AGIからASIへ至る具体的な4つの経路を提示
1
会員（無料）になると、いいね！でマイページに保存できます。
共有する
米Google DeepMindの研究チームは、汎用人工知能（AGI）から人工超知能（ASI）への移行経路を分析した論文「From AGI to ASI」を公開した。同論文はAGIへの到達を通過点として扱い、その後にASIへ至る具体的な4つの経路を提示している。さらに、AIの進歩を継続的に測定し予測する仕組みづくりが不可欠な研究領域になるという見解を示した。
（画像：ビジネス+IT）
Google DeepMindの研究チームが発表した論文は、AI開発の焦点をAGIの実現時期から、その後のASIへの発展メカニズムへと移行させている。論文内において、AGIは広範な認知タスクで人間の中央値と同等の能力を持つシステムと定義されている。これに対し、ASIは人間の専門家集団の能力をあらゆる活動領域で上回るシステムとして位置づけられた。
研究チームは、AGIがASIへ進化する具体的な経路として4つの道筋を提示した。第1の経路は、計算資源やデータ、モデル規模のスケーリングである。より多くの計算資源を投入し、データ処理の効率を高める手法を指す。第2の経路は、アルゴリズムのパラダイムシフトである。現在の基盤モデルの延長ではなく、新たなアーキテクチャや学習手法を導入する。
第3の経路は、AI自身による再帰的改善である。AIがAIの研究開発を支援し、さらに高性能なシステムを生み出すサイクルを形成する。第4の経路は、大規模なマルチエージェント集団の形成である。個々のAIが人間レベルの能力であっても、複数のエージェントが連携し、組織的な構造を構築することで集団として超人的な能力を発揮する。
【図版付き記事はこちら】Google DeepMindがAGIからASIへの進化ロードマップを発表（図版：ビジネス+IT）
論文はこれらの経路を独立したものとして扱わず、複数のアプローチが並行して進行するという見方を示している。特定の技術的進歩に依存せず、複数の要素が組み合わさってASIへの移行を推進する構造を描き出した。
このような進化の過程において、AIの進歩を正確に把握する手法の確立が新たな課題として浮上している。論文は、AIの能力向上を測定するベンチマークの策定や、定量的な成長モデルを用いた予測研究を本格的な学問分野として確立する必要性を強調した。技術進歩に伴う摩擦やボトルネックの影響を検証し、社会変化に備えるためには、単一の到達時期を議論する状況から脱却し、継続的に進捗予測の体制を構築することが求められる。
AIの進化速度を可視化し、対応力を高めるための定量的な予測手法が、今後の研究における中核的な役割を担うという見解を表明した。
AI・生成AIのおすすめコンテンツ
Googleで見つけやすく
評価する
いいね！でぜひ著者を応援してください
会員（無料）になると、いいね！でマイページに保存できます。
関連タグ
Google DeepMind From AGI to ASI