一個模型在幾項測試勝出,能不能換算成「再過六年就超越人類」?

我在原稿裡反對過快的AGI倒數,卻也用了沒有充分來源的數字,推論六年一定太樂觀。這兩種說法都有同一個問題:從局部觀察,跳到了尚未定義清楚的終點。

這次改寫不替AGI另訂到達年份。我想保留的,是讀到能力突破時,先問清楚比較了什麼。

TL;DR:Grok-2的2024年成績是特定版本、測試與比較對象的歷史資料,不能當今天的排名或AGI倒數計時器。AGI也沒有本文可以宣布的唯一公認定義。原稿的訓練成本、改進率和資料耗盡斷言需要更正;成本與資料限制值得追蹤,但不足以證明六年必然成功或失敗。我的建議是分開核對定義、測試、推估與部署權限。

一、先把Grok-2放回2024年的公告

xAI在2024年8月13日發布Grok-2 beta公告,並稱早期版本在當時Chatbot Arena的整體Elo表現超過GPT-4-Turbo等比較模型。[1] 原稿寫成「2024年底」不準確,這裡更正。

這是廠商當時的公告,不代表它超過所有GPT-4版本、所有任務,或今天仍然維持相同名次。公告本身的學術測試表也呈現不同強弱,不能把其中一項好成績讀成全面領先。[1]

我會把問題問得更小:是哪個版本?使用什麼題目和工具?和誰比較?測試條件是否一致?先回答這些,才能知道這次進步實際涵蓋哪一段工作。

這不貶低測試。它只是讓測試回到能支持的範圍。

二、超越人類,要先說是哪一種能力

「比某個人快」「在某種考試高分」「能處理許多不同工作」,並不是同一句話。若不交代比較對象與範圍,超越就容易變成一個人人理解不同的詞。

〈Levels of AGI〉提出一種以表現深度與能力廣度分類的研究框架,也把能力與部署時的自主性分開討論。[2] 這是一種可操作化的提議,不是唯一公認定義;本文也不拿論文中對當年模型的分類,當作2026年的現況判定。

原稿把自我設定目標、自我改進和理解人類價值列成AGI必備條件,說得太滿。這些都值得研究或治理,但不能未經說明就宣布為全領域共同門檻。

我關心的價值取捨,仍然重要。只是「系統能做什麼」和「我們允許它決定什麼」,需要分開問,不能靠重新定義智慧把兩者合併。

三、能使用新資訊,不等於每次都要重新訓練

原稿用賽制改變的例子,斷言模型只能等新訓練資料。這也太絕對。xAI當時的公告已討論檢索內容與工具使用能力,不能一面引用它的成績,一面省略這些條件。[1]

換一個明示的假設:我們把一項虛構比賽的新規則寫進提示,再請模型分析策略。模型是否能正確使用規則,可以實測;這與更新模型參數不是同一件事。

同樣地,有搜尋工具也不保證資料新、來源可靠或解讀正確。我會查它是否真的取得資料、是否引用對的版本,及套用新條件後的結果。不能從一次答對推成普遍適應,也不能從訓練截止日推成永遠無法處理新資訊。

這個例子是我的檢查建議,不是對某個當前模型完成的實驗。

四、成本要更正,瓶頸也要留下假設

原稿稱GPT-4訓練需要「數千億美元」,沒有可支持的依據。《AI Index 2025》使用雲端算力租價等資料估計GPT-4訓練成本約7,900萬美元;這是估計,不是開發商實際帳單,也不是全部研發、硬體或營運支出。[3]

原稿所稱「Google研究指出年改進率由40%降到10%」,沒有交代研究與尺度,本次未找到足以核對的來源,因此撤下。

資料供應也不宜寫成已經耗盡。AI Index的相關討論列出資料使用、重複訓練與方法假設,預測會隨條件改變。[3] 資源限制值得追蹤,卻不能單憑這些資料宣告整個領域已到平台期。

我不把這個更正反過來當成無限成長的證明。它只表示,支持某個期限的論證,不能依賴錯誤成本與未核實的趨勢線。

五、六年是一個預測,需要自己的證據

原稿沒有保留「六年」說法可追溯的原話、日期及終點定義。本次不替它補一個倒數起點,也不把它繼續歸給某人當成已查證引述。

若有人提出期限,我想先問四件事:

  • 預測從何時起算,成功條件是什麼?
  • 哪些觀察支持進步速度,尺度是否前後一致?
  • 資源、方法與測試改變時,推估如何調整?
  • 哪些結果出現,會讓提出者改變看法?

這四問是作者的閱讀方法,不是已驗證可以算出AGI日期的模型。資料不足時,合理的答案可以是尚不能判定,而不是急著選六年、十年或永遠不會。

對時間表保留疑問,不妨礙我們認真看待能力與風險的變化。

四格漫畫:一個模型在幾項測試勝出,能不能換算成「再過六年就超越人類」?預測從何時起算,成功條件是什麼?哪些觀察支持進步速度,尺度是否前後一致?資源、方法與測試改變時,推估如何調整?哪些結果出現,會讓提出者改變看法?合理的答案可以是尚不能判定,

六、把倒數的注意力,留一部分給今天的驗證

對使用AI的人,我比較在意今天有哪些工作可以交付、哪些結果仍要覆核,以及誰能決定採納或停止。這些不需要等到AGI定義一致才開始處理。

我的實務建議是先定義任務與合格條件,留下版本、資料和測試紀錄;遇到新情境,再核對能力是否真的轉移。涉及重大行動時,權限也要另行設計,不能因為高分就自動放寬。

這不是一套研究已證明的通用治理標準,而是我希望避免被單一分數牽著走的做法。

我仍然期待AI進步,也保留對預測的好奇。只是下一次看到「六年內超越人類」,我會先問:你說的超越,是哪一件事?

資料來源與閱讀界線(查核至2026年11月3日)

  1. xAI,Grok-2 Beta Release,2024年8月13日歷史廠商公告;核對日期、比較對象、測試條件及檢索工具段落,不作2026年排名或獨立重測。
  2. Morris等,Levels of AGI,v5,2025年9月24日版本;定義、表現與通用性及能力/自主性區分。屬研究框架之一,不將其當年模型分類移作今日判定。
  3. Stanford HAI,AI Index 2025第1章,正文頁43訓練成本及附錄估計方法、頁37–38資料供應討論。採歷史估計與有條件預測,未審核實際成本、重跑估計或驗證全部後續資料。