人工知能全般、一般にAGIと略されるものは、人工知能の仮説的な形態を指し、単一の領域に特化して優れるのではなく、人間ができるあらゆる知的タスクを理解し、学習し、実行できる能力を持つものを指す。これは通常、チェスエンジンから画像分類器まで、現在展開されているAIを支配する専門化されたシステムである「狭いAI」と対比される。2025年時点で、AGIを達成したと広く合意されたシステムは存在せず、その正確な定義は研究者、経営者、哲学者の間で依然として議論が続いている。
定義
AGIの受け入れられた単一の定義は存在しない。提案されている基準は、広範な認知タスクのバッテリーで人間のパフォーマンスに一致することから、タスク固有の再トレーニングなしにドメイン間でスキルを学習し転移する能力を持つこと、さらには人間が行えるほとんどのリモートワークタスクを実行できるシステムといった経済的に意味のある閾値まで多岐にわたる。OpenAIを含む一部の組織は、契約上または経済上の定義を用いており、AGIを純粋に技術的なものではなく、自動化された経済価値創造のレベルに結び付けている。これは、批評家によれば、この用語を科学的なベンチマークというよりもビジネスのマイルストーンにしているという選択である。
用語の歴史
この用語は現在のAIブームより前から存在する。物理学者マーク・グブルッドは、1997年のナノテクノロジーと軍事リスクに関する論文で「人工知能全般」を使用し、この用語は後に2000年代半ばにAI研究サークル内で採用され普及した。特に、研究者ベン・ゲルツェルに関連する2007年の編集書籍『人工知能全般』を通じてである。その使用は、この目標を中心に専用組織が形成されるにつれて急増した。OpenAIは2015年の設立時にAGIを明確な使命として採用し、Google DeepMindは、2010年にDeepMindとしてデミス・ハサビスによって共同設立され、2014年にGoogleに買収されたが、設立以来AGIを中心に使命を据えている。
経路と予測
AGIに向けて提案されているアプローチには、既存の大規模言語モデルと基盤モデルのアーキテクチャをより多くのデータと計算でスケーリングすること（およそ2020年以降の業界の主要な賭け）、言語モデルと明示的な計画およびツール使用を組み合わせたAIエージェントシステム、ニューラルネットワークと論理的推論をペアにするハイブリッドなニューロシンボリックアーキテクチャ、そして物理世界との身体化された相互作用に基づくアプローチが含まれる。AI研究者の調査では、タイムラインについて広範な意見の相違が示されており、「高水準の機械知能」の中央値予測は、2016年から2023年の間に実施された一連の調査で次第に早まっているが、個々の推定は数年から数十年に及ぶ。
近接性に関する議論
業界リーダーは著しく異なる評価を示している。サム・アルトマンや他の経営者は、AGIが現在の10年以内に達成可能であると述べている一方、ハサビスは残る科学的ギャップを強調したより慎重なタイムラインを提供している。2024年から登場した推論モデルシステム（OpenAI o1など）は、推論時に多段階の問題に対して追加の計算を割り当てるものであり、一部では一般的な能力への加速的な進歩の証拠として引用され、他では真の一般性ではなく狭いベンチマークパフォーマンスの漸進的な改善と見なされている。
批判と懐疑
ゲイリー・マーカスやフランソワ・ショレを含む研究者は、大規模言語モデルによって達成されたベンチマークの向上は、堅牢な一般化ではなく、トレーニングデータに対する記憶や補間を反映していることが多く、新しい推論問題での持続的な失敗を指摘していると主張している。ショレのARC-AGIベンチマークは、トレーニングデータに現れる可能性が低いタスクで抽象化をテストすることにより、この批判に抵抗するよう明示的に設計された。AGIに関する懸念は、超知能とAIによる実存的リスクに関するより広範な議論と密接に関連している。なぜなら、多くの安全性の議論は、AGIが一旦達成されれば、人間の監視を超えて急速に自己改善できると仮定しているからである。これは、現在のアーキテクチャはさらなる概念的なブレークスルーなしには根本的に限界があると見る懐疑論者によって異議を唱えられている主張である。