人工知能の未来をめぐる議論は、汎用人工知能（AGI）、技術的シンギュラリティ、超知能といった概念によって、ますます形づくられるようになっています。これらは大きな変革のシナリオを説明するために頻繁に用いられますが、必ずしも明確に理解されているわけではありません。
本記事では、PwC PortugalのAI Tech LeadであるRicardo Pacheco Almeidaが、これらの考え方の起源をたどり、人間を超える知能の実現に向けて進むべき道筋を描きます。
AGI、技術的シンギュラリティ、超知能が、AIのあり得る未来について、それぞれ異なる見方を表していることをご存じですか？
- AGIは、幅広い認知タスクを人間と同等の性能で実行できるシステムを指します。
- 技術的シンギュラリティは、その能力が自律的かつ加速度的に進化する時点を指します。そして、
- 超知能は、ほぼすべての知的活動において、機械が人間の能力を一貫して上回る段階を表します。
リーダーや組織にとって、これらの違いを理解することは、単なる学術的な作業ではありません。AGIをどのように定義するかによって、リーダーや組織がその将来の可能性や、規制、投資、リスク管理、戦略計画といった領域への影響をどう捉えるかが変わります。
したがって本記事は、これらの現象の出現によって社会、環境、経済、政治に生じ得る影響を予測することを目的とせず、今後のあらゆる議論の基盤となる概念の明確化に焦点を当てます。
統計的AIの黎明期からGenAIへ
AGI、技術的シンギュラリティ、超知能を理解するには、AIがまだ公共の議論を支配していなかった時代を振り返る価値があります。私がイノベーション経済学を学んでいた頃、ChatGPTのような商用モデルが登場する何年も前には、この研究分野で人工知能が今日ほど頻繁に話題になることはありませんでした。
人工知能（AI）という概念には、すでに数十年の歴史があります。1997年にDeep Blueがチェスの世界王者Garry Kasparovを破ったときなど、長年にわたって何度も「ハイプ」が生じましたが、AIは依然として、主に予測、分類、パターン認識のための、基本的に統計に基づく手法の集合と見なされていました。つまり、「従来型」の機械学習における典型的なユースケースです。
技術がどのようにして人間を上回る知能を生み出し得るのかは、すでに推測されていました。根本的に異なる構想を持つ二つの学派が登場しました。一つはヨーロッパ、もう一つは米国です。
Soft-Singularity：グローバル・ブレイン
ベルギーでは、1990年代から、サイバネティクス研究者Francis Heylighenが、創発とグローバル・ブレイン（またはSoft-Singularity）の概念を発展させました。それは、数十億の人間と機械の間で交わされる膨大な量のデータとつながりから意識が生まれる、受動的な出来事です。この現象は、人間のニューロンの働きと同じものになるとされます。個々には知的能力を一切持ちませんが、集まることで脳を形成します。全体は部分の総和を超えるのです。
言い換えれば、インターネットに含まれる情報量を基に、インターネットが自ら「目覚め」、意識を持つことが期待されていたのです。したがって、それは集合的かつ分散したメタ知能であり、接続された人間自身もその一部となり、その創発は既存のつながりの数だけに依存するという構想でした。
Hard-Singularity：技術的シンギュラリティ
ヨーロッパの構想が、人間と機械のつながりから知能が自然に生まれる受動的な創発を頼りにしていたのに対し、米国の構想は、より意図的で、潜在的にはより破壊的なものを提案しました。シリコンバレーでは、技術的シンギュラリティ（またはHard-Singularity）という概念が登場し、Ray Kurzweilなどの未来学者によって広められました（例えば、2005年の著書The Singularity is Nearや、2024年のThe Singularity is Nearer）。
「シンギュラリティ」という言葉は、物理学と数学から借用した比喩です。厳密には、ある変数（例えばブラックホール内の密度）が無限大に近づき、見かけ上の物理法則が意味をなさなくなる点を指します。この出来事は歴史上の断絶点となり、技術の進化があまりにも目まぐるしくなることで、人間の予測モデルが崩壊し、未来を予測できなくなると考えられています。
ここで中心となる概念は、数学者・統計学者のI.J. Goodが最初に述べた「知能爆発」です。自分自身の改良版を設計できるAGIを、私たちが生み出す瞬間を指します。このプロセスは、再帰的な自己改善のサイクルを開始します。バージョン1.0が2.0を作り、より賢い2.0が、さらに速く3.0を作り、その繰り返しが続きます。このサイクルが電子的な速度で何千回も繰り返され、数日、あるいは数時間のうちに人間の理解を超える超知能（ASI）へと至るというのです。
I.J. GoodやRay Kurzweilから数十年を経た今も、この考え方は生き続けているだけでなく、切迫感を増しています。これは、Daniel Kokotajlo、Scott Alexander、Thomas Larsen、Eli Lifland、Romeo Deanが2025年に公表したレポート「AI 2027」の中心にある考え方です。同レポートは、自己改善が可能なAGIの開発を前提として、2027年がどのような年になるかを予測しようとしています。
AGIとは何か？
技術的シンギュラリティと超知能に関するすべてのシナリオは、AGIの出現という一つの前提から出発します。しかし、具体的にAGIとは何なのでしょうか。そして、私たちはその道のりのどの地点にいるのでしょうか。
AGIの定義は複雑であることが明らかになっており、科学的な合意は企業ごとに異なる定義へと分かれています。現時点で、OpenAIは経済的影響（人間の労働の代替）によって定義し、Anthropicはリスクと安全性のレベル（ASL）に焦点を当てています。一方、Metaは（Yann LeCunを通じて）、現在のモデルには「世界モデル」と「物理的」な理解が欠けていると主張し、この用語を退けています。
私が普段採用するのは、研究機関Google DeepMindが提案する見方であり、その中心的な前提は「プロセスではなく能力に焦点を当てる」ことです。つまり、システムがAGIと見なされるには、同等の能力でタスクを実行できれば十分であり、「感覚意識」を備えたり、人間の思考を模倣したりする必要はありません。要するに、どのようなタスクであってもAGIはこなせるべきだということです。ギリシャ神話について正確なプレゼンテーションを作ることから、街で最も適したレストランを予約するために電話をかけることまで含まれます。
「AGI、シンギュラリティ、超知能についての異なる見方は、生成AIの未来を捉える異なる角度として、引き続き重要です。それらはすべて、長期的な戦略を定めるための道具や着想の源となります。特に、生成AIの影響が大きい分野においてそう言えます。」
Ricardo Pacheco Almeida、PwC PortugalのAI Tech Lead
AGIの五つのレベル
AGIが時間とともにどのように進化し得るかを明らかにするため、Google DeepMindは、これを二者択一的な断絶点ではなく、進化の尺度として記述するモデルを提案しています。このモデルは二つの軸に基づき、そこから五つの分類レベルが導かれます。
- 性能（能力の深さ）、および
- 汎用性（タスクの幅）。
AGIの進化を分類するマトリクス
レベル1（萌芽的AGI）
汎用性を備えているものの、全体的な性能は熟練していない人間と同程度にとどまるシステムです。DeepMindは、OpenAI、Anthropic、Googleの最新モデルなど、現在のフロンティアモデルをこのレベルに分類しています。
レベル2（有能なAGI）
幅広いタスクにおいて、システムの性能が熟練した成人の50%と同等になる閾値です。
レベル3と4（専門家と達人）
能力がそれぞれ、熟練した成人の90および99パーセンタイルにまで高まる段階です。
レベル5（超人的AGI）
すべてのタスクで、100%の人間を上回るシステムです。
レベル5に達した時点で、私たちは超知能、すなわち、全般的にすべてのタスクにおいて、すべての人間よりも高い性能を持つ仮想的な存在に直面すると考えられます。このような可能性を持つ技術を利用できるようになることは、私たちの知るあらゆるものに極めて深い影響を及ぼすでしょう。
未来にはマルチエージェントAGIが登場するのか？
AGIの進化は、ますます強力になる単一のモデルを通じてではなく、専門化された複数のエージェントが連携して動くシステムを通じて進むかもしれません。今問われているのは、そこへどう到達するかということです。ますます強力になる単一のモデルを通じてでしょうか。それとも別の道筋でしょうか。
近年、GenAIを用いて意思決定を行い、ツールを使うソフトウェアプログラムと定義できるGenAIエージェントが登場したことを受け、DeepMindは、極めて高度な一枚岩の脳ではなく、複数の専門性と利用可能なツールを備えたエージェントのシステムから、AGIが自然に生まれる可能性を示唆しています。この見方はますます広まり、「マルチエージェントAGI、または集合知」と呼ばれるようになっています。
興味深いことに、専門化された複数のエージェントの協働から知能が生まれるというこの構想は、Heylighenのグローバル・ブレインを思い起こさせます。ただし、根本的な違いがあります。インターネットからの受動的な創発ではなく、意図を持って設計されたシステムに依存しているのです。
熱意と懸念の間を揺れ動く議論の中で、これらの概念を明確にすることは、リーダー、組織、意思決定者が、十分な知識に基づき責任を持ってAIの進化を位置づけるために不可欠です。この認識を、本世紀を通じたAIへの戦略的で慎重かつ将来を見据えた取り組みの指針とすべきです。