はじめに〜第2節 AGIは「最終到達点」なのか
はじめに
人工知能をめぐる議論では、長い間、AGI（Artificial General Intelligence：人工汎用知能）の実現が一つの到達点として語られてきました。
AGIとは一般に、特定の限定された課題だけではなく、人間が行う広範な知的活動を遂行できる人工知能を意味します。文章を書く、数学的問題を解く、科学的仮説を立てる、計画を作る、新しい状況に適応するといった、多様な認知的課題を横断して能力を発揮するシステムです。
しかし、Google DeepMindの技術報告書『From AGI to ASI』は、AGIの実現そのものを中心的な問題とはしていません。
この報告書が問いかけるのは、その一歩先です。
人間と同程度の汎用知能を持つAIが実現した後、AIの能力向上はそこで止まるのだろうか。
あるいは、
AGIは最終地点ではなく、人工超知能ASIへ向かう通過点にすぎないのではないか。
という問題です。
2026年6月に公表されたこの報告書は、AIが人間レベルのAGIに到達した後も発展を続ける可能性を検討し、AGIからASIへ至る技術的経路、その経路を加速または阻害する要因、そして現時点では答えの出ていない研究課題を体系的に整理しています。（Google DeepMind）
本稿ではまず、この報告書がなぜ書かれたのか、AGIとASIをどのように位置付けているのか、そしてその問題設定がAI研究だけでなく、社会、教育、科学、経済、政治にとってなぜ重要なのかを解説します。
第1節 この報告書の中心的な問い
『From AGI to ASI』の主題は、端的に言えば次の問いです。
人間レベルの人工知能が実現した後、人工知能はどのように発展していくのか。
著者たちは、AGIがいつ実現するかを正確に予測しようとはしていません。
むしろ、AGIの実現時期にかかわらず、いずれ人間レベルの汎用知能が実現したと仮定し、その後にどのような技術的発展が起こり得るかを検討しています。
この報告書の目的は、将来を一つのシナリオに決めつけることではありません。AGI以後のAIの発展について、考え得る複数の経路を示し、それぞれの経路にどのような摩擦、制約、ボトルネックが存在するかを明らかにすることです。
報告書は、AGIからASIへの主要な経路として、次の四つを挙げています。
- 計算資源、モデル、データの規模拡大
- AIのアルゴリズムや学習パラダイムの転換
- AIによる再帰的な自己改善
- 多数のAIエージェントが形成する大規模な集合知
これらは互いに排他的な経路ではありません。複数の経路が同時に進み、互いを増幅する可能性があります。（Google DeepMind）
ここで重要なのは、著者たちが「ASIは必ず実現する」と主張しているわけではないことです。
また、「AGIが現れれば直ちにASIになる」と断定しているわけでもありません。
報告書の姿勢は、かなり慎重です。
ASIへの移行を加速させる要因と、それを遅らせたり停止させたりする要因の双方を検討し、現時点ではそのどちらが支配的になるか分からないとしています。
したがって、この報告書はASIの予言書ではありません。
むしろ、AGI以後の世界について、研究可能な問いを整理するための地図だと理解するのが適切です。
第2節 AGIは「最終到達点」なのか
これまでのAI研究や社会的議論では、AGIはしばしば究極の目標として扱われてきました。
人間と同程度に考え、学び、推論し、計画できるAIが実現すれば、AI研究は一つの完成地点に達するかのように考えられてきたのです。
しかし、この考え方には大きな疑問があります。
仮にAIが人間と同程度の知能を獲得したとして、その能力向上をそこで止める自然法則は存在するのでしょうか。
人間の知能水準は、生物進化によって偶然形成された一つの地点です。宇宙に存在し得る知能の理論的上限ではありません。
人間の脳の主な制約
人間の脳には、さまざまな物理的・生物学的制約があります。
- 神経信号の伝達速度
- 脳の大きさ
- エネルギー消費
- 記憶容量
- 学習に必要な時間
- 睡眠や疲労
- 寿命
- 同時に処理できる情報量
これに対してデジタル知能は、原理的には異なる性質を持っています。
同一のシステムを多数複製することができ、非常に高速に動作させることができ、膨大な記憶装置や外部ツールに接続できます。複数のAIを並列に稼働させ、知識や学習成果を共有することも可能です。
そのため、人間レベルの知能を実現することは、必ずしもAI発展の終点ではありません。
それはむしろ、人工知能が人間の能力を参照基準とする段階から、人間の能力によっては測れない領域へ移行する転換点である可能性があります。