AGIとは？ 汎用人工知能の定義と、実現時期の予測が分かれる理由

AGIとは何ですか？

汎用人工知能（AGI）とは、翻訳やチェスのような1つの限られたタスクに秀でるのではなく、幅広い知的タスクを人間と同等以上のレベルでこなせる、仮説上のAIです。真剣な定義はいずれもこの汎用性という考え方を共有していますが、細部は異なります。2025年のある研究論文は冒頭で、具体的な定義がないために、今日の特化型AIと人間レベルの認知との間の隔たりが見えにくくなっていると論じています^[3]。

広く引用される3つの定義を見ると、その幅がわかります。

• 経済的な定義：OpenAIの憲章は、AGIを「経済的に価値のある仕事のほとんどで人間を上回る、高度に自律的なシステム」と定義しています^[1]。
• レベルによる定義：Google DeepMindの研究者は、能力の深さ（性能）と幅（汎用性）という2つの軸でシステムを評価し、AGIを1本のゴールラインではなく、複数のレベルからなる道のりとして説明しています^[2]。
• 心理測定学的な定義：Dan Hendrycksが主導した2025年の論文は、AGIを十分な教育を受けた成人の認知的な多様性と熟達度に匹敵するものと定義し、10の認知領域にわたってそれを検証しています^[3]。

この言葉をまったく使わないリーダーもいます。Anthropicの最高経営責任者Dario Amodeiは、AGIをSF的な先入観と誇大宣伝を伴う不正確な用語と呼び、「強力なAI（powerful AI）」という言葉を好んでいます。彼はそれを、関連するほとんどの分野でノーベル賞受賞者より賢いものと説明しています^[4]。

AGIは今日のAIや超知能とどう違うのですか？

今日のチャットボットは汎用的ですが、能力にむらがあります。International AI Safety Report 2026は、最先端のシステムが国際数学オリンピックの問題で金メダル級の成績を収めた一方で、一見簡単なタスクで依然として失敗することがあると指摘しています^[13]。超知能とは人間のレベルを超えることを意味します。DeepMindのレベルでは、汎用AIの最上位は人工超知能（ASI）とされ、Superhumanの性能は人間の100%を上回ることと定義されています^[2]。

AGIのレベルとはどのようなものですか？

Google DeepMindのMeredith Ringel Morris、Shane Leggらによる論文「Levels of AGI」は、ICML 2024の論文集に掲載されたもので、AGIモデルとその前段階のモデルを分類するための枠組みを提案しています。これはシステムを比較し、進歩を追跡するための共通言語となることを意図したものです^[2]。論文は6つの原則を示しており、その中には、AGIを仕組みではなくシステムに何ができるかで判断すること、物理的なタスクではなく認知的・メタ認知的なタスクに焦点を当てること、AGIを終着点ではなく道のりとして扱うことが含まれています^[2]。

汎用AIのレベルは次のとおりです^[2]。

1. Emerging（萌芽）：熟練していない人間と同等か、やや優れている。論文はChatGPT、Bard、Llama 2、Geminiを例に挙げています。
2. Competent（有能）：熟練した成人の少なくとも50パーセンタイル。
3. Expert（専門家）：熟練した成人の少なくとも90パーセンタイル。
4. Exceptional（卓越）：熟練した成人の少なくとも99パーセンタイル（以前の版では「Virtuoso」と呼ばれていました）。
5. Superhuman（超人）：人間の100%を上回る。

2025年のGoogle DeepMindの安全性に関する論文はこの尺度を発展させ、Exceptional AGIに焦点を当てています。同論文はこれを、幅広い非物理的なタスクで熟練した成人の99パーセンタイルに匹敵するか、それを上回るシステムと定義しています^[10]。

研究者はAGIに向けた進歩をどのように測っているのですか？

定義が異なれば、物差しも異なります。最近の2つの取り組みが、そのアプローチをよく示しています。

認知的な「AGIスコア」

Hendrycksが主導した枠組みは、人間向けの心理測定テストバッテリーをAIに適用したもので、人間の認知能力に関するキャッテル・ホーン・キャロル理論に基づいています^[3]。この枠組みはGPT-4のAGIスコアを27%、GPT-5を57%と報告しています^[3]。著者たちは「ギザギザ」のプロファイルを指摘しています。知識集約的な領域では高い性能を示す一方で、基礎的な能力、特に長期記憶の保存に重大な欠陥があるというのです^[3]。このスコアは著者たちが選んだ領域と重み付けに依存するため、1つの研究グループによる尺度であって、公式な評価ではありません。

人間には簡単なパズル

ARC PrizeのベンチマークであるARC-AGIは、主催者によれば、新しいタスクに対する少数例からの汎化能力を測るものです^[14]。ARC-AGI-2のデータセットを使った2025年のコンテストでは、1,455チームが15,154件を提出し、非公開の評価セットでの最高スコアは24%に達しました^[14]。主催者は、探索、計画、記憶、目標の獲得をテストするインタラクティブなタスクを加えたARC-AGI-3を先行公開しています^[14]。

ベンチマークには既知の弱点があります。ARC Prizeの報告書は、フロンティアモデルの推論はその知識の網羅範囲によって制約されており、それが新たな形のベンチマーク汚染を生み出していると論じています^[14]。International AI Safety Reportは、新しい能力がいつどのように現れるかを推定する手法は依然として信頼できないと付け加えています^[13]。

AI業界のリーダーによると、AGIはいつ実現するのですか？

企業のリーダーによる公の予測は、証拠ではなく信念の表明であり、多くの場合それぞれ異なる定義を使っています。2026年11月3日時点で、その予測は大きく幅があります。

• Sam Altman（OpenAI）は2025年1月に「私たちは、従来理解されてきた意味でのAGIの作り方がわかったと、今や確信している」と書きました^[5]。
• Dario Amodei（Anthropic）は2024年10月に、強力なAIは早ければ2026年にも登場しうるが、はるかに長くかかる可能性もあると書きました^[4]。2025年1月にはCNBCに対し、ほぼすべてのタスクでほぼすべての人間より優れたAIが2〜3年以内に登場しうると語りました^[6]。
• Demis Hassabis（Google DeepMind）は2025年3月、人間ができる複雑な能力をすべて発揮できるシステムと彼が説明するAGIが、今後5〜10年のうちに現れ始めるだろうと述べました^[6]。
• Google DeepMindの安全性チームは2025年4月、実現時期については非常に不確実だとしながらも、2030年までに強力なAIシステムが開発されることは十分ありうると書きました^[10]。
• Metaを離れてスタートアップAMIを創業したYann LeCunは、2026年1月にMIT Technology Reviewに対し、大規模言語モデルは世界のモデルを持たないため本当の意味で推論や計画をすることはできず、人間レベルのAIは来年や2年後に実現するものではなく、LLMを基盤として作られることもないと語りました^[7]。
• CNBCの報道によると、Robin Li（Baidu）は2024年、AGIの実現は10年以上先だと述べました^[6]。

AI研究者を対象とした調査は何を示していますか？

研究者を対象とした調査は、経営者の予測を検証するのに役立ちますが、これも事実ではなく意見を測るものです。

最大のものは、トップクラスのAIの学会や論文誌で発表した経験のある研究者2,778人を対象に、Katja Graceらが2024年に公表した調査です^[8]。回答者は、2027年までに機械があらゆるタスクで人間を上回る確率を10%、2047年までなら50%としました。この年は、同じチームによる2022年の調査より13年早くなっています^[8]。人間のすべての職業が完全に自動化可能になる時期については、50%の推定が2116年でした^[8]。

アメリカ人工知能学会（AAAI）は、2025年のPresidential Panelの報告書のために475人の回答者を対象に調査を行いました。回答者の約3分の2は学術界の人でした^[9]。この調査では、76%が、現在のAI手法を大規模化してもAGIが実現する可能性は低い、または非常に低いと答えました^[9]。回答者の大多数（77%）は、AGIを直接追求するよりも、リスクと便益のバランスが許容できるシステムを設計することを優先し、70%は完全な安全機構ができるまでAGI研究を停止することに反対しました^[9]。

この2つの結果は必ずしも矛盾しません。研究者は数十年以内に非常に高性能なAIが登場すると予想しつつ、今日の手法を単に大きくするだけでそこに到達できるかについては疑っている、ということがありうるからです^[8][9]。

なぜ専門家の間でAGIについて意見が分かれるのですか？

AGIをめぐる議論には、いくつかの別々の対立がまとめて含まれています。

• 定義。経済的に価値のある仕事に基づくテスト^[1]、熟練した成人のパーセンタイル^[2]、心理測定学的なプロファイル^[3]では、同じシステムについて異なる答えが出る可能性があります。
• 手法。現在の手法が今後も急速に改善し続けると予想するリーダーもいる一方で^[5]、LeCunは世界モデルに基づく新しいアーキテクチャが必要だと主張しており^[7]、AAAIの回答者の大半は大規模化だけでうまくいくかを疑っています^[9]。
• 能力のむら。難しい数学に秀でたシステムでも簡単なタスクで失敗することがあり、1つの評価を下すのは困難です^[13]。Hendrycksの枠組みも同じギザギザを見出しています^[3]。
• 予測そのもの。International AI Safety Reportは、今後の進歩の速さには大きな不確実性があり、OECDの分析によると、2030年までの結果は緩やかな改善から急速な進歩まで幅がありうるとしています^[13]。
• インセンティブ。MicrosoftとOpenAIの契約が示すように、一部の企業にとってAGIは契約上・商業上の意味を持つため^[11][12]、公の発言がビジネス上の重みを帯びることがあります。

なぜAGIの定義がビジネスにとって重要なのですか？

最もわかりやすい例は、MicrosoftとOpenAIの提携です。2025年10月28日に発表された合意では、OpenAIによるAGIの宣言はすべて独立した専門家パネルによって検証されることになっていました^[11]。OpenAIのモデルと製品に対するMicrosoftの権利は2032年まで延長され、研究に関する知的財産権は、パネルがAGIを検証するまでか2030年までのいずれか早い方まで続くこととされ、MicrosoftはAGIを独自に追求する権利も得ました^[11]。

両社は2026年4月27日に再び方針を変更しました。CNBCの報道によると、OpenAIからMicrosoftへの収益分配の支払いには総額の上限が設けられ、「OpenAIの技術的進歩とは無関係に」2030年まで続くこと、OpenAIがAGIを宣言した場合にMicrosoftが対応を決める必要はなくなったこと、そして2032年までのMicrosoftの知的財産のライセンスがもはや独占的ではなくなったことが明らかになりました^[12]。この経緯は、「AGI」が科学的な目標であると同時に法的な発動条件としても機能してきたこと、そしてその契約上の役割は再交渉されうることを示しています。

AGIを追求することのメリットとリスクは何ですか？

主張されているメリット

• Amodeiは、AIを活用した生物学と医学によって、人間の生物学者が今後50〜100年かけて成し遂げたであろう進歩が5〜10年に凝縮されうると予測し、強力なAIを「データセンターの中の天才たちの国」と表現しています^[4]。
• OpenAIが掲げる使命は、AGIが全人類に恩恵をもたらすようにすることです^[1]。

リスクと懸念

• Google DeepMindの安全性に関する論文は、AGIのリスクを悪用、ミスアラインメント、ミス、構造的リスクに分類し、人類に重大な害を及ぼすほど深刻な被害に焦点を当てています^[10]。
• International AI Safety Reportは、一部の研究者や企業のリーダーが制御の喪失を深刻な可能性と考えている一方で、そうしたシナリオはありえないと考える人もいると指摘しています^[13]。
• AAAIの調査では、回答者の82%が、民間団体が開発したAGIシステムは公有であるべきだと答えました^[9]。

今後はどうなるのでしょうか？

この用語をスローガンではなくテストで明確にしようとする試みは、今後さらに増えるでしょう。DeepMindのレベル^[2]やHendrycksのAGIスコア^[3]のような枠組み、そしてARC-AGI-3のような新しいベンチマークです^[14]。また、定義をめぐる争いが続いているため、新しいモデルがリリースされるたびに主張と反論が繰り返されることも予想されます^[2][3]。

まだわかっていないこと

• 現在の手法の大規模化が今後も成果を上げ続けるかどうか。AAAIの回答者の大半はこれを疑っています^[9]。
• 長期記憶のような基礎的な欠落をすぐに埋められるかどうか^[3]。
• Graceのチームによる2022年の調査と最新の調査の間で13年早まった研究者の予測が^[8]、今後も動き続けるかどうか。

専門家でない人のための実践的な読み方：「AGIが到来した」あるいは「AGIは不可能だ」という主張に接したら、まず、どの定義が使われているのか、それを裏付ける証拠は何かを問うことです。