AGI 之路，可能從一開始就走錯了
核心論點
這篇文章提出一個關鍵判斷：我們目前所走的所謂「通往AGI」的大模型路線，極有可能從一開始就走錯了。這不是科學選擇，而是基於規模擴張（Scaling）的誤判，並未觸及真正的人工通用智能（AGI）所需的核心能力。
現有路線的問題
過去五年，AI 行業發展幾乎都遵循「規模定律」（Scaling Law），從最初以百萬參數為標準的大模型，逐步發展到現在的萬億參數模型。然而，這種僅靠擴張規模的方式，並未解決AGI所需的關鍵問題，例如持續學習、長程推理與記憶系統。
AGI 的真正挑戰
要實現AGI，不僅需要更大的模型，更需要真正的科學突破。例如，DeepMind 的哈薩比斯指出，通往AGI的路徑應包含兩部分：一半來自規模擴張，另一半則必須來自基礎科學的進步，如世界模型、模擬環境與自我演進能力。
學術與產業的反思
有學者認為，當前的AI系統僅是「學術型AI」，像是一個剛從實驗室走出的初級系統，尚未具備真正理解與適應環境的能力。因此，現有的大語言模型雖然強大，但充其量只是一個工具，而非真正意義上的通用智能。
未來方向
未來的關鍵在於「商業化」與「實際應用」的結合。當前的AI發展若僅停留在規模擴張，將無法真正邁向AGI。真正的進步，必須來自對AI本質的重新定義與科學探索。