第7回　多数のAGIは集合体としてASIになり得るか

Google DeepMind「From AGI to ASI」完全解説｜第7回 / 全9回

マルチエージェント協調、分業、市場、そして「人工的組織知能」

シリーズ　ERF Research Companion Series No.1

版　Publication Edition / Version 1.0 / 2026

キーワード　マルチエージェント / 集合知 / Group Agent / ガバナンス

概要

これまでの各回では、AGIからASIへ至る三つの経路を検討してきました。

第一は、計算資源、モデル、データ、推論時間を増大させるスケーリングです。

本文を読むPublication Edition PDF
詳細目次
  1. はじめに
  2. 第1節　なぜ集団は個人より賢くなり得るのか
  3. 1.1 個体の知能と組織の知能
  4. 1.2 集合知は人数の合計ではない
  5. 第2節　「Group Agent――集団的主体」とは何か
  6. 2.1 完全自動化企業
  7. 2.2 構成員とは異なる目的
  8. 第3節　二つの主要な組織形態
  9. 3.1 均質な超集合体
  10. 3.2 多様なAIによる分散型市場
  11. 3.3 中央集権と分散型の中間
  12. 第4節　認知的分業
  13. 4.1 問題の分解
  14. 4.2 並列化できる問題
  15. 4.3 並列化しにくい問題
  16. 第5節　多様性はなぜ必要なのか
  17. 5.1 同じモデルを多数動かす場合
  18. 5.2 異なるモデルを組み合わせる場合
  19. 第6節　協力と競争
  20. 6.1 ゼロサム競争
  21. 6.2 協力能力の評価
  22. 第7節　創発
  23. 7.1 意図しない役割分化
  24. 7.2 独自の通信方法
  25. 7.3 集団規範
  26. 第8節　マルチエージェント・スケーリング則
  27. 8.1 線形的成長
  28. 8.2 劣線形的成長
  29. 8.3 超線形的成長
  30. 8.4 負のスケーリング
  31. 第9節　一つの巨大モデルと多数の小型AI
  32. 9.1 巨大モデルの利点
  33. 9.2 多数モデルの利点
  34. 第10節　集団の失敗
  35. 10.1 情報カスケード
  36. 10.2 集団思考
  37. 10.3 責任の分散
  38. 10.4 目標の断片化
  39. 10.5 通信量の爆発
  40. 第11節　集団アラインメント
  41. 11.1 個体アラインメントと集団アラインメント
  42. 11.2 メカニズム・デザイン
  43. 第12節　認識上のレジリエンス
  44. 12.1 独立検証
  45. 12.2 少数意見の保存
  46. 12.3 訂正可能性
  47. 12.4 多様な評価器
  48. 第13節　人間とAIの混合集団
  49. 13.1 速度の非対称性
  50. 13.2 情報量の非対称性
  51. 13.3 理解能力の非対称性
  52. 13.4 意味のある人間参加
  53. 第14節　マルチエージェント経路はASIへの「緩やかな道」か
  54. 14.1 弱いASI
  55. 14.2 集団が自己改善を始める場合
  56. ERF Commentary
  57. 第15節　大学はすでに集団的知能である
  58. 第16節　AI研究所と大学の競合
  59. 第17節　大学とAIのハイブリッド共同体
  60. 第18節　学際性の意味が変わる
  61. 第19節　Disagreeing Wellと集合知
  62. 第20節　大学は異論を保存する制度である
  63. 第21節　AI組織のガバナンスを誰が研究するのか
  64. 第22節　人間が参加する意味
  65. 第23節　Ecological Universityとの関係
  66. 第24節　大学は「人間とAIが共に考える制度」へ
  67. 結論