」）。第一個 AGI 在許多任務上就已超越人類，但通用性還不足。
• ASI — 人工通用超級智慧：在幾乎所有人類關注的任務與領域都超越人類。報告將門檻設得很高：在幾乎所有任務上，ASI 都超越大型、協調良好的人類專家群體（約數萬名專家共同工作約 10 年）所能達到的水準。狹義的超人系統（AlphaFold、AlphaGo）明確不算在內——ASI 必須具備通用性。
• Universal AI（UAI） — 不可計算的理論極限（AIXI）；ASI 從下方逼近它。

本頁是這個主題群的中心頁面：定義上的錨點，其他討論路徑、阻礙、限制與動態的頁面都圍繞著它。

為何採用粗略定義，而非門檻#

由於 Legg–Hutter 分數是一個連續體，報告不需要精確的 AGI／ASI 分界，只需要兩者之間有一段很大的差距，以便討論實現路徑與影響。作者補充了幾點說明：

• 相對於人類的水準會隨時間改變（說明 IV）：人類有更好的工具或教育，就會更有能力，因此「人類水準」會漂移。若推到極端，人類可以先打造 ASI，然後「在任何任務上達到 ASI 水準」——這顯然違背原意。因此 AGI 以當今的人類中位數為準。
• 能力輪廓參差不齊（說明 III）：分數隨運算量平滑變化，但具體系統相對於人類水準的能力表現則高低不一——AI 的進步並不均勻（Jagged Intelligence (Ghosts, Not Animals)）。
• 單一 ASI 可能是數百萬個平行運作的實例組成的集體；為避免糾結個體與集體的區分，門檻訂為超越大型專家群體（見 Multi-Agent Collective Intelligence）。

實務工作者的定義，以及降低門檻的誘因（Ng，2026 年 8 月）#

Andrew Ng 面向一般大眾提出的工作定義（Andrew Ng: The Biggest Opportunities in AI Aren't Where You Think，Silicon Valley Girl，2026-08-28，practitioner-opinion）比報告以人類中位數為準的說法更嚴格：「能執行人類任何智力任務的 AI。」 他舉的兩個例子，設定的是學習效率門檻，而不是表現門檻——人腦*「可能花五年時間研讀並完成博士論文……那麼 AI 能不能寫博士論文？」；以及「人類可以透過……數十分鐘的練習，學會開卡車穿越茂密雨林。那 AI 何時能做到？」* 這就是報告視為可描述的限制之一的資料效率軸，而 Ng 將它設為 AGI 本身的門檻；就這個標準而言，他對時間表的說法是：「AI 還有一長串做不到的事，在我看來要再過幾十年。我希望只要幾十年。」（prediction 等級；除了列舉這些項目，沒有提供數字背後的論據。）

他補充了說明 IV 未談到的一點：目標改變不只是因為人類能力有所漂移，也有經濟因素。「OpenAI 有經濟誘因想早點宣告達到 AGI」——他指出，相關的 Microsoft 協議後來已重新協商——「所以……如果你提出其他定義……看你把門檻降得多低，就可能說自己早就達到 AGI……甚至 30 年前就達到了。」 他回應的低門檻說法，是主持人轉述 Jensen Huang 所稱的 AGI 已經到來。報告採用粗略定義的策略，在一方面不受此影響——AGI 與 ASI 之間有一段很大的差距的連續體，不在乎 AGI 標籤放在哪裡；但另一方面也暴露於此，因為所有後續關於 AGI 到 ASI 路徑的主張，都取決於說話者選擇了哪一道門檻。Ng 的意思是，有些人選擇門檻時背後牽涉合約利益。

既非全知，也非全能#

一個核心的修正觀點是：智慧大幅超越人類，不代表全能。ASI 受硬性的物理、複雜度理論與邏輯限制約束——其中一些限制可透過 AIXI 框架精確描述（例如最高資料效率）。它不保證能治癒老化、建造戴森球、用奈米機器人重塑物質、上傳大腦，或恢復工業化前的氣候。完整清單請見 Fundamental Limits of ASI，並留意這些硬性限制之上，實務 ASI 的能力仍可能有很大的餘裕。

數位 ASI 為何如此陌生#

AI 最獨特的一點是：我們知道它完整的演算法描述（也就是它的程式碼）。 這代表它不受限於特定基質，可以無損複製原始碼與記憶狀態，還能任意加速、暫停或複製——這些數位智慧的優勢會隨著運算量增加而擴大人類與 AI 的差距。因此，人類智慧的直覺常不適用於進階 AI，而 ASI 的「社會」可能與人類大異其趣（例如類似 Borg 的同質化超級集體、市場般的專家生態系，或 Hutter 所說、受運算量限制的虛擬世界）。

進步會恰好停在人類水準嗎？#

報告的核心判斷（信心偏低）是：AI 進步恰好停在人類水準，不太可能。即使單一模型的進步停滯，集體能力仍可透過執行許多 AGI 實例而持續提升（Multi-Agent Collective Intelligence）。若要讓進步停在人類水準，幾項阻礙必須同時成為硬性瓶頸。更可能的情況是：AI 在 AGI 之前就停滯，或是從 AGI 相對平順地進展到（弱）ASI——除非遞迴自我改進讓轉變迅速發生，而這種可能「無法排除」。

如何辨識它：第一種測量工具，以及它的讀數極限#

本頁最早提出的未解問題，是我們是否能辨認出ASI。報告指出，這個領域目前只有狹義的超人類基準測試（如西洋棋），而能揭示答案的任務必須具備抽象性與開放性。對真實未來事件作出校準良好的判斷，是本文資料中最接近這種測量工具的例子，也是這個知識庫第一批已解決的預測資料落腳之處。

ForecastBench（Forecasting Research Institute，2026-07-16，empirical）以相同問題評分 AI 參賽者與頂尖人類預測者，並以現實世界的結果驗證：包括從即時時間序列自動生成的資料集問題（ACLED、DBnomics、FRED、Yahoo! Finance、Wikipedia），以及取自 Manifold、Metaculus、Polymarket 和 RAND 的市場問題。我們應該提出的主張要比標題狹義：目前有數個參賽者在統計上無法與 ForecastBench 主辦方 FRI 自行執行的基準測試中的超級預測者中位數區分。在 7 月 16 日的競賽排行榜上，超級預測者中位數仍以總分 69.2（N=577）排名第 1，Cassi AI 得分 68.9（N=584），xAI 的兩筆 Grok 4.20 紀錄則各為 68.1（N=735）。在市場問題上——FRI 認為這是更好的類人判斷力測試，因為問題取決於新穎、一次性的事件，而不是 LLM 已擅長的基準率查詢——Cassi 的 77.7（N=92）是第一個高於超級預測者中位數 75.9（N=56）的 AI 分數。

這種測量工具為何最適合用來回答辨識問題，而狹義基準測試做不到：

• 問題寫下來時，答案尚不存在。 預測提交後，真實結果才會由現實世界產生，因此在結構上不可能發生資料污染，而問題來源也會透過即時市場與時間序列自動更新。無須淘汰題目或提高難度（Measuring Beyond Accuracy Saturation所談的淘汰並替換問題並非必要）。
• 任務開放且無法形式化（「Messi 會在 2026 年世界盃的進球數超過 Ronaldo 嗎」、「2026 年 7 月會是有紀錄以來最熱的 7 月嗎」）——整合相互矛盾的證據並給出機率，大致符合報告所說揭示能力的任務應有的抽象特質。
• 參照群體是目前所知最強的人類基準，而非 AGI 定義所採用的人類中位數。

**這也是本文資料中最清楚的例子，說明以人類為參照的測量工具，在到達其參照群體水準時就停止讀數。**ForecastBench 的兩個顯著性欄位是「Supers > Forecaster?」和「Forecaster > Public?」——沒有「Forecaster > Supers?」欄位。排行榜的設計是要回報超級預測者勝過模型，以及模型勝過大眾；**它不會判定模型是否超越人類參照群體。**因此，Cassi 在市場問題上的領先只是點估計排序，信賴區間高度重疊（[74.0, 82.9] 與 [72.7, 80.2]），並非顯著性主張。而且基準值是固定的：FRI 上一次徵集超級預測者預測是在 2024 年，所以此後每次比較都是以統計外推值為準；作者承認這種外推「會隨時間變得較不可靠」，而市場題部分的樣本數只有 N=56。Brier 類型的分數是絕對值，確實能持續測量超越人類的表現；但移除基準值後，就無法得知剩餘的提升空間反映的是技巧，還是問題本身無法消除的不確定性——而人類錨點原本默默提供了這項資訊。FRI 結尾的但書（「這些發現不代表 ForecastBench 已飽和……AI 系統可能超越人類超級預測者的準確度」）對分數而言是恰當的，但沒有切中比較的關鍵。

**依照本頁自己的標準，以上都不是 ASI 訊號，而這正是重點。**此處的 ASI 指在幾乎所有領域超越大型、協調良好的人類專家群體。超級預測者中位數是某一項認知技能的強大人類群體表現，所以與之相當，談的是 AGI 一側的比較；而這項測量工具剛好在 ASI 問題開始之處到達量程極限。因此，辨識問題並非缺乏開放且不會飽和的基準測試，而是現有測試都是相對於人類基準來定義；若要讓這個基準持續作為量尺，就必須重新徵集人類預測（FRI 預定於 2026 年秋季新一輪徵集超級預測者預測，並更新資料集問題與分位數問題）。

**請看清來源自身的認識論立場，因為標題與統計資料提出的是不同主張。**貼文標題寫著「AI 模型可能已達到同等水準」；內文說「在統計上無法區分」；註腳 1 則提供以「準確度等同超級預測者」為虛無假設的單尾 bootstrap p 值——Cassi 為 0.41，xAI 為 0.16 和 0.15，Google DeepMind 為 0.14。p 值 0.41 代表未能拒絕虛無假設，不代表證明兩者相等；而且排序與論點相反：新增列為同等水準的參賽者之中，較低的 p 值——也就是有較多證據反對準確度相等——反而屬於這些參賽者。排行榜自己的欄位也說明了這一點。貼文點名的唯一一列「green tree」是 Google DeepMind，其「Supers > Forecaster?」欄位標為 「Likely」——這是 FRI 自己判定超級預測者可能比它更準確；然而內文卻把 Google DeepMind 列入與超級預測者水準無法區分的模型。最後能成立的說法是：一條有支架輔助的流程，在現有樣本數下無法與 2024 年超級預測者中位數區分，另有數個參賽者的排名接近它。

關聯頁面#

• Measuring Beyond Accuracy Saturation — 將參照群體上限視為一種獨立的飽和模式，與準確度飽和不同；本文資料中還有另一個例子：Anthropic 因模型超越頂尖人類基準，而移除一套 AI 研發排除測試
• Universal AI (AIXI) — 形式上的上限；ASI 是實際上逼近此上限的範圍；它提供連續體，讓這些定義得以維持粗略
• AGI-to-ASI Pathways — 從 AGI 到 ASI 的四種技術路徑，以及沿途的阻礙
• Fundamental Limits of ASI — 使 ASI 能力有限的物理、複雜度與邏輯硬性界限
• Advantages of Digital Intelligence — 讓人類與 ASI 的差距隨運算量增加而擴大的基質特性
• Multi-Agent Collective Intelligence — 將 ASI 解讀為「由多個實例組成的集體」
• Intelligence Explosion Dynamics — AGI 到 ASI 的轉變是平順還是爆發式
• Jagged Intelligence (Ghosts, Not Animals) — 說明 III：即使分數平滑，具體能力輪廓仍參差不齊
• Research Taste as the Human Bottleneck — 系統進入 ASI 階段時，哪些特質（若有）仍屬於人類

待解決的問題#

• 我們甚至能辨認出ASI 嗎？目前缺乏通用超人表現的基準測試（只有西洋棋這類狹義測試），而任務必須夠抽象、夠開放，才能揭示其能力。已有部分答案（2026-08-12）——測量工具存在，問題在於量程：ForecastBench具備抽象性與開放性，依其設計可避免資料污染（答案晚於問題產生），並以目前最強的人類基準為錨點；AI 參賽者如今已達到這個基準。它做不到的是讀出超越基準的表現——排行榜有「Supers > Forecaster?」和「Forecaster > Public?」兩個顯著性欄位，卻沒有反向比較；人類基準來自 2024 年的徵集，並向後外推；而一旦沒有參照群體告訴我們，剩餘提升空間有多少是無法消除的雜訊，絕對 Brier 分數便失去原有意義。因此，辨識問題不在於缺乏合適的任務類型，而在於以人類為參照的測量工具，其辨別範圍止於參照群體本身。這個問題仍未解決，因為本頁定義的 ASI 門檻是幾乎所有領域的人類專家群體，而 ForecastBench 測量的是單一技能、對照單一人類群體表現。
• 能力表現參差不齊是基本理論性質，還是與人類表現比較所造成的假象？（報告中的開放問題 6d。）
• 實務 ASI 會在什麼位置相對於硬性限制停滯——還有多少餘裕？

資料來源#

• From AGI to ASI — 第 3 節（「Characterizing Artificial Superintelligence」）；AGI／ASI／UAI 的非正式定義與說明 I–V
• AI models have likely reached parity with superforecasters on ForecastBench — Forecasting Research Institute（Substack，2026-07-16，empirical，約 813 字）：競賽與初步排行榜、市場問題結果（Cassi 77.7 / N=92 對上超級預測者中位數 75.9 / N=56）、註腳 1 的 bootstrap 單尾 p 值（0.41 / 0.16 / 0.15 / 0.14），以及四項但書——2024 年基準徵集、隨機化結果判定、信賴區間重疊「更符合與超級預測者相當，而非勝過他們」，以及明確否認基準測試已飽和。貼文中的三張排行榜都是 PNG 截圖，沒有文字標記；已在原始檔轉錄，並依照圖片雙重檢視規則放大重新讀取，將每個數值對應到欄位標題。「Supers > Forecaster?」的解讀，以及沒有反向欄位這一點，都來自這次檢視，而非貼文內文。FRI 同時負責營運 ForecastBench，並提供其比較所用的超級預測者基準；來源筆記記錄了利益衝突的形態
• Andrew Ng: The Biggest Opportunities in AI Aren't Where You Think — Andrew Ng 接受 Marina Mogilko 訪問，Silicon Valley Girl（2026-08-28，practitioner-opinion）：任何智力任務的定義、博士論文與雨林卡車的例子、「幾十年」的時間表（prediction），以及 OpenAI–Microsoft 宣告 AGI 的誘因論點。自動字幕逐字稿中「open Microsoft had an agreement」是 OpenAI 與 Microsoft 的語音辨識錯誤；原始資料未更正，本頁按原意解讀