弱 AI 和強 AI 差在哪？
某電子製造公司建置 AI 視覺檢測系統，用於辨識 PCB 電路板製程缺陷。系統在影像判讀任務上表現穩定，但其模型設計與訓練目標皆侷限於特定應用範圍，無法直接遷移至其他營運決策任務。依人工智慧能力範疇分類，下列何者最符合該系統特性？
某電子製造公司建置 AI 視覺檢測系統來辨識 PCB 電路板的製程缺陷。這套系統在影像判讀任務上表現穩定，但其模型設計與訓練目標僅限於這個特定應用範圍，無法直接遷移到其他營運決策任務上。
問你：依人工智慧能力範疇分類，這個系統最符合哪個分類？
一句話總結
只能做特定任務、無法跨域遷移的 AI，就是弱 AI（Weak AI／Narrow AI，窄域人工智慧），也是目前所有實際部署的 AI 系統所屬的分類。
先感受問題：PCB 缺陷偵測系統換個工作，就不行了
台達電子的工廠裡，工程師阿凱建了一套 AI 視覺系統，專門掃描 PCB 電路板，找出焊點短路、元件缺件、線路斷裂等缺陷，準確率高達 99.2%，遠超人工目視的 93%。
有一天，管理部門問：「這套 AI 這麼厲害，能不能順便幫我預測下個月的生產排程？或者分析客戶訂單趨勢？」
阿凱搖搖頭：「不行，這個 AI 只會看 PCB 圖片找缺陷，它的神經網路結構、訓練資料、優化目標全都是為了這件事設計的。你問它生產排程，它完全不知道你在說什麼。」
這就是弱 AI 的本質：在設計範圍內超強，出了這個範圍就什麼都不是。
AI 能力範疇四個等級的差異
如果用「能做的事的範圍」來比較四個等級：
- 弱 AI / 窄域 AI（Narrow AI）：只解決一個特定問題。PCB 檢測 AI、AlphaGo（只會下圍棋）、人臉辨識系統，全都屬於這類。目前世界上所有商業化 AI 都是弱 AI
- 強 AI（Strong AI）= AGI：能像人類一樣理解、學習、推理各種任務，不需要針對每個任務重新訓練。目前不存在，是研究目標
- 超級 AI（ASI）：各方面都遠超最優秀的人類，包括創意、社交、科學發現。目前完全是理論概念，甚至連 AGI 都還沒實現
- 混淆來源：人們常把「ChatGPT 很厲害」誤解為它是 AGI，但它還是弱 AI：雖然能做很多種語言任務，但它無法真正理解，也無法遷移到需要實體操作或數學推理的任務
- 弱 AI 不代表「能力弱」：弱 AI 在其設計範圍內可以遠超人類，「弱」指的是「範疇窄」，不是「能力差」
判斷是哪種 AI 的關鍵：能不能跨任務？
判斷 AI 屬於哪個分類，只需要問一個問題：這個系統能在沒有重新訓練的情況下，解決它設計範圍以外的任務嗎？
PCB 視覺檢測系統：不能。換了任務就完全失效。弱 AI。
AGI（如果存在）：能。給它任何新任務，它能理解並執行，就像給人類一份新工作說明書，人類能看懂並嘗試做好。目前不存在。
ASI：不只能跨任務，還能在所有任務上遠超人類，包括設計出比自身更強的 AI。目前完全是理論。
題目說的系統「無法直接遷移至其他營運決策任務」，這正是弱 AI 的定義特徵。
這就是選項 A 講的：弱 AI（Weak AI／Narrow AI）。
技術版：AI 能力分類的學術背景
AI 能力分類框架源自哲學家 John Searle 的「強 AI vs. 弱 AI」論述，後來被 AI 研究社群發展成更細緻的分類體系。
弱 AI / 窄域 AI（Narrow AI）的特徵：針對單一任務或有限任務範圍設計；需要大量特定領域訓練資料；無法自主遷移到新任務；是目前所有商業 AI 產品的分類，包括 ChatGPT（語言任務）、AlphaFold（蛋白質預測）、Tesla Autopilot（自動駕駛）。
AGI 的技術定義：能像人類一樣在任何認知任務上達到人類水準，具備跨域遷移學習能力、抽象推理能力、常識理解能力。目前沒有任何系統達到 AGI 定義，即便是最新的大語言模型（LLM）也仍被歸類為弱 AI。
為什麼出題者考這題：AI 規劃師必須正確設定客戶對 AI 的期望。常見的誤解是把「強大的弱 AI」誤以為是 AGI，導致規劃時高估 AI 的跨域能力，最終系統設計出現嚴重缺陷。
為什麼其他選項是錯的
B強 AI（Strong AI）
強 AI 通常等同於 AGI，能在各種任務上達到人類水準的通用智慧。
題目明確說系統「無法直接遷移至其他營運決策任務」，這與強 AI 的定義完全相反。強 AI 的核心特徵就是能跨任務，目前也尚未存在。PCB 檢測系統顯然做不到。
看到「表現穩定、準確率高」就認為是「強 AI」的人。「強」在這個分類裡指的是「通用性」，不是「效能好」。弱 AI 在自己的任務上可以超強。
C通用人工智慧（AGI）
AGI 是能做任何人類能做的認知任務的人工智慧，是 AI 研究的長期目標。
AGI 的核心是「通用」，能跨任務學習和遷移。題目的系統只能做一件事，是通用性的反面。AGI 目前尚不存在，一個工廠的 PCB 視覺系統更不可能是 AGI。
不清楚 B 和 C 差別的人（強 AI 和 AGI 在很多文獻裡是同義詞），或認為「AI 就是 AGI」的人。記住：目前所有已部署的 AI 都是弱 AI。
D超級人工智慧（ASI）
ASI 各方面能力都遠超最優秀的人類，是 AGI 之上的等級，目前只存在於理論。
ASI 是目前最高的 AI 能力等級，連 AGI 都還沒有，ASI 更是純理論概念。一個工廠的視覺缺陷檢測系統怎麼可能是超級人工智慧？這個選項是最明顯的干擾項。
沒有人應該選這個。它的存在讓考生確認自己知道 ASI 的定義，並排除最極端的錯誤選項。
同個考點下次怎麼變形
ChatGPT 或其他大語言模型，屬於弱 AI 還是強 AI？
ChatGPT 能寫作、翻譯、程式碼、分析，感覺什麼都會，是不是 AGI？
仍是弱 AI。GPT 系列是針對語言任務訓練的模型，雖然語言任務範圍很廣，但它無法真正理解物理世界、進行抽象推理或遷移到非語言的認知任務（如工廠設備控制、手術操作）。「能做很多語言任務」不等於「通用智慧」。當前的大語言模型仍屬於窄域 AI 的延伸，只是「窄域」比以前寬了很多。
AlphaGo 打敗世界圍棋冠軍，是否代表 AI 達到了強 AI 的水準？
打敗人類頂尖玩家，AI 是不是超越人類了？
不是。AlphaGo 在圍棋上確實超越了人類，但它只會下圍棋。換一個任務，例如下象棋或判斷照片內容，它完全無能為力。「在特定任務超越人類」不代表通用智慧。弱 AI 在設計任務上可以遠超人類，但無法跨任務，這是弱 AI 和 AGI 最根本的區別。
遷移學習（Transfer Learning）讓模型能跨任務，這是否代表弱 AI 在進化為 AGI？
遷移學習可以把一個模型的知識用到另一個任務，感覺像是跨域了？
遷移學習是弱 AI 的工具，不是 AGI 的指標。遷移學習讓「同類型」任務可以共享預訓練特徵（例如用圖像分類模型微調成醫療影像分析），但仍需要針對新任務收集資料、微調訓練，不能自主學習全新領域。AGI 不需要額外訓練和標記資料，能自主理解新任務。兩者有本質差異。
為什麼目前的商業 AI 全都是弱 AI？AGI 什麼時候才可能實現？
AI 發展這麼快，距離 AGI 還有多遠？
目前 AI 的成功建立在「大量標記資料 + 單一任務優化」的範式上，弱 AI 就是這個範式的產物。AGI 需要解決幾個至今未解的問題：通用推理能力、常識理解、少樣本學習（像人類從幾個例子就能學會）、跨域遷移。業界對 AGI 時程的預估差異極大，從 10 年到 100 年都有。這個問題目前沒有標準答案。
「弱 AI」的「弱」字讓人誤解，在 AI 分類上更準確的術語是什麼？
弱 AI 聽起來能力差，但其實很厲害，怎麼解釋？
更準確的術語是「窄域 AI」（Narrow AI）或「應用 AI」。「弱」指的是「能力範疇窄」，不是「效能差」。PCB 缺陷檢測 AI 在其任務上可以比人類快 100 倍、準確率更高，但範疇就侷限於這個任務。考試選項裡「Weak AI」和「Narrow AI」是同義詞，兩個都代表「任務特化的 AI」。
想再往下看，這 5 個
- 通用人工智慧（Artificial General Intelligence）能跨任何認知任務達到人類水準的假想 AI，與弱 AI 對比的核心概念，考題最常一起出現的易混淆選項
- 人工智慧（Artificial Intelligence）機器模擬人類智慧行為的廣義技術領域，弱 AI 是目前所有實際部署系統的分類，是理解 AI 能力邊界的基礎
- 電腦視覺（Computer Vision）讓機器理解影像的技術，PCB 瑕疵檢測的具體技術方向，是弱 AI 的典型應用場景
- 遷移學習（Transfer Learning）讓模型跨任務應用知識的技術，與 AGI 的跨域能力易混淆，但仍需微調且只能在相近領域遷移
- 機器學習（Machine Learning）弱 AI 的主要實現方式，讓系統從資料學習特定任務的方法，侷限於訓練目標範圍內