AGI（汎用人工知能）の先にあるASI（人工超知能）への道筋
概要
2026年6月、Google DeepMindは “From AGI to ASI” を発表しました。
近年、多くのAI企業は「Artificial General Intelligence（AGI：汎用人工知能）」の実現を目標としてきました。しかし、本論文はさらにその先にある Artificial Superintelligence（ASI：人工超知能） に焦点を当てています。
論文の中心的な問いは、
「人間レベルの知能に到達したAIは、その後どのように超知能へ進化していくのか」
AGIはゴールではない
一般にはAGIがAI開発の最終目標であるかのように語られることが少なくありません。
しかしDeepMindは、AGIを一つの通過点として位置づけています。AGIを獲得したAIは、その後も能力を向上させ続け、人間を大きく超えるASIへ到達する可能性があります。
つまり、
「AGI＝終着点」ではなく、「AGI＝出発点」である
という考え方です。
ASIとは何か
DeepMindはASIを、人間個人を超えるだけではなく、大規模な専門家組織全体よりも高い知的能力を持つAIとして説明しています。
つまり、一人の天才を超えるだけではなく、大学、研究所、多国籍企業、政府機関など、人間が形成する知識共同体全体を超える知的能力を持つシステムです。
ASIへの4つの道
論文では、ASIへ至る可能性として4つの経路が示されています。
1. Scaling
現在のAIモデルをさらに巨大化し、計算能力、データ、モデルサイズを増やすことで性能を向上させる道です。
現在までの大規模言語モデルの発展は、この路線によって支えられてきました。
2. 新しいAIパラダイム
現在のTransformerを超える新しい学習方式、新しいアーキテクチャ、新しい推論方法が登場する可能性です。
これは、人類史における科学的パラダイム転換のようなブレークスルーに相当するものです。
3. Recursive Self-Improvement
最も注目される経路の一つです。
AI自身がAIを研究し、設計し、改善するようになることで、改善速度そのものが加速していきます。
これまで人間研究者が担ってきたAI研究をAI自身が担うようになれば、進歩の速度は飛躍的に高まる可能性があります。
4. マルチエージェント社会
個々のAIが人間レベルであっても、多数のAIエージェントが分業し、協力し、相互に学習することで、社会全体として超知能が生まれる可能性です。
DeepMindは、この「AIの社会」がASIへの重要な道になる可能性を示しています。
ASIへの障害
DeepMindは同時に、ASIへの進歩は決して自動的ではないとも述べています。
例えば、エネルギー消費、半導体、データ不足、アルゴリズムの限界、安全性、社会制度、ガバナンスなど、多くの制約が存在します。
したがって、ASIがいつ実現するかを断言することはできません。
教育への示唆
本論文は工学的な報告書ですが、高等教育に対しても重要な示唆を与えています。
もしAIが研究そのものを担うようになれば、大学は「知識を教える場」から、人間とAIが新しい知識を共創する場へ変化する可能性があります。
その際に重要となるのは、批判的思考、倫理、創造性、学際的協働、国際協力といった、人間ならではの能力です。
これは、Ronald Barnett教授が提唱する「Ecological University」の理念とも共通する視点と言えるでしょう。
ERF Commentary
Google DeepMindの本論文が重要なのは、「AGIが実現するかどうか」という問いから一歩進み、「AGIの後に何が起こるのか」という新たな研究課題を提示した点にあります。
また、本論文が描く未来像は、Sam Altmanが述べる “The Gentle Singularity” とも共通点があります。社会は一度に劇的に変わるのではなく、AIによる科学・技術・産業の継続的な進歩を通じて、段階的に変容していく可能性があります。
教育の世界においても、AIを単なる学習支援ツールとして捉えるのではなく、研究、教育、大学経営、さらには知識創造そのものを変革する存在として考える必要があります。
大学は、AI時代において人間固有の価値を再定義し、AIとの協働を前提とした新しい知のエコシステムを構築することが求められています。