真正先改变普通人的，可能不是 AGI

谈到 AI 的下一步，大家最爱问的是，AGI 什么时候到？

可对普通人更现实的分界线是，AI 什么时候不再只给答案，而能把一件复杂的事做完？

要看清这条线，得先分清 AI、AGI，以及一个还没有成为学界共识的概念，ACI。

AI，Artificial Intelligence，人工智能。

它是一把大伞。

按照 OECD 的定义，AI 系统会根据输入，推断应该生成什么输出。这个输出可以是一段文字、一张图片、一个预测、一条建议，也可以是一个决定。

用人话讲，AI 是在某个任务上表现出智能能力的机器系统。

它可以识别照片，可以翻译，可以写代码，可以帮你整理一份 30 页 PDF。

但会做一个任务，不等于什么任务都能做。

更不等于它能独立承担结果。

AGI，Artificial General Intelligence，通用人工智能。

很多人一提 AGI，脑子里就是一个什么都懂、什么都比人强的超级大脑。

这个想象把几层东西揉在了一起。

Google DeepMind 研究 AGI 分级时，用了两个轴。

一个是广度，它能不能把能力迁移到很多不同、甚至陌生的认知任务上。

一个是深度，它在这些任务上到底比普通人差、与人相当，还是已经超过专家。

所以 AGI 更像一条光谱，不是一声枪响之后，世界突然从 AI 切到 AGI。

在多数认知任务上达到人类水平，可以被一些定义叫作 AGI。

在广泛任务上超过专家，属于更高等级。

如果连最聪明的人都被全面超过，那已经接近超人级 AGI，甚至更往后的讨论了。

目前没有一条所有人都承认的 AGI 终点线。

然后是 ACI。

Mustafa Suleyman 在 MIT Technology Review 的文章中提出了这个概念，全称是 Artificial Capable Intelligence，中文可译为人工能力智能。

它不是学界统一承认的正式阶段，更像插在 AI 和 AGI 之间的一块路牌。

它不问机器像不像人。

它问的是，AI 能不能在有限的人类监督下，把研究、计划、工具调用、协调和执行连接起来，完成一个有现实影响的复杂目标。

Suleyman 给过一个很激进的测试提案。

给 AI 十万美元，让它在几个月内通过零售网络平台合法做到一百万美元。

人类负责开银行账户、批准签约等关键动作，但研究产品、找供应商、做营销、协调物流和持续执行，都交给 AI。

这个测试并没有被完成。

它也不是 ACI 的公认标准。

但它把三者的区别讲得很清楚。

AI 像是会做一道题。

ACI 像是能接下一个项目。

AGI 则要能进入大量陌生领域，自己学习，并在广泛任务上保持人类级甚至更高的能力。

三者并不是三个突然出现的新物种。

它们更像一条从单点能力，到任务链，再到通用迁移的能力路径。

为什么这件事和普通人有关？

因为一个岗位从来不是一道题，而是一整条任务链。

找资料、做判断、写文档、发邮件、协调人、检查结果、修改，再交付。

当 AI 只能写一封邮件，它是一个工具。

如果 AI 能在人工把关下稳定完成越来越长的任务链，哪怕它还不通用，也可能重组一部分工作。

所以比「AI 会不会抢走整个职业」更准确的问题是，一个职业里，到底有多少任务链，会先被 AI 接走？

剩下的部分，又为什么仍然需要人？

答案不太浪漫。

人要负责目标，负责把现实资料交进去，负责权限和边界，负责验收，更重要的是负责后果。

AI 可以帮你起草合同，但不能替你承担签错合同的代价。

AI 可以安排营销，但不能替你拥有品牌声誉。

AI 可以生成一套看起来完整的行动方案，但如果它拿到的事实是错的，完整只会让错误跑得更快。

所以普通人现在最该练的，不是背更多 AI 名词。

而是选一段可检查、可撤回的真实工作。

把结果写清楚。

把 AI 可以使用的资料和工具写清楚。

支付、发布、签约、删除和权限变更，仍然由人确认。

再把什么算完成、什么情况必须停下来找人，写清楚。

然后看它能不能从答案走到结果。

如果这个闭环能够重复跑通，你得到的就不只是单次提效，而是一套可复用的工作流程。

如果跑不通，也别急着把失败怪给模型不够聪明。

先看看是不是目标含糊、资料残缺、权限断裂，或者根本没有人负责验收。

AGI 什么时候到，我不知道。

ACI 会不会像 Suleyman 预测得那么快，我也不知道。

但有一个更贴近当下工作的判断。

即使机器还不具备完全通用智能，只要它能在人工把关下稳定完成更长的任务链，就可能重组一部分工作。

未来未必先以一个超级大脑的样子到来。

它可能先以一个越来越能把事办完的执行者，坐到我们旁边。

方向盘、刹车和最后签字权，仍然要留在人手里。