一个让AI圈分裂的问题
2026年6月，如果你在任何一个AI会议上问"AGI是什么"，你会得到至少7种不同的答案。
Sam Altman会说：“AGI是能在大多数经济上有价值的工作中超越人类的AI系统。“Yann LeCun会反驳：“GPT-5根本不是AGI，它甚至不理解物理世界。“而DeepMind的Shane Legg——正是他2001年创造了"AGI"这个词——会说：“AGI是能完成任何人类能完成的智力任务的系统。”
金句：AGI是AI领域最常用、也最少被准确定义的词。它像一个罗夏墨迹测试——你看到什么，取决于你相信什么。
七大流派，七种AGI
能力派（OpenAI、Anthropic）： AGI是能在大多数经济上有价值的工作中超越人类的系统。这个定义很务实，但回避了"什么是经济上有价值的工作”。
通用派（DeepMind）： AGI是能完成任何人类能完成的智力任务的系统。这是最经典的定义，但也是最难达到的。
意识派（少数哲学家）： AGI不仅需要表现出智能行为，还需要有"主观体验”——即意识。按这个标准，我们可能永远无法确认AGI是否已实现。
学习派（Yann LeCun）： AGI是能像人类一样从少量样本中学习、理解世界因果结构的系统。当前LLM的核心问题是"学不会"世界模型。
自主派（具身智能研究者）： AGI必须能在物理世界中自主行动、学习和适应。一个只能"思考"但不能"行动"的AI，不是真正的通用智能。
渐进派（大多数AI从业者）： AGI不是一个"开关”，而是一个"光谱”。AI在越来越多的任务上达到或超越人类水平，我们已经在AGI的"光谱"上了。
怀疑派（Gary Marcus）： AGI是一个被过度炒作的营销概念，真正的通用智能可能需要完全不同的技术路径。
2026年，AGI的"图灵测试"够用吗？
2026年，图灵测试早已被LLM通过——GPT-5在很多对话中可以轻松冒充人类。但"通过图灵测试"是否等于"拥有通用智能"？大多数研究者认为不是。
2026年出现了多个替代AGI评估方案：ARC-AGI（GPT-5得分约30%，人类>90%）、GAIA（GPT-5得分约60%，人类约92%）、World Model基准（GPT-5得分约45%，人类>95%）。这些基准揭示的差距，正是AGI面临的核心挑战。
结论：AGI的定义之争不会在2026年结束。但也许，正是这种争论本身，推动着我们对"智能"的理解不断深入。 当AGI真正到来时，我们可能不需要争论它的定义了——因为它会以一种我们无法忽视的方式，改变一切。