AGI(Artificial General Intelligence、汎用人工知能)は、特定の課題に特化したいまのAIとは違い、人のように見慣れない問題にも柔軟に対応できる汎用的な知能を指します。推論モデルとAIエージェントの進歩の速さを根拠に、AGIは遠くないとする楽観論がある一方、いまのモデルは本当の理解というよりパターンマッチングに近いという懐疑論も根強くあります。定義そのものに合意がないことも、論争を複雑にしています。
基準によって分かれる判断、ARC-AGIが生まれた理由
ある基準で見れば、特定の領域(言語、コーディング、一部の推論)ではすでに人間の専門家に迫っているともいえます。別の基準(長期的な計画、身体感覚をともなう学習)で見れば、まだかなり遠いともいえます。ARC-AGIのようなベンチマークが登場した理由もここにあります。既存の試験問題は学習データに含まれていた可能性があり、本当の汎化能力を測りにくい。そうした問題意識から、初めて見るパズルをどれだけ解けるかで汎用性を測ろうとする試みです。
技術用語であり、マーケティング用語でもある
AGIという言葉は、技術用語であると同時にマーケティング用語としても使われている点を踏まえておく必要があります。投資の呼び込みや製品の宣伝の文脈で使われる「AGIに近づいた」という表現と、研究者が狭く定義した技術的な基準は、しばしば別の話をしています。
実務の立場で大事なのは、AGIがいつ来るかという論争より、いまのモデルがどの課題では信頼でき、どの課題ではまだ弱いのかを正確に知ることです。
汎用性への過度な期待は、かえって特定の領域での失敗につながりかねません。
安全性とアライメント、そして「強力なAI」という言い換え
安全性の議論も、AGIをめぐる言説とよく絡み合います。汎用的な知能に近づくほど、制御とアライメント(alignment)の難しさも増すという懸念は、最近のAIガバナンスの議論を前倒しさせている背景のひとつでもあります。一部の研究者は、AGIの代わりに「強力なAI(powerful AI)」のような、論争になりにくい表現を使おうと提案しています。ある時点で到達するひとつの状態としてではなく、能力が広がり続ける連続した過程として捉えようという趣旨です。
数年から数十年、分かれる予測と「段階的な過程」という見方
実務の組織にとっては、AGIの論争に時間を使うより、いまのモデルが処理できる課題とできない課題を定期的に評価し直すほうが生産的です。能力の範囲は数か月単位でも大きく変わっているからです。AGIに到達する時期を尋ねるアンケートでも、専門家の答えは数年から数十年まで大きく分かれます。この不確実さそのものが、AGIが単一の出来事ではなく段階的な過程である可能性を示しているという解釈もあります。
予防的な規制論と現実論、そして「狭い超知能」
AGIの議論は、規制の方向性にも影響しています。
まだ来ていない未来のリスクに備えようとする予防的な規制論と、いま実際に存在する問題(バイアス、悪用)に集中しようとする現実論が、政策の議論の中でぶつかり続けています。一部の研究者は、AGIというひとつの到達点よりも、特定の業務領域で人間の専門家の水準に達する「狭い超知能」が、さまざまな分野でそれぞれ先に現れる可能性のほうが高いと見ています。医療診断やコードの作成のように、領域ごとに先に人間を超える事例が積み重なっていくという見方です。
国際協力、そして「知能とは何か」という古い問い
AGIに備えた国際協力の議論も、少しずつ具体的になっています。複数の国のAI安全研究所が共同でリスク評価の基準を作ろうとする試みが続いており、冷戦期の核兵器管理の交渉にたとえられることもあります。AGIの論争は結局、「知能をどう定義するか」という古い哲学的な問いに戻っていきます。この定義に合意がない限り、AGIに到達したかどうかの判断も食い違い続けるしかありません。一部の企業は、AGIという言葉の代わりに、特定の経済的価値を生み出す能力を基準に目標を定義し直そうとしています。
あいまいな知能の概念より、測定できる成果指標を優先しようとするアプローチです。
まとめ
AGIという概念そのものより大切なのは、いまこの瞬間にAIが実際にできることとできないことを正確に把握し、それに合わせて活用する姿勢でしょう。AGIは確定したひとつの目的地というより、引き直され続ける基準線に近いものです。その線がどこにあっても、いま実務で必要なのは過大な期待でも過度な冷笑でもなく、モデルの実際の能力範囲を正確に見極める姿勢です。こうした見方の変化そのものが、AGIの議論がいまも進行中であることを示しています。