I Trust AI

Generic selectors
Search in title
Search in content
Post Type Selectors
コラム
AI用語集

AGIとは？「人間レベルの汎用知能」という言葉をどう読むか

執筆者:

Yamazaki Takashi

カテゴリ:

用語：AGI

AI用語の分類：AIの基礎・学習・モデル

ひとことで：幅広い領域で人間レベル程度以上の学習・推論・知識適用と新規状況への適応を想定する汎用AI概念だが、普遍的定義や単一の判定テストはない。

AGI（Artificial General Intelligence、汎用人工知能）は、特定の一つの課題だけでなく、幅広い領域で学習・推論・知識適用を行い、新しい状況にも適応できる汎用的なAI能力を指す言葉です。ただし、AGIには世界共通の厳密な定義も、単一の公認テストもありません。「AGIを達成した」「AGIまであと何年」といった主張は、まず発言者がAGIをどう定義しているかに戻って読む必要があります。

Stanford HAIはAGIを、幅広いタスクや領域で学習・推論・知識適用を行える一般的な人間レベル以上の能力として説明する一方、human-level intelligenceの意味や判定方法には普遍的合意がないとしています。Stanford AI Index 2025も、AGIに普遍的な定義がないことを明記しています。

目次

「General」は何を意味するのか

現在のAIには、囲碁、画像分類、タンパク質構造予測、音声認識など特定タスクで非常に高い性能を出すものがあります。しかし一つの領域で人間を上回ることだけでは、通常AGIとは呼びません。

AGIで重視されるgeneralは能力の幅です。多数の認知タスクへ知識を移し、新しい問題を学び、未知状況へ適応できることが想定されます。ただし「何種類のタスクをこなせばgeneralなのか」「どれほど異なる領域をまたぐ必要があるか」は定まっていません。

「人間レベル」も一つの尺度ではない

人間には言語、数学、空間認識、運動、社会理解、常識、長期計画、創造性など多様な能力があります。同じ人でも得意不得意があります。したがって「人間レベル」を単一スコアへ落とすのは難しい問題です。

AIが大学試験で高得点でも、現実世界で自律的に長期目標を管理する能力が同水準とは限りません。逆に、特定業務を人間より高速にこなしても、未知分野を少ない経験から学習できるとは限りません。

DeepMindの「Levels of AGI」

Google DeepMindの研究者らは、AGIを一発で「ある／ない」と判定する代わりに、performance（性能の深さ）とgenerality（能力の幅）を分け、段階として整理する枠組みを提案しました。またautonomy（自律性）は能力レベルと区別して扱うべき要素として整理しています。

この区別は重要です。高性能なAIが必ず高い自律性を持つ必要はありませんし、自律的に動くエージェントが必ず幅広く高性能とは限りません。「AGI」「agent」「autonomous」を同義語のように扱うと誤解が生じます。

OpenAIの定義は組織固有の定義

OpenAI Charterでは、AGIを「ほとんどの経済的価値のある仕事で人間を上回る高度に自律的なシステム」という趣旨で定義しています。これは影響力のある定義ですが、学界全体の標準定義ではありません。

同じAGIでも、ある研究者は人間の認知能力全般の幅を重視し、別の組織は経済的に価値ある仕事の大半を遂行することを重視します。複数組織の「AGI到達予測」を比較するとき、定義が違えば年数予測をそのまま比較できません。

ベンチマーク一つでAGIを証明できるか

AI評価には数学、コーディング、科学、一般知識、抽象推論など多様なベンチマークがあります。ARC-AGIのように、事前に特定解法を暗記しにくい新しい課題で一般化能力を測ろうとする評価もあります。

しかし、どれか一つのベンチマークで人間以上の点数を取ったからといって、AGIが確定するわけではありません。各ベンチマークが測る能力範囲は限定され、データ汚染、採点方法、ツール利用、試行回数、推論時間などで結果が変わります。

逆に、一つのベンチマークに失敗したからAGIではないと機械的に決めることも、採用定義次第です。幅、深さ、新規学習、適応、信頼性など複数軸を見る必要があります。

LLMとAGIは同義ではない

Large Language Model（LLM）は、主に大量のテキストなどから系列予測を学んだモデルの種類です。現在のLLMは画像、音声、ツール利用を組み合わせ、多数のタスクを行えます。しかし「幅広いタスクができるLLM」から直ちに「AGI」と結論することはできません。

AGIは能力水準・一般性に関する概念で、LLMはモデル構造や学習方式に関する概念です。将来のAGIがLLMを中核にする可能性はあっても、定義上は同一ではありません。

AIエージェントとAGIも別

AIエージェントは、目標に沿って複数ステップを実行し、ツールを使い、環境からのフィードバックで行動を進めるシステムを指すことがあります。限定領域のエージェントでも高い自律性を持てます。

逆に、幅広い能力を持つモデルでも人間が毎回指示する設計はあり得ます。自律性は安全性や実運用リスクに大きく影響しますが、一般性・性能と同じ軸ではありません。

AGIとASIの違い

ASI（Artificial Superintelligence）は、一般には多くの重要な知的領域で人間を大幅に上回る超知能を想定する言葉です。AGIは人間レベル程度以上の汎用能力、ASIはそれを大幅に超える能力として区別されることが多いです。

ただし、OpenAIのようにAGI定義自体へ「人間を上回る」を含める組織もあるため、AGIとASIの境界も厳密な国際標準ではありません。発言者の定義へ戻る必要があります。

Narrow AIとの違い

Narrow AI（特化型AI）は限られた目的・領域で能力を発揮するAIです。AGIはその反対側に置かれ、領域をまたいで学び、知識を転用し、新しい課題へ適応することを重視します。

ただし現代の基盤モデルは多数タスクを一つのモデルでこなすため、narrowかgeneralかを二択で分けにくくなっています。段階的なAGIレベルという考え方は、こうした中間状態を扱うためにも有用です。

「AGI達成」というニュースの読み方

AGIは定義が揺れるため、見出しだけでは判断できません。誰が達成を主張したか、その人・組織の定義は何か、どの能力を測ったか、人間比較の母集団は何か、ツールや追加計算をどこまで許したかを確認します。

次に、その評価が一般性を測っているかを見ます。多数の既知ベンチマークに高得点でも、新しい課題の学習や異分野への転移を測っていない場合があります。自律性、信頼性、頑健性、安全性を評価しているかも別問題です。

元の文脈に戻るチェックリスト

  1. その記事・企業・研究者はAGIをどう定義しているか。
  2. generalは何領域・何種類のタスクを意味するか。
  3. human-levelの比較対象は平均的人間、専門家、上位専門家のどれか。
  4. 新しいタスクを学ぶ能力を測るか、既知ベンチマークの点数だけか。
  5. autonomyを能力の幅・深さと混同していないか。
  6. 一つのベンチマーク突破をAGI達成の証明として扱っていないか。
  7. LLM、AIエージェント、AGI、ASIを同義語として扱っていないか。
  8. その定義は業界標準ではなく組織固有ではないか。
  9. 「いつAGIになるか」という予測の前提定義が比較対象間で一致しているか。

AGIという言葉の実用的な読み方は、一つの定義を絶対視することではありません。幅広さ、性能、学習・適応、自律性、評価方法のどれを発言者が条件としているかを確認し、その定義の範囲内で主張を読むことが重要です。

AGIを「二値」ではなく能力プロフィールで見る

AGI議論が難しい理由の一つは、「今日まではAGIではなく、明日からAGI」という単一境界を想定しやすいことです。実際には、数学は専門家級だが長期計画は弱い、文章理解は広いがロボット操作はできない、未知課題への適応は強いが信頼性が低い、といった不均一な能力プロフィールがあり得ます。

DeepMindのLevels of AGIは、performanceとgeneralityを分けて段階化することで、この不均一性を扱おうとします。この枠組み自体が唯一の標準ではありませんが、AGI主張を「どれほど高性能か」と「どれほど広いか」に分解して読む実用的な手がかりになります。

新しい課題への適応がなぜ重要か

既知のベンチマークを大量に学習したモデルは、その問題形式へ特化して高得点を出せる可能性があります。AGIの“general”を強く捉える立場では、訓練時に個別対策されていない新課題を理解し、少ない経験から方略を獲得し、別領域の知識を転用できるかが重要になります。

このためARC-AGIのような評価は、単なる知識量よりも新しい抽象パターンへの適応を測ろうとします。ただし、このようなベンチマークもAGI全体を測る唯一の尺度ではありません。特定評価への最適化が進めば、再び「そのテストで強い」ことと「一般知能」を区別する必要が出ます。

ベンチマーク条件をそろえない比較は危険

同じモデルでも、推論時間を長くする、複数回試行して最良回答を選ぶ、Web検索やコード実行を許す、人間が問題を分割する、といった条件で得点は変わります。人間側にも時間制限、道具利用、専門性の違いがあります。

したがって「AIが人間を超えた」という見出しでは、比較した人間集団、制限時間、ツール、試行回数、採点方式を確認すべきです。能力そのものと、評価時に投入した追加計算・外部資源を分ける必要があります。

経済的定義と認知的定義

AGIには、幅広い認知タスクをこなすことを重視する定義と、経済的に価値のある仕事を幅広く遂行できることを重視する定義があります。OpenAI Charterの定義は後者の色彩が強く、Stanford HAIなどの一般的説明は学習・推論・知識適用の幅を中心に置きます。

この差は小さくありません。経済的価値は賃金、制度、ロボット設備、責任分担など社会条件にも依存します。一方、認知能力が高くても、法的権限や物理的アクセスがなければ仕事の大半を自律完遂できない場合があります。二つの定義で「AGI到達時期」が異なるのは自然です。

CapabilityとAutonomyを切り離す

非常に賢いモデルでも、毎回人間が質問しないと動かないなら自律性は低いと言えます。逆に、能力が限定的な倉庫ロボットでも、狭い環境で長時間自律運転できる場合があります。

リスク評価でもこの区別は重要です。モデルが高い能力を持つこと、外部ツールへアクセスできること、継続的に行動できること、権限を持つことは別々の条件です。「AGIではないから安全」「AGIなら自律的」という推論は避けるべきです。

Worked example：二つの「2028年にAGI」予測

A社がAGIを「経済的に価値のあるデスクワークの大半を、人間より低コストで自律遂行できるシステム」と定義し、B研究者が「人間成人が行える広範な認知課題で同等以上の学習・転移能力を持つシステム」と定義したとします。両者がともに「2028年」と予測しても、予測対象は同じではありません。

逆にA社が2028年、B研究者が2035年と予測しても、技術進歩の見方が7年違うとは限りません。定義の条件が違うだけかもしれません。AGI予測を比較するときは、まず条件を同じ言葉へ翻訳してから時期を比べる必要があります。

「AGI達成」の証拠の強さを段階で見る

弱い証拠は、少数の印象的なデモや単一ベンチマークの高得点です。より強い証拠は、多領域で再現可能な評価、未知課題への適応、長期タスクの安定性、外部評価者による検証などです。それでも、採用するAGI定義が違えば最終判定は変わります。

したがって、AGIは科学的測定が不可能な言葉ということではなく、先に操作的定義を置かなければ測定結果の意味が定まらない言葉だと考えるのが適切です。

規制・安全文脈ではラベルより具体的能力を見る

制度文書や安全評価では、「AGIかどうか」より、サイバー攻撃支援、生物学的能力、自律的な長期行動、モデル複製など、具体的な能力・脅威を評価するほうが実務的な場合があります。AGIというラベルに合意できなくても、個別リスクの測定はできます。

ニュースで「この規制はAGIを想定」と書かれている場合も、法文上の対象カテゴリが本当にAGIという語で定義されているのか、frontier modelやgeneral-purpose AIなど別の法的概念を記事側がAGIと言い換えているのかを確認してください。

現時点の立場を断定しない

AGIに普遍的な判定基準がない以上、特定モデルについて「客観的にAGIである／ない」と一語で確定するには注意が必要です。各組織の定義のもとで条件を満たしたか、どの能力が未達かを具体的に述べるほうが検証可能です。

「汎用性」を何で数えるか

能力の幅を評価するとき、単純にベンチマーク数を増やせばよいわけではありません。100種類の数学テストに強くても、すべてが同じ能力へ依存していれば実質的な幅は狭い可能性があります。言語、視覚、空間、計画、学習、社会的推論など、異なる能力軸をどうサンプリングするかが必要です。

また、既存タスクを多数こなすbreadthと、未知のタスク説明を受けて新しい技能を獲得するadaptabilityは別です。AGI定義によっては後者を強く重視します。元資料が「数千タスクに対応」を根拠にgeneralと呼んでいる場合、タスク数だけでなく相互の独立性と新規適応を確認してください。

Reliabilityは能力の高さとは別軸

平均点が人間を超えても、失敗が予測不能で重要場面に集中するなら、実務では人間代替にならないことがあります。100問中95問正解するモデルでも、同じ質問へ回答が揺れる、誤りを高い確信度で出す、長いタスクの途中で目標を失うなら、汎用システムとしての信頼性には課題があります。

AGI議論ではcapability benchmarkが目立ちやすい一方、robustness、calibration、長期一貫性、失敗からの回復も実用性に影響します。「人間レベルの能力」と「人間レベルの信頼性」を同じとみなさないことが重要です。

身体性をAGIの条件に含めるか

一部の議論では、人間の一般知能は身体を通じた知覚・行動・社会経験と切り離せないと考え、ロボティクスやembodimentを重視します。別の定義では、デジタル環境で幅広い認知労働を実行できればAGIとみなします。

この違いにより、テキスト・画像・コンピューター操作だけで高度な能力を示すシステムをAGIと呼ぶかが変わります。「現実世界で人間のように生活できないからAGIではない」という主張も、「デスクワークができればAGIだ」という主張も、それぞれ定義上の前提を持っています。

意識や感情は定義上の必須条件とは限らない

AGIという言葉から、人間のような意識、感情、自我を持つ機械を想像することがあります。しかし多くの技術的なAGI定義は、観察可能な能力やタスク性能を中心に置き、主観的意識を必須条件としていません。

したがって「AGIを達成した」という能力主張から「AIが意識を持った」と推論することはできません。逆に、意識の有無を科学的に決められないことを理由に、能力ベースのAGI評価がすべて無意味になるわけでもありません。議論している概念を分ける必要があります。

自己改善とAGIも同義ではない

AGIの未来像ではrecursive self-improvementが一緒に語られることがありますが、自分のコードや学習方法を改善できることはAGIの普遍的定義条件ではありません。限定タスクの自動最適化システムにも自己改善的なループはあり得ます。

一方、幅広い研究開発能力を持つシステムがAI研究を加速できる可能性は、安全性や経済影響の議論で重要です。しかし「AGIになった瞬間に急速自己改善が必ず始まる」という因果関係は、AGIというラベルだけからは導けません。

AGI予測には測定対象の変化も入る

数年前のAGI予測で使われた基準が、モデル能力の向上とともに簡単に達成されると、新しい難しい評価へ関心が移ることがあります。これを単に「ゴールポスト移動」と批判するだけでは不十分です。元の評価が汎用性を十分に測れていなかったことが判明した可能性もあります。

一方、達成条件を後から無制限に追加すれば概念が検証不能になります。健全なAGI議論では、予測時点で操作的な基準をできるだけ明示し、後から変更した場合は変更理由を記録することが望まれます。

企業発表を読むためのミニ手順

「当社モデルはAGIに到達した／近づいた」という発表に出会ったら、まず定義文を探します。次に、その定義を測る評価項目へ分解します。第三に、独立評価か自己評価か、非公開テストか既知ベンチマークかを確認します。最後に、未達能力と失敗条件が公開されているかを見ます。

この順で読むと、AGIという強いラベルをいったん外し、「このシステムはどの能力で、どの条件下で、何を達成したのか」という検証可能な主張へ戻せます。これがAGIニュースを読むうえで最も実用的な姿勢です。

  • ASI
  • LLM
  • AIエージェント
  • 基盤モデル
  • ロボティクス

注・出典

AI協働制作について

本記事は、著者が独自に設計した指示、参照資料、出典確認規則、著作権確認および監査工程を組み込んだChatGPT等の生成AIを、情報収集の補助、資料整理、構成検討、草稿作成、文章校正および監査補助に使用して制作しました。記事の対象範囲、情報源の採否、構成、解釈および最終表現は著者が判断し、最終稿を承認しています。著者は、本記事の正確性、独自性、引用、著作権処理および公開内容について責任を負います。制作工程の詳細は「AI協働制作方針」をご覧ください。

おすすめ