日本語
当時の視点：2025年3月22日までに利用できた情報に基づく。時系列は2026年9月12日に修正。
汎用人工知能は、宣言するのは簡単で、定義するのは難しい。あるテストで人を上回り、別のテストでは苦戦しながら、日々の仕事には役立つシステムもある。それぞれの観察だけで、汎用的な知能があるかは決まらない。
「汎用」とは何か
AGIの到来予測がつかみにくい理由の一つは、人によってゴールが違うことだ。広範な人間並みの能力、未知の作業を効率よく学ぶこと、経済的に価値ある仕事を自動化する能力を指す場合がある。どれを予測しているかが明示されなければ、その予測は評価しにくい。
研究の枠組みLevels of AGIは、どれほどうまく実行するか、能力がどれほど広いか、どの程度自律的に使われるかを分ける。複数の問いを一つのラベルに押し込まないために、有用な考え方だ。
非常に有能でも、密接な監督を要する道具はある。独立して動きながら重大な誤りを犯すものもある。したがって独立性は能力の代わりにはならず、狭い課題での能力だけでは汎用性の全体を語れない。
ARCの結果が示すこと、示さないこと
ARCは、小さな視覚的格子の例を結ぶ変換を推測し、新しいケースに適用するようシステムに求める。事実の暗記ではなく、未知の課題への適応を調べる設計だ。興味深いテストではあるが、人々が知能と呼ぶすべての能力の完全な一覧ではない。
ARC Prizeは、2024年12月のo3プレビュー評価の説明で、ベンチマークの大きな改善を報告した。同時に、その結果がAGIを確立するものではないと強調し、使った資源の重要性も論じた。これはその日付の予備評価の話であり、未公開の将来のベンチマークや、同じモデル名を持つ全システムについての主張ではない。
結果は試験条件とセットで読む
システムに与えられる例、評価用データ、許される計算量、試行回数は、すべてスコアの意味を変える。数字の上昇が本当の進歩を示しても、効率と一般化に関する難しい問いが残ることはある。
同様に、一つの課題の低い点数では、研究の一方向全体が決して成功しないとは証明できない。成功にも失敗にも、方法を調べるのが妥当な対応だ。ベンチマークを万能な知能証明書として扱うと、小さな格子にかなり無理な事務負担をかけてしまう。
次の驚く結果をどう読むか
ベンチマークがAGI、あるいはその不可能性を証明したと決める前に、いくつか確認しよう。
- どのテストのどの版か？ 世代によって異なる課題を測ることがある。
- どのデータか？ 公開例と、評価用に取り分けたデータでは、答える問いが違う。
- どれだけ助けがあったか？ 道具、再試行、人の介入、専用コードが結果に影響する。
- 費用はどれほどか？ 計算と時間を増やして性能が上がっても、すべての用途で実用的になるとは限らない。
- 再現できるか？ 記述された方法は、選ばれた実演より評価しやすい。
これらの問いは、熱心な主張にも懐疑的な主張にも当てはまる。見事な失敗は有益な情報であっても、システムのできることの全体を説明しない。見事な成功も有益だが、一般化する証明にはならない。
役立つ道具に、AGI論争の決着は要らない
日常の判断では、終えたい仕事から始めよう。出力を確かめ、人の確認をどこに置くか決め、成功だけでなく失敗も評価する。特定の道具が特定の仕事に役立つかを判断するのに、AGIの到来予測は必要ない。
有用な習慣は、主張を特定し、証拠を調べ、結論を改める余地を残すことだ。印象的な実演も派手な失敗も、それ一つで議論全体を決めることはできない。
2025-03-22公開の英語版の記事を日本語に翻訳しました。翻訳日：2026年10月30日。翻訳にはAIを使用し、記事内の時点は原文に合わせています。
