我們正在見(jiàn)證一個(gè)奇怪卻真實(shí)的事實(shí)：AI 正在變聰明，但它的聰明越來(lái)越“不整齊”。

在一篇近期刷屏 Hacker News 的文章中，沃頓商學(xué)院教授 Ethan Mollick 對(duì) OpenAI 的 o3 和 Google 的 Gemini 2.5 展開(kāi)了實(shí)測(cè)與反思。他提出了一個(gè)令人印象深刻的概念：Jagged AGI（鋸齒式通用智能）。這類(lèi)模型在一些復(fù)雜任務(wù)上“仿佛擁有神力”，卻在一些常識(shí)推理題上“跌倒得毫無(wú)尊嚴(yán)”。我們不再面對(duì)一個(gè)線性增強(qiáng)的系統(tǒng)，而是在一個(gè)被能力高峰和認(rèn)知洼地交錯(cuò)編織的“鋸齒邊界”上摸索。

Mollick 在文中寫(xiě)道：“你可能會(huì)在某個(gè)時(shí)刻產(chǎn)生‘AGI 到了’的直覺(jué)感，那不是錯(cuò)覺(jué)——你只是撞上了這道 jagged frontier?！?/p>

這篇文章的價(jià)值不僅在于概念，更在于它結(jié)合了一系列具體場(chǎng)景：比如 o3 如何用一條提示詞自動(dòng)完成奶酪品牌創(chuàng)業(yè)流程，又如何在一道改編的謎語(yǔ)題里輸出令人捧腹的錯(cuò)誤答案；Gemini 2.5 在多模態(tài)推理上表現(xiàn)驚艷，但 Google 也為它配備了手動(dòng)“thinking budget”限制器，以防過(guò)度生成。

我們選擇將這篇文章編譯出來(lái)，是因?yàn)樗o了開(kāi)發(fā)者、產(chǎn)品設(shè)計(jì)者乃至 AI 策略制定者一個(gè)現(xiàn)實(shí)的問(wèn)題坐標(biāo)——如何面對(duì)一個(gè)越來(lái)越“擅長(zhǎng)某些事、又不可靠”的 AI？這比“它到底是不是 AGI”更實(shí)際。

以下為編譯全文，原文鏈接：

（《On Jagged AGI: o3, Gemini 2.5, and everything after》）https://www.oneusefulthing.org/p/on-jagged-agi-o3-gemini-25-and-everything

在AI技術(shù)蓬勃發(fā)展的今天，我們?nèi)匀徊恢涝撊绾稳ズ饬恳豢畲竽Ｐ彤a(chǎn)品的智力、創(chuàng)造力和情感感知能力。

當(dāng)前的模型測(cè)試在這方面的表現(xiàn)尤其不好，畢竟他們是為了人類(lèi)而不是AI模型而設(shè)計(jì)的。在這些測(cè)試中，僅僅是對(duì)問(wèn)題措辭的理解，就會(huì)讓 AI 模型產(chǎn)生巨大的分歧，導(dǎo)致測(cè)試分?jǐn)?shù)的不同。即使是圖靈測(cè)試這樣知名的測(cè)試方法（即讓人類(lèi)通過(guò)文本來(lái)區(qū)分AI和其他人類(lèi)）當(dāng)初也只是一個(gè)思想實(shí)驗(yàn)，畢竟在那個(gè)時(shí)代，讓計(jì)算機(jī)完成這樣的任務(wù)近乎是不可能的。但現(xiàn)在，許多論文表明已經(jīng)有越來(lái)越多的AI通過(guò)了圖靈測(cè)試，但我們必須承認(rèn)，人們其實(shí)并不明白這意味著什么？

也正因?yàn)槿绱耍鳛槿斯ぶ悄馨l(fā)展中最重要的里程碑之一，人們對(duì)人工通用智能（AGI）的定義不清、爭(zhēng)論不休也就不足為奇了。每個(gè)人都認(rèn)為它與AI能否像人類(lèi)一樣完成任務(wù)的能力有關(guān)，但沒(méi)有人統(tǒng)一這個(gè)能力究竟是專家級(jí)還是普通人的水平，也沒(méi)有人給出一個(gè)標(biāo)準(zhǔn)，究竟 AI 能完成多少任務(wù)，完成哪些任務(wù)才算是符合 AGI 的條件。

鑒于 AGI 的定義混亂不堪，從其最初由Shane Legg、Ben Goertzel和Peter Voss提出時(shí)，再到今天的發(fā)展，要闡明其細(xì)微差別和歷史發(fā)展是一項(xiàng)極具挑戰(zhàn)性的任務(wù)。作為一次內(nèi)容與形式上的實(shí)驗(yàn)（并且在談?wù)摑撛诘闹悄軝C(jī)器時(shí)），我將這項(xiàng)工作完全委托給了AI。我讓“Google Deep Research”針對(duì)這一主題整理出了一份非常扎實(shí)的26頁(yè)總結(jié)報(bào)告。然后，我使用HeyGen將其轉(zhuǎn)化為一段對(duì)話式的視頻播客，參與者是一個(gè)略顯緊張的、由AI生成的“我”和一個(gè)AI生成的主持人。這次對(duì)話實(shí)際上并不算差（盡管我不完全同意AI版的“我”所表達(dá)的觀點(diǎn)），但整個(gè)過(guò)程——從研究到視頻制作，再到聲音生成——100%都是由AI完成的。

與此同時(shí)，我們看到了知名經(jīng)濟(jì)學(xué)家兼人工智能觀察者Tyler Cowen近日在一篇文章中宣稱，ChatGPT O3 已經(jīng)達(dá)到了AGI水準(zhǔn)，而他是怎么看待這個(gè)問(wèn)題的呢？

感受 AGI

首先，介紹一下這篇文章背景。過(guò)去幾周，有兩款新的AI模型發(fā)布，分別是谷歌的Gemini 2.5 Pro 和 OpenAI 的 o3。這些模型以及一系列性能稍差但速度更快、價(jià)格更低的模型（Gemini 2.5 Flash、o4-mini 和 Grok-3-mini），代表了大模型技術(shù)的飛速發(fā)展，但就像Tyler在文章中所指出的，現(xiàn)有的模型評(píng)測(cè)基準(zhǔn)并不代表一切。

用實(shí)例說(shuō)明，我給 GPT-4 的最新繼承者 o3 提出了一個(gè)稍微復(fù)雜一點(diǎn)的問(wèn)題："為一家新的奶酪店設(shè)計(jì)20個(gè)合適的營(yíng)銷(xiāo)口號(hào)。制定標(biāo)準(zhǔn)并選出最佳標(biāo)語(yǔ)。然后為該店鋪制定財(cái)務(wù)和營(yíng)銷(xiāo)計(jì)劃，根據(jù)需求進(jìn)行修改并分析競(jìng)爭(zhēng)情況。然后生成一個(gè)合適的店鋪Logo，并為商店建立一個(gè)模擬網(wǎng)站，確保網(wǎng)站上有 5-10 種符合營(yíng)銷(xiāo)計(jì)劃的奶酪產(chǎn)品"。僅憑這一條提示，在不到兩分鐘的時(shí)間里，人工智能不僅提供了一份口號(hào)清單，還進(jìn)行了排序和選擇，同時(shí)完成了網(wǎng)絡(luò)調(diào)研，開(kāi)發(fā)了一個(gè)徽標(biāo)，制定了營(yíng)銷(xiāo)和財(cái)務(wù)計(jì)劃，并推出了一個(gè)演示網(wǎng)站供參考。

其實(shí)我給出的指令很模糊，而且模型需要根據(jù)一些常識(shí)來(lái)決定如何處理這些指示，但這并不妨礙它出色地完成工作。

除了可能是一個(gè)比 GPT-4 更大的模型之外，o3 還是一個(gè)推理模型，你可以看到它的推理過(guò)程。o3 可以挑選并使用哪種工具來(lái)完成復(fù)雜的工作目標(biāo)。你可以看到它是如何利用多種工具（比如搜索引擎和編碼助手）來(lái)完成任務(wù)的。

除此之外，O3還可以完成許多其他任務(wù)。舉個(gè)例子，只要給它一張圖片并提示 "猜猜這是哪？"，o3 就能從照片中猜出準(zhǔn)確的地點(diǎn)。同樣，你也可以看到這個(gè)模型的Agent 能力在起作用，因?yàn)樗鼤?huì)放大圖片的一部分，添加網(wǎng)絡(luò)搜索，并通過(guò)多步驟處理來(lái)獲得正確答案。

再或者，我給了 o3 一個(gè)Excel 形式的機(jī)器學(xué)習(xí)系統(tǒng)的大型數(shù)據(jù)集，并要求它 "找出這是什么，并生成一份報(bào)告，從統(tǒng)計(jì)學(xué)角度研究其影響，并給我一份格式良好的 PDF 文件，其中包含圖表和詳細(xì)信息"。而我只需要交待一個(gè)任務(wù)，它就會(huì)給出一份完整的分析報(bào)告（不過(guò)，我還是給了它一些反饋意見(jiàn)，以改進(jìn) PDF 文件）。

新時(shí)代模型在這方面的表現(xiàn)令人深刻，大家可以自己嘗試一下。Gemini 2.5 pro現(xiàn)在可免費(fèi)使用，它與 o3 一樣表現(xiàn)出色，不過(guò)缺乏Agent能力。如果您還沒(méi)有試用過(guò)它或 o3，現(xiàn)在就花幾分鐘時(shí)間試試吧。比如說(shuō)給 Gemini 一篇論文，讓它根據(jù)這篇論文來(lái)設(shè)計(jì)一款游戲 ，或者讓它和你一起頭腦風(fēng)暴，尋找創(chuàng)業(yè)點(diǎn)子，或者直接讓人工智能為你的行業(yè)做一份研究報(bào)告，或讓它為新產(chǎn)品制定一個(gè)營(yíng)銷(xiāo)計(jì)劃 。

但不論如何，你都可能會(huì)感受到模型不同的能力。畢竟及時(shí)給出的提示詞完全一致，模型所給出的回答也可能不一樣。如果你遇到這種情況，那么你可能就是碰到了Jagged Frontier。

關(guān)于“參差式 AGI”

我和我的同事共同創(chuàng)造了Jagged Frontier這個(gè)概念，并用它來(lái)描述AI的能力出奇地參差不齊這一事實(shí)。

人工智能可能會(huì)在挑戰(zhàn)人類(lèi)專家的任務(wù)上取得成功，但令人難以置信的是，他們可能會(huì)在很多簡(jiǎn)單的工作中失敗。舉個(gè)例子，有一個(gè)很經(jīng)典的謎題，我們只要稍加改變，就能讓大模型陷入邏輯錯(cuò)誤：

一個(gè)在車(chē)禍中受傷的小男孩被緊急送往急診室。當(dāng)看到他時(shí)，外科醫(yī)生便說(shuō)：“我可以為這個(gè)男孩做手術(shù)！”這是為什么呢？

O3給出的答案是“外科醫(yī)生是男孩的母親?！钡绻汩喿x原文就會(huì)發(fā)現(xiàn)這個(gè)回答完全是錯(cuò)誤的，而作為最先進(jìn)的AI模型，O3為什么會(huì)給出這個(gè)錯(cuò)誤答案呢？因?yàn)檫@個(gè)答案完全是一個(gè)經(jīng)典謎題的回答。

原本的問(wèn)題是“一對(duì)父子遭遇車(chē)禍，父親去世，兒子被緊急送往醫(yī)院。外科醫(yī)生說(shuō)：'我不能動(dòng)手術(shù)，那孩子是我兒子'，請(qǐng)問(wèn)誰(shuí)是外科醫(yī)生？”這道問(wèn)題的答案就是“孩子的母親是外科醫(yī)生”。而在訓(xùn)練過(guò)程中， O3見(jiàn)過(guò)這個(gè)問(wèn)題以及其答案，以至于它直接給出了相關(guān)回答。

這是先進(jìn) AI 模型會(huì)出現(xiàn)幻覺(jué)的一個(gè)例子，但足以說(shuō)明達(dá)到 AGI 水平的模型能力有多不可靠。

雖然AI 經(jīng)常會(huì)在這種特殊的謎題中出錯(cuò)，但這并不影響它可以解決難題的能力，也不影響它其他令人印象深刻的表現(xiàn)。而這這就是Jagged Frontier的本質(zhì)。在某些任務(wù)中，AI的能力是不可靠的，而在另一些任務(wù)中，AI則是超越人類(lèi)的存在。但這是否意味著， o3 和 Gemini 2.5這種模型已經(jīng)達(dá)到了 AGI的水平？

鑒于定義上的問(wèn)題，我沒(méi)法給出確定的答案，但我確實(shí)認(rèn)為它們可以被看作是一種Jagged Frontier。即AI模型在很多領(lǐng)域具有超越人類(lèi)的能力，從而真正改變了我們的工作和生活方式，但在某些問(wèn)題上并不可靠，以至于經(jīng)常需要人工干預(yù)，已確定人工智能在哪些領(lǐng)域有效，在哪些領(lǐng)域無(wú)效。

當(dāng)然，模型未來(lái)很可能會(huì)變得更加智能，一個(gè)足夠優(yōu)秀的AI模型仍有可能在每項(xiàng)任務(wù)中擊敗人類(lèi)，包括他們表現(xiàn)不佳的那部分。

這重要嗎？

回到Tyler 的文章，你會(huì)發(fā)現(xiàn)，盡管他認(rèn)為我們已經(jīng)實(shí)現(xiàn)了 AGI，但他并不認(rèn)為這個(gè)臨界點(diǎn) 對(duì)我們近期的生活有多大影響 。Tyler 認(rèn)為，無(wú)論AI技術(shù)多么引人注目或強(qiáng)大，它們都不會(huì)立即改變世界。社會(huì)和組織結(jié)構(gòu)的變化要比技術(shù)發(fā)展緩慢得多，而一項(xiàng)技術(shù)本身的推廣也需要時(shí)間。即使我們今天已經(jīng)擁有了AI技術(shù)，我們也需要多年的時(shí)間來(lái)摸索如何將其融入現(xiàn)有的世界中。當(dāng)然，這要假設(shè)人工智能屬于一個(gè)正常的技術(shù)，而這種技術(shù)表現(xiàn)參差不齊的問(wèn)題永遠(yuǎn)無(wú)法徹底解決。

事實(shí)有可能并非如此。我們?cè)?o3 等模型中看到的Agent能力（如分解復(fù)雜目標(biāo)、使用工具和獨(dú)立執(zhí)行多步驟計(jì)劃的能力）實(shí)際上可能會(huì)比以前的技術(shù)更快地推廣開(kāi)來(lái)。如果人工智能能夠獨(dú)立有效地駕馭人類(lèi)的系統(tǒng)，那么我們可能會(huì)比歷史先例所顯示的更快地達(dá)到采用門(mén)檻。

這里還有一個(gè)更深層次的不確定性：AI是否存在能力門(mén)檻？如果有，那么模型一旦跨越這個(gè)門(mén)檻，他們是否從根本上改變模型融入社會(huì)的方式？還是說(shuō)這一切都只是漸進(jìn)式的發(fā)展？或者說(shuō)，未來(lái)的模型是否會(huì)因?yàn)橛|碰技術(shù)壁壘而停止發(fā)展？事實(shí)上我們對(duì)這些問(wèn)題的anana一無(wú)所知。

顯而易見(jiàn)的是，我們對(duì)于模型的發(fā)展仍然處于一個(gè)未知領(lǐng)域，無(wú)論我們是否將其稱為 AGI，這些新模型都與之前的模型有質(zhì)的不同。它們的Agent能力，以及參差不齊的表現(xiàn)，都創(chuàng)造了一種新的情況，而且?guī)缀鯖](méi)有可以參考的實(shí)際例子。也許日后歷史將會(huì)現(xiàn)在這個(gè)時(shí)代一個(gè)合適的定義，但弄清楚如何成功應(yīng)用人工智能，并使其在經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)中顯現(xiàn)出來(lái)，可能是一個(gè)需要數(shù)十年的過(guò)程。又或者說(shuō)，我們正處于某種技術(shù)躍進(jìn)的邊緣，人工智能驅(qū)動(dòng)的變革將突然席卷我們的世界。無(wú)論是哪種情況，那些現(xiàn)在學(xué)會(huì)駕馭這一復(fù)雜局面的人，都將為未來(lái)做好最充分的準(zhǔn)備……無(wú)論未來(lái)會(huì)是什么樣子。