ラベルは便利だが、自然法則ではない
特化型人工知能、汎用人工知能、超人工知能は、きっちり境界の引かれた3つの箱としてではなく、複数の能力軸の上に広がる領域として理解するのが最も適切である。研究者や機関によって定義は異なり、あるシステムが「AGIになった」と認定できる科学的な権威は存在しない。したがって注意深い読み手は、話し手がこの言葉で何を意味しているのか、そしてその分類をどのような証拠が裏づけているのかを問うべきである。
**特化型人工知能(ANI)**とは、伝統的には、限定されたタスクや領域のために最適化されたシステムを指す。チェスエンジン、不正検知システム、音声認識器、あるいはタンパク質構造予測器などがその例である。こうしたシステムは、対象タスクにおいてはあらゆる人間を上回りながら、それ以外の場面ではまったく役に立たないことがある。しかし、展開されているすべてのモデルを「狭い」と呼ぶことは、ますます実態を見誤らせるものになっている。汎用の言語モデルやマルチモーダルモデルは、文章を書き、コードを書き、画像を分析し、ツールを使い、指示に基づいて多様なタスクに適応できる。ある意味では幅広いが、それでも信頼性を欠き、補助的な仕組みに依存し、分野によって出来不出来にむらがある。こうしたシステムを旧来の「狭い/汎用」という二分法に無理やり当てはめるよりも、「汎用目的AI」あるいは「幅広い能力を持つモデル」と呼ぶ方が、多くの場合より的確な説明になる。
汎用人工知能(AGI)とは通常、未知のタスクにも転用できる幅広い能力を備えた機械を指す。その中核を超えると、定義は分かれていく。ほとんどの認知的な仕事において典型的な人間に匹敵する性能を要求する定義もあれば、効率的な学習能力を要求する定義、経済的に価値のある労働を重視する定義、さらには物理的あるいはデジタル世界における自律性を加える定義もある。Google DeepMindの研究者たちは、AGIを幅(どれだけ多くのタスクをこなせるか)と深さ(それをどれだけうまくこなすか)の両方で記述し、自律性は別個の展開上の性質として扱うことを提案した(DeepMindの論文『Levels of AGI』)。この枠組みは、単一のベンチマークが魔法のような閾値を作り出すかのように装うことを避けている。
**人工超知能(ASI)**とは、認知的に価値のあるほぼすべての領域において、最も優れた人間を大幅に上回る仮説上のシステムである。これは観測された技術のカテゴリーではない。科学、戦略、工学、説得、そしておそらくはAI研究そのものにおいて、人間の諸制度を凌駕しうるシステムについて考えるために用いられるシナリオである。そのようなシステムが果たして可能なのか、AGIに続いてどれほど急速に到来しうるのか、そしてあらゆる領域にまたがる知能が単一のシステムに統合されうるのかは、依然として議論の分かれる問いである。
能力は一つの軸では測れない
有用な評価は、少なくとも5つの性質を区別する。
- 幅: システムが習熟しているタスクや環境の多様性。
- 性能: 初心者、典型的な労働者、専門家、あるいは最も優れた人間のどれに匹敵するか。
- 信頼性: 通常とは異なる状況や敵対的な条件下も含め、どれほどの頻度で成功するか。
- 学習と転用: タスク固有の再学習なしに、本当に新しいタスクをどれだけ容易に扱えるか。
- 自律性: どれだけ長く、どれだけ安全に、計画を立て、行動し、ツールを使い、失敗から回復し、限られた監督のもとで目標を追求できるか。
これらの軸は劇的に食い違うことがある。あるモデルは何百もの話題にまたがって質問に答えながら、初歩的な誤りを犯すかもしれない。別のモデルは、ある科学的なワークフローにおいては例外的に信頼できても、一般化ができないかもしれない。ある会話モデルは幅広い知識を持っているように見えても、同じモデルを基盤に構築されたエージェントは、文脈を見失ったり、ツールを誤用したり、自らの計画がうまくいっていないことに気づけなかったりして失敗することがある。OECDのAIシステムの定義も同様に、生成される出力や環境への影響を、自律性の水準や展開後の適応能力の違いとは区別して扱っている(OECDのAI原則)。
これが重要なのは、洗練された言葉づかいが、堅牢な行為主体性と同じではないからだ。人間らしい会話は擬人化を誘うが、ベンチマークのスコアは、注意深く設計されたプロンプトやきれいなデータ、自動採点への依存を覆い隠しうる。逆に、あるシステムが重要な能力を持つために、人間のように会話できる必要はない。科学モデル、トレーディングエージェント、サイバーツールが重要であるのは、人間の精神に似ているからではなく、それが何をできるかによってである。
なぜ単一のベンチマークではAGIを証明できないのか
ベンチマークは、指定された条件下での振る舞いをサンプリングしているにすぎない。理解や意識、意図、あるいは試験されていないあらゆる状況での性能を直接示すものではない。スコアが上昇する理由は、本当の意味での汎化かもしれないし、類似した訓練例への曝露、より上手なプロンプト設計、ツールへのアクセス、あるいはモデルを取り巻くエンジニアリングかもしれない。ベンチマークは飽和することもある。先端のシステムがその天井に近づくと、わずかな差の解釈が難しくなる。
同じ注意は経済的な定義にも当てはまる。「ほとんどの仕事を自動化できる」という言い方は具体的に聞こえるが、仕事とは、技術的なタスク、社会的な交渉、説明責任、身体的な活動、地域固有の知識、そして誤りに対する責任の束である。自己完結したタスクでの成功は、あるシステムが混沌とした組織の中で労働者に取って代われることを証明しない。METRは、自社のタスク完了時間ホライズンがソフトウェア、機械学習、サイバーセキュリティに集中しており、雇用の自動化全般を測る指標として読むべきではないと明言している(METRの方法論)。
したがってAGIは、証拠の一式を必要とする主張として扱われるべきである。どの領域が試験されたのか。タスクはどれほど目新しかったのか。どのようなツールや人間の助けが許されていたのか。性能は独立に再現されたのか。成功率はどうだったのか。目標があいまいだったり環境が変化したりしたときにも、システムは信頼できる状態を保ったのか。こうした詳細がなければ、AGIの発表とは、ブランディングであり、予測であり、個人的な判断であって、測定結果ではない。
なぜこの区別が政策を左右するのか
異なる能力プロファイルは、異なるリスクを生み出す。現在のシステムはすでに、詐欺、差別、プライバシー侵害、危険な助言、労働の混乱、そして合成メディアを通じて、文書化された害をもたらしている。こうした問題はAGIを必要とせず、将来のある閾値まで先送りされるべきではない。幅広く自律的なシステムは、サイバー作戦を実行したり、危険な研究を加速させたり、人間の審査能力を超える規模で重要なプロセスを制御したりすることで、別のリスクを付け加えるかもしれない。仮説上の超知能は、人間の諸制度が、自分たちよりも戦略的に優れたシステムを監督できるのかどうかという、さらに不確かな問いを提起する。
これらのカテゴリーは、講じるべき安全対策の妥当な水準も左右する。特化型の医療分類器には、臨床的な検証、モニタリング、異議申し立ての仕組みが必要かもしれない。汎用目的モデルには、能力評価、悪用の検知、インシデント報告、そして危険なツールをめぐる管理が必要かもしれない。重要インフラを操作する高度に自律的なシステムであれば、より強力な保証、封じ込め、そして人間による許可の要件を正当化するだろう。「AI」を単一の未分化なカテゴリーとして扱うことは、こうした違いを覆い隠してしまう。
AGIの主張をより上手に読み解く方法
誰かがAGIはもう存在すると言おうと、あるいは不可能だと言おうと、その主張を観測可能な問いに置き換えてみるとよい。そのシステムは幅広く有能なのか、それとも単にインターフェースが幅広く見えるだけなのか。新しい仕事に転用できるのか。どれほど信頼できるのか。長期にわたる現実世界のプロジェクトをやり遂げられるのか。継続的な人間による修正を必要とするのか。展開後も学習し続けるのか。その証拠は公開されており、独立に再現可能なのか。
2026年時点での誠実な結論は、展開されているすべてのAIが単に「狭い」だけだというものでも、幅広い言語モデルが普遍的に合意されたAGIの一線を越えたというものでもない。現在のシステムは、際立った幅広さと深刻な脆さを併せ持っている。AGIは今なお論争的な概念であり、ASIは今なお仮説にとどまっている。だからこそ最も有用な「能力のはしご」とは、ある企業が自らを勝者だと宣言できるような3段の階段ではなく、日付の付いた証拠に基づく多次元の地図なのである。