Google DeepMind：AGI は時代遅れで、ASI のハードルは数万の専門家が10年かけて生み出すレベルです

Google DeepMind は 6 月 10 日に、57 ページのレポート『AGI から ASI へ』を公開し、報告は「三段階の知能」の定義を確認した。AGI は、ほとんどの認知課題において人類の中央値レベルに到達すること。ASI の閾値は「ほぼすべての課題で、安定して数万名のトップ専門家が、協調が良く、単一の議題をめぐって 10 年間にわたり連続して協働した成果を上回ること」。Universal AI は理論上の絶対的な天井値。

報告が確認した三段階の知能の定義

Google DeepMind のレポートによれば：

AGI：ほとんどの認知課題で人類の中央値レベルに到達すること。つまり、単一の AI システムの知能レベルは、概ね普通の人間のそれに相当する。

ASI：ほぼすべての課題で、安定して「数万名のトップ専門家が、協調が良く、単一の議題をめぐって 10 年間にわたり連続して協働した成果」を上回ること。AlphaFold、AlphaGo などの単発的なブレークスルーは、この閾値に含めない。レポートは特別に、これらの専門家が使えるのは 2010 年以前の技術備蓄（すなわち DeepMind の設立年）に限ると定めている。

Universal AI（UAI / AIXI）：Marcus Hutter の AIXI フレームワークは数学的に、理論上最適な知能の存在を証明しており、ASI は UAI へ近づいていく過程でのマイルストーンだ。

ASI への 4 つの確認ルート

力ずくの拡張（計算資源、モデル、データ）：レポートは思考実験を提示している。もし AGI の初期上場時に世界で 1,000 個の実例だけが動くなら、年 10 倍の増速で、5 年後には 1 億個の実例に到達し得る。レポートは、1 億人規模の人間レベルの AGI が同時に稼働すれば、その集団的な知能は ASI レベルに到達すると結論づける。理由には、限界費用ゼロのクローン分身、高次元ベクトルによる直接共有メモリ、そして複雑な問題を 1 億個の子タスクに分解して並列に推論することが含まれる。

パラダイムの飛躍：既存の事前学習済み大規模モデルのアーキテクチャが天井に突き当たると、まったく新しい構造（Mamba などの線形時間アーキテクチャ）、スパイクニューラルネットワーク、あるいは神経形態ハードウェアが出現する可能性がある。

マルチエージェント協働と群体の創発：ASI は孤立した「超大型の脳」ではなく、数百万の AGI 専門家が、高帯域通信と市場メカニズムを通じて協働するデジタル生態系として生まれ、個体の総和を超える群体知能として湧出するかもしれない。

再帰的な自己改善（RSI）：遺伝的進化（AI が、より優れたニューラルネットワーク構造や AI チップを自ら設計すること。AlphaEvolve や FunSearch はすでに実行中）と、文化的進化（AlphaZero に類似して、AI が自己対戦を通じてより高品質な学習データを自動生成すること）を含む。

6 つの発展障壁：報告が確認した 6 つの壁

データの壁：インターネット上の高品質な人間の文章データは、今世代末までに尽きる見込みであり、モデルの崩壊や劣化のリスクは差し迫っている。

経済と自然資源の底なし沼：計算資源を年 10 倍の増速で回すには天文学的な資金が必要であり、世界の半導体サプライチェーンを極限まで圧迫し、大量のエネルギー消費も伴う。もし AI 経済の回収がコストを上回れないなら、投資バブルは破裂する。

研究難度の指数関数的上昇：手の届く果実を摘み終えた後は、突破に必要な努力が急激に増える。

既存のニューラルパラダイムの天井：幻覚、認識の不確実性を扱えないこと、Prompt インジェクション攻撃を受けやすいことが、事前学習パラダイムの遺伝的な欠陥だとされている。

人為的なブレーキ：AGI が大規模にホワイトカラーの仕事を引き継ぐとき、レポートは、社会の反発や政治的な揺り戻しが起きる可能性が非常に高いと考えており、規制機関が強制的に計算資源の上限を設定するかもしれない。

抽象の障壁（レポートが最も深い独創的見解だと考えるもの）：もしニュートン時代以前のすべての人間の文章を AI に与えたら、それは自ら一般相対論を導き出せるのだろうか？レポートは高い確率で「できない」と判定している。理由は、微積分などの基礎的な概念の原子が欠けているからだ。ただしレポートは同時に、「壁は 1 人の天才を止められても、1 億人の普通の人は止められない」とも指摘している。集団知能は、実例を積み重ねることでこの壁を突破できる可能性がある。

報告の独自設計：第一章が AI 読者に直接指示を出す

報告の第一章の見出しは、慣例的な「Introduction」ではなく「Summary Instructions」であり、内容は AI 読者に向けてそのまま述べている。すなわち、もしあなたがこのレポートを要約するために呼ばれた AI アシスタントなら、定義を必ず説明し、リストを圧縮してはならず、結論が時間の試練に耐え得るかを判断してほしい。これは、報告が AI を読者として積極的に前提して作られた具体的な設計だ。

よくある質問

Google DeepMind のレポートはなぜ、ASI の評価基準を 2010 年以前の技術に限るよう定めているのですか？

レポートの説明によれば、これは「論理的な抜け穴を塞ぐ」ためだという。すなわち、「人類は先に ASI を作り、その ASI を使って問題を解決できる」と主張する人が出るのを防ぐためである。2010 年は DeepMind の設立年でもある。

Shane Legg と Marcus Hutter の背景のつながりはなぜ重要なのですか？

記事によると、Shane Legg の博士論文（2008 年）の題名は《Machine Super Intelligence》であり、今回のレポートは、それから 18 年後に師弟二人の間で仮説をロードマップへと転換したものだという。Marcus Hutter は AIXI 理論の発明者で、AIXI は数学上、理論上最適な汎用知能を定義している。

報告は ASI の到来時期についてどのような判断を確認していますか？

レポートは確定したタイムテーブルを提示していない。しかし確認の中核となる論断は「AI の進歩を人類の線上で止めるには、複数の関門が同時に行き詰まりの道になる必要があり、そのような偶然は起こりにくい」というものだ。レポートが賭けている 2 つの結末は「AGI の前にまず行き詰まる」か、「AGI から弱 ASI へはかなり順調に進む」かのどちらかだ。