汎用人工知能（AGI）は、人間が行えるあらゆる知的タスクを遂行できる、理論上のAI形態です。不正検知、映画推薦、テキスト生成など特定の作業向けに設計されている今日のAIシステムとは異なり、AGIは広範に推論し、ある領域から別の領域へ学習を転用し、一つひとつを明示的に再学習することなく未知の問題を解決します。この概念は「強いAI」や「人間レベルのAI」と互換的に用いられることがよくあります。
汎用人工知能（AGI）の仕組み
AGIはまだ実現されていないため、その「仕組み」を述べるとは、それを構築することを目指す研究アプローチを述べるということです。ほとんどの取り組みは、既存のディープラーニングアーキテクチャのスケーリング、はるかに大規模で多様なデータセットによる基盤モデルの訓練、大規模言語モデルの推論・計画能力の向上に焦点を当てています。補完的な研究ラインでは、AIシステムに記憶、世界モデル、（ロボティクスやツール利用を通じた）環境中で行動する能力を与え、人間のように経験から学習できるようにしようとしています。
たとえば、そのようなシステムに、誰かが自転車に乗っている短い動画を見せたとします。自転車データのみで訓練された特化型AIなら動画を分類できますが、真に汎用的な知能を持つシステムであれば、バランスを推測し、丘道で何が起こるかを予測し、子ども向けの安全指導案を作成し、その走行について詩を書くこともできるでしょう。こうした流動的で領域横断的な転移を実現することが、AGI研究が解決しようとしている本質的な課題です。
なぜ重要なのか
AGIが議論されるのは、もし実現した場合の経済的・社会的影響が非常に大きいためです。あらゆる専門職の範囲で人間の推論に匹敵するシステムは、原理的には科学研究を加速させ、複雑な意思決定を自動化し、労働市場を再編し得ます。その一方で、こうした能力は安全性、整合性、責任、権力の集中といった重大な疑問も提起します。そのため、AI安全性センターのような組織や世界中の学術グループは、高度なAIシステムが到来する前に備えるためのフレームワークや政策提言を発表しています。
AGIに関連する重要な概念
- 特化型AI：今日の標準であり、スパムフィルタリングや音声認識など、単一の明確に定義されたタスクを遂行するシステム。
- 基盤モデル：大規模汎用モデル（例：大規模言語モデル）で、多くのタスクに適応でき、AGIへの一歩と捉える研究者もいる。
- 超知能：あらゆる領域で最高水準の人間のパフォーマンスを超える能力を持つシステム。AGIの同義語ではなく、AGIによってもたらされ得る帰結と広く考えられている。
- AIアライメント：ますます有能になるAIシステムが人間の目標や価値観に沿って行動することを保証することに焦点を当てた研究分野。
- 人間レベルのAI：AGIのほぼ同義語で、特定のアーキテクチャよりも人間の認知との同等性を強調する際に使われることがある。
AGIが数年先か、数十年先か、数百年先かは、研究者の間で今もなお活発に議論されている未解決の問題ですが、この用語は現代のAI研究と政策のかなりの部分を駆動する長期的な aspirations を表す便利な簡潔な表現となっています。研究者がこの課題をどう捉えるかをもっと深く知るには、arXivのMorrisらによる「Levels of AGI」論文（2023年）を参照してください。