老黃替OpenAI宣佈AGI，出題人當場打臉：換個考場99.9%掉到62.7%

輝達（NVIDIA）執行長黃仁勳日前在一場公開活動中，替OpenAI宣布已達成通用人工智慧（AGI），這番話立刻在現場引發議論。不過，同一場合中，負責設計相關測試題目的出題人當場提出反駁，直指這項宣稱恐怕禁不起檢驗，因為只要更換測試環境，模型的表現就會出現斷崖式下滑，準確率從原本的99.9%驟降至62.7%。這場交鋒的核心，在於AGI的判定標準究竟是什麼。

黃仁勳以產業領袖身分為OpenAI背書，形同在公開場合替對方貼上「已實現AGI」的標籤，但出題人隨即以實測數據打臉，強調同一個模型在原本的考場中幾乎完美過關，一旦換到不同的測試條件，成績立刻縮水超過37個百分點，兩者落差之大，足以動搖AGI的成立基礎。據了解，這類爭議并非首度出現。長期以來，AI模型在特定基準測試中拿下高分，經常被視為技術突破的訊號，但學界與實務圈也不斷提醒，基準測試本身可能存在漏洞，包括題目重複、訓練資料汙染，或是模型過度擬合特定題型。換言之，模型可能在「看過的考卷」上表現優異，卻無法將同樣的能力遷移到全新情境。出題人的反駁之所以引發關注，在於其身分正是設計測試題目的人。

由出題者親自出面質疑應試者的成績，等於從源頭指出評量機制的局限性。當99.9%與62.7%這兩個數字並排陳列，外界很難不對AGI的宣稱打上問號，因為真正通用的智慧，理應在不同環境、不同任務之間維持穩定表現，而非只在特定考場中發光。黃仁勳此次發言，也讓外界重新審視科技大廠高層對AGI的定義與使用方式。過去幾年，AGI一詞經常被企業領袖用來描述技術藍圖或願景，但學術界對其門檻始終沒有共識。當產業界人士以一句話宣布AGI降臨，卻在實測中遭到出題人當場糾正，顯示AGI的判定不應由單一企業或個人說了算，而需要更嚴謹、可重複驗證的標準。

從技術角度來看，模型在不同測試環境下表現落差如此明顯，可能涉及多種因素。包括測試題目的分布差異、語言或情境的變化、以及模型是否曾在訓練階段接觸過類似題型。當考場一換，模型無法依賴記憶或模式匹配，必須展現真正的推理與遷移能力時，成績便會回歸到較為真實的水準。這也正是出題人用來質疑AGI宣稱的關鍵論據。這起事件同時凸顯AI評測體系的脆弱環節。目前業界普遍採用的基準測試，多半由特定機構或團隊設計，題目內容與評分方式未必能涵蓋真實世界的複雜度。一旦模型在單一基準上取得高分，便容易被放大解讀為全面性的突破。

出題人此次以換考場的方式實測，等於提醒外界，單一成績不足以作為AGI的證據，跨環境的穩定性才是更關鍵的指標。對OpenAI而言，被黃仁勳代為宣布AGI，原本可能是一項正面消息，但隨著出題人當場提出數據反駁，焦點迅速從「是否達成AGI」轉向「測試成績是否可信」。這種反轉也讓外界注意到，AI公司與評測機構之間的關係日益緊張，前者希望透過亮眼成績證明技術實力，後者則致力於設計更難被攻破的測試，雙方形同處於一場不斷升級的攻防戰。值得注意的是，黃仁勳與OpenAI之間存在密切的產業合作關係，輝達長期為OpenAI提供訓練與推論所需的算力基礎。

在此背景下，黃仁勳替OpenAI宣布AGI，難免被解讀為帶有產業立場的發言。出題人的反駁，則從評測專業出發，形成兩種不同視角的碰撞，一方著眼於技術願景與商業布局，另一方則堅持以可驗證的數據說話。整體而言，這場發生在公開場合的交鋒，反映出當前AI領域對AGI認定的根本分歧。99.9%與62.7%之間的巨大差距，不僅是一個數字對比，更象徵著模型能力在特定條件與通用條件下的落差。當產業領袖急於宣告AGI時代來臨，評測端卻以實測結果提醒外界，真正的通用智慧仍有待更嚴格的檢驗。這場爭議短期內恐怕不會有定論，但已讓外界更清楚地看見，AGI的宣稱與實測之間，仍存在一道不容忽視的鴻溝。