人工超級智慧（ASI）

資料來源#

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，而非精確定義；其基礎是平滑的 Legg–Hutter intelligence continuum：

AGI — 人類水平的人工通用智慧：在大多數認知任務上，大致達到一般個人人類的表現（Morris et al. 2024 稱為「Competent AGI」）。第一個 AGI 在許多任務上已經會超越人類，但尚未足夠通用。
ASI — 人工通用超級智慧：在幾乎所有人類感興趣的任務與領域上都超越人類。報告將門檻設得很高——ASI 在幾乎所有任務上，都超越大規模、協調良好的人類專家集體（約數萬名專家工作約 10 年）所能達成的成果。狹義的超人類系統（AlphaFold、AlphaGo）明確被排除在外——ASI 必須是通用的。
Universal AI (UAI) — 不可計算的理論極限（AIXI）；ASI 從下方逼近它。

本頁是此群組的樞紐：它是定義上的錨點，路徑、摩擦、極限與動力學等頁面都圍繞著它展開。

為什麼採用粗略定義，而不是門檻#

由於 Legg–Hutter score 是一個連續體，報告不需要精確的 AGI/ASI 分界，只需要兩者之間存在一個巨大差距，以便討論其中的路徑與意涵。作者補充了幾項釐清說明：

相對於人類的基準會移動（Remark IV）：人類若配備更好的工具與教育，就能變得更有能力，因此「人類水平」會漂移。若推到極端，人類可以先建造 ASI，然後「在任何任務上達到 ASI 水平」——這顯然違背其精神。因此，AGI 被固定在當今一般人類的水平。
能力剖面呈鋸齒狀（Remark III）：分數在計算量增加時可能很平滑，但具體系統相對於人類水平卻呈鋸齒狀——AI 的進步並不均勻（鋸齒智慧（幽靈，而非動物））。
單一 ASI 可能是數百萬個並行運作的實例所組成的集體；為了避開個體與集體之間的文字爭論，門檻被設定為超越大型的專家集體（見多代理集體智慧）。

既非全知，也非全能#

一個核心的修正主題是：大幅超越人類智慧，不代表全能。ASI 受硬性的物理、複雜度理論與邏輯極限約束——其中一些可透過 AIXI 框架精確描述（例如最大資料效率）。它不保證能治癒老化、建造 Dyson spheres、用奈米機器人重塑物質、上傳人腦，或恢復工業化前的氣候。完整目錄請見 ASI 的基本極限；另請注意，這些硬性極限與實際 ASI 極限之間可能仍存在相當大的餘裕。

是什麼讓數位 ASI 顯得異質#

AI 最獨特的一項事實是：我們知道它完整的演算法描述（也就是它的程式碼）。這意味著基底獨立性、來源與記憶狀態的無損複製，以及任意加速、暫停與複製——這些數位智慧的優勢會讓人類與 AI 之間的差距隨計算量增加而擴大。因此，人類智慧的直覺經常不適用於先進 AI，而 ASI 的「社會」可能會極度非人類（類似 Borg 的同質化超級集體、類似市場的專家生態，或 Hutter 所稱與計算量綁定的虛擬世界）。

進步會恰好在人類水平停滯嗎？#

報告的標題式判斷（低信心）是：AI 進步恰好在人類水平停滯，這種情況不太可信。即使個別模型的進步進入平台期，集體能力仍可透過執行大量 AGI 實例持續提升（多代理集體智慧）。若要讓進步停在人類水平，摩擦因素中的數項必須同時成為硬性阻礙。更可能的情況是：AI 在 AGI 之前就進入平台期，或是從 AGI 相對平順地進入（較弱的）ASI——除非遞迴自我改進讓這段轉變快速發生，而這種可能性「無法排除」。

待解決的問題#

我們甚至能辨識 ASI 嗎？我們缺乏衡量通用超人類表現的基準（只有像西洋棋這類狹義基準），而任務必須足夠抽象、開放，才能揭示它。
能力的鋸齒性是基本的理論性質，還是與人類表現比較時產生的假象？（報告中的開放問題 6d。）
相對於硬性極限，實際 ASI 會在哪裡進入平台期——其中有多少餘裕？

資料來源#

From AGI to ASI — 第 3 節（「Characterizing Artificial Superintelligence」）；非正式的 AGI/ASI/UAI 定義與 Remark I–V

人工超級智慧（ASI）

資料來源#

摘要#

為什麼採用粗略定義，而不是門檻#

既非全知，也非全能#

是什麼讓數位 ASI 顯得異質#

進步會恰好在人類水平停滯嗎？#

相關連結#

待解決的問題#

資料來源#