Apakah Narrow AI?

Oleh Victor Hoang

Narrow AI digambarkan sebagai apertur ketepatan yang tertumpu pada satu tugas manakala tugas yang tidak berkaitan kekal di luar lorongnya

Turn this article into takeaways for your work.

Summarize with ChatGPT Summarize with Claude

Each assistant summarizes the article only for you and suggests best practices for your work.

Narrow AI, juga dipanggil weak AI atau ANI (artificial narrow intelligence), ialah AI yang dibina dan dilatih untuk melakukan satu tugas atau sekumpulan tugas yang sangat berkait dengan baik, seperti menterjemah teks, mengesan penipuan, atau mencadangkan produk. Ia tidak dapat memindahkan kemahiran itu kepada masalah yang tidak berkaitan. Setiap sistem AI yang berjalan dalam pengeluaran hari ini, termasuk model termaju, ialah narrow AI.

Bahagian terakhir itu mengejutkan ramai orang. Model frontier menulis kod, merangka kontrak, dan berbual dengan lancar, jadi ia terasa seperti AI umum. Ia bukan. Model yang menulis Python tanpa cela tidak boleh memandu kereta, mendiagnosis imbasan perubatan, atau menjalankan robot gudang tanpa dilatih semula atau disambungkan kepada sistem yang sama sekali berbeza. AI umum, biasanya disingkatkan sebagai AGI, ialah alternatif yang masih hipotetikal: sistem yang membuat generalisasi merentas kebanyakan tugas kognitif seperti manusia. Ia belum wujud, dan memahami mengapa jurang itu penting lebih berguna bagi seorang pemimpin perniagaan berbanding kitaran gembar-gembur AGI itu sendiri.

Narrow AI lawan General AI lawan Super AI

Aspek Narrow AI (ANI) General AI (AGI) Super AI (ASI)
Skop Satu tugas atau sekumpulan kecil tugas berkaitan Kebanyakan tugas kognitif yang boleh dilakukan manusia Setiap tugas kognitif, melangkaui manusia terbaik
Status hari ini Digunakan secara meluas, dalam pengeluaran sekarang Belum dibuktikan Belum dibuktikan
Generalisasi Gagal di luar domain latihannya Memindahkan kemahiran merentas domain yang tidak berkaitan Memindahkan dan melebihi kemahiran manusia di mana-mana
Contoh Large language models, penapis spam, sistem computer vision, enjin cadangan, reasoning models Belum ada, subjek penyelidikan aktif makmal Lanjutan teori daripada AGI, dibincangkan terutamanya dalam penyelidikan keselamatan
Kaitan perniagaan Sudah mengautomasikan aliran kerja tertentu Akan mengubah tugas yang masih memerlukan manusia Menimbulkan persoalan perancangan yang hampir tiada organisasi bersedia menghadapinya

Baris yang mengelirukan ramai orang ialah "contoh". Setiap produk yang dijual vendor kepada anda tahun ini, daripada model churn machine learning hingga aliran kerja agentic AI yang lengkap, berada dalam lajur narrow AI. Lihat apakah AGI untuk huraian lebih lengkap tentang AI umum dan superintelligence.

Contoh Narrow AI dalam Perniagaan

Narrow AI bukan teknologi masa depan. Ia sudah berjalan secara senyap dalam kebanyakan perisian yang digunakan syarikat:

  • Jualan dan pemasaran: model lead scoring yang menyusun prospek mengikut kebarangkalian menukar, pengoptimum baris subjek e-mel, automasi bidaan iklan
  • Sokongan pelanggan: chatbot yang menyelesaikan tiket biasa, sentiment analysis yang menandakan pelanggan marah sebelum eskalasi, transkripsi dan ringkasan panggilan
  • Kewangan: sistem pengesanan penipuan yang menandakan transaksi tidak normal dalam milisaat, pemprosesan invois, ramalan aliran tunai
  • Operasi: ramalan permintaan untuk inventori, pengoptimuman laluan untuk armada penghantaran, penyelenggaraan ramalan pada peralatan pembuatan
  • HR: saringan resume dan kedudukan calon, pembantu penjadualan temu duga, ramalan pengurangan pekerja
  • Kejuruteraan: pembantu pengekodan yang melengkapkan dan menyemak kod, triage pepijat, penjanaan ujian automatik

Setiap satu cemerlang dalam tugasnya yang satu itu dan tidak berguna di luarnya. Model pengesanan penipuan yang dilatih pada data transaksi tidak dapat menyaring resume, dan pembantu pengekodan tidak dapat meramal permintaan. Itulah ciri utama narrow AI: kedalaman dalam satu lorong, bukan keluasan merentas banyak lorong.

Mengapa Perbezaan Narrow lawan General Penting

Ini bukan label akademik. Ia mengubah tiga keputusan yang sebenarnya dibuat oleh pemimpin.

Narrow AI lawan AI umum digambarkan sebagai lorong tugas tunggal yang tepat di sebelah jambatan adaptif merentasi domain yang tidak biasa

Bajet dan penilaian vendor. Apabila vendor menawarkan "platform AI", tanya tugas apa yang menjadi skop sempitnya. Alat yang cemerlang dalam satu aliran kerja (katakan, menulis e-mel jualan) akan mengecewakan jika anda membelinya dengan harapan ia turut mengendalikan penjadualan atau pelaporan. Sistem narrow AI ialah penyelesaian titik, bukan penyelesaian sejagat, dan menilainya dengan cara itu mengelakkan kesilapan perolehan AI perusahaan yang paling biasa.

Perancangan tenaga kerja dan proses. Narrow AI mengautomasikan tugas tertentu dalam sesuatu peranan, bukan keseluruhan peranan. Kerja triage tiket seorang ejen sokongan mungkin diautomasikan tahun ini, manakala keputusan pertimbangan terhadap pelanggan perusahaan yang marah masih memerlukan manusia. Merancang berdasarkan automasi peringkat tugas, bukannya menunggu sistem umum menggantikan keseluruhan pekerjaan, ialah langkah realistik dalam masa terdekat.

Risiko dan tadbir urus. Sistem narrow yang dilatih pada corak penipuan tahun lalu akan tersilap dengan penuh keyakinan pada corak yang belum pernah dilihatnya, kerana ia tidak boleh menaakul sehingga menemui situasi baharu seperti sistem umum yang secara teori mampu. Itulah sebabnya amalan AI safety seperti pemantauan, semakan manusia untuk kes pinggir, dan sempadan skop yang jelas lebih penting bagi sistem narrow dalam pengeluaran hari ini berbanding perdebatan tentang risiko AI umum yang masih jauh.

Adakah AI Frontier Hari Ini Masih Narrow?

Ya, dan inilah bahagian yang mengelirukan malah pembeli berpengalaman. Foundation models terbaik pada 2026 mengendalikan teks, kod, imej, dan audio dalam satu perbualan, merancang kerja berbilang langkah, memanggil alat luaran, dan menyemak output sendiri sebelum menjawab. Itu lonjakan besar berbanding narrow AI sedekad lalu, iaitu satu model yang dilatih untuk melakukan satu perkara sahaja.

AI frontier yang masih narrow digambarkan sebagai banyak keupayaan bersepadu di dalam sempadan generalisasi yang tegas

Tetapi keluasan tugas tidak sama dengan kecerdasan umum. Model yang fasih merentas berpuluh domain masih narrow dalam erti kata teknikal: ia dilatih pada corak dalam data sedia ada dan bergelut dengan masalah yang direka khusus untuk menentang pattern matching. ARC-AGI-2, penanda aras yang direka untuk tujuan itu, menunjukkan jurang tersebut dengan jelas. Penguji manusia menyelesaikan hampir semua tugasnya dalam dua percubaan. Model komersial terbaik yang disahkan dalam pertandingan ARC Prize 2025 mencatat 37.6%. Wide narrow AI, kadangkala dipanggil "broad AI" secara tidak rasmi, memang wujud dan bertambah baik dengan pantas. Ia tetap koleksi besar keupayaan narrow yang dicantumkan, bukan satu kecerdasan yang membuat generalisasi.

Agentic AI menambah satu lagi lapisan kekeliruan. Ejen yang merancang, menggunakan alat, dan menyiapkan projek berbilang langkah kelihatan umum kerana ia mengendalikan pelbagai input. Di bawahnya ia tetap narrow: setiap panggilan alat, setiap langkah perancangan, dan setiap bahagian natural language processing yang dilakukannya ialah keupayaan terlatih yang beroperasi dalam had yang diketahui, bukan minda yang menaakul bebas tentang domain yang tidak dikenali.

Key Facts

  • Tinjauan State of AI 2025 oleh McKinsey mendapati 88% organisasi menggunakan AI dalam sekurang-kurangnya satu fungsi perniagaan, dan hampir semua AI itu ialah perisian narrow khusus tugas, bukan kecerdasan serba guna. McKinsey, State of AI
  • Gartner menjangkakan 40% aplikasi perusahaan akan disertakan dengan ejen AI khusus tugas pada penghujung 2026, meningkat daripada kurang 5% pada 2025, setiap satu ialah sistem narrow yang tertumpu pada satu tugas. Gartner
  • Pada ARC-AGI-2, penanda aras yang dibina untuk menentang hafalan dan memberi ganjaran kepada penaakulan sebenar, model komersial terbaik yang disahkan dalam pertandingan ARC Prize 2025 mencatat 37.6%, manakala penguji manusia menyelesaikan hampir semua tugas dalam dua percubaan. ARC Prize 2025 Results
  • AI Impacts 2023 Expert Survey on Progress in AI, berdasarkan 2,778 penyelidik AI yang menerbitkan karya, meletakkan kebarangkalian agregat 50% bagi "high-level machine intelligence", takrifan kerja untuk AI umum, pada 2047, dengan hanya 10% peluang menjelang 2027. AI Impacts / arXiv
  • AI Index 2026 Stanford melaporkan skor pada SWE-bench Verified, penanda aras pengekodan yang narrow, meningkat daripada sekitar 60% kepada hampir 100% dalam tempoh setahun, contoh jelas kemajuan pantas dalam satu domain narrow dan bukannya keupayaan umum. Stanford HAI, 2026 AI Index Report
  • Pelaburan AI korporat global mencecah $581.7 bilion pada 2025, naik 130% daripada tahun sebelumnya, dana yang hampir sepenuhnya mengalir ke sistem narrow khusus tugas kerana tiada produk AI umum yang boleh dibeli. Stanford HAI, 2026 AI Index Report
  • Menlo Ventures mendapati perbelanjaan aplikasi AI perusahaan meningkat tiga kali ganda kepada $37 bilion pada 2025, pengembangan setahun terpantas yang pernah dijejaki firma itu bagi mana-mana kategori perisian perusahaan, tertumpu pada alat narrow yang dibina untuk aliran kerja tertentu. Menlo Ventures

Konsep AI Berkaitan

Sumber Luaran

Sebahagian daripada AI Terms Collection. Dikemas kini Julai 2026.

About the author

Victor Hoang

Victor Hoang

Co-Founder, Rework.com

Victor Hoang is Co-Founder and CMO of Rework. He spent 12+ years scaling B2B SaaS growth, building a lead engine that generated over 1 million leads and $10M+ in annual recurring revenue. Today he builds AI agents and MCP servers into Rework's products to empower customers across growth and operations. He writes about what actually works.

View full profile LinkedIn