Google DeepMind「From AGI to ASI」を考察する：人間を遥かに超えた「人工超知能（ASI）」の時代は来るのか？【自分備忘録】

こんにちは。瓶底メガネ三世さんや、ねずみ男さんたちがパフォーマンスをしてる間に、てるてる坊主さん達は、じわじわとASIへの道を突き進んでいるようです。

最近、Google DeepMindが発表した約60ページの論文「From AGI to ASI」が大きな注目を集めています。この論文は、人間並みの汎用人工知能（AGI）が実現した後の世界を真剣に議論した、非常に現実的で示唆に富む内容です。

本記事では、論文本文を基に、初心者の方にもわかりやすく、しかし深く掘り下げて解説します。AGIとASIの定義から、4つの進化経路、潜在的な壁までを整理し、私たち人類がどう向き合うべきかを考えます。
AIの未来に興味があるすべての人に読んでほしい記事です。

1. AGIとASIとは何か？ 基本的な理解から

まず、用語を明確にしましょう。

• AGI（Artificial General Intelligence：汎用人工知能）
  平均的な人間レベルの認知能力を持つAI。推論、学習、計画立案、ツール使用、新しい状況への適応など、幅広い知的タスクを人間並みにこなせます。「天才」ではなく「普通の人間」レベルです。
  とは言え、彼らの言ってる普通の人って私から見ればとってもアレな人なんですけど。

• ASI（Artificial Superintelligence：人工超知能）
  論文の核心的な定義：大規模な人間の組織（例：数千人〜数万人のトップ専門家が10年かけて取り組むような問題）を上回る能力を持つシステム。
  単なる「賢いAI」ではなく、科学・技術・経済など複数の分野で人間集団全体を凌駕する存在です。直感的には「人間の企業や研究機関を超えた超効率的な知能集団」といったイメージです。

論文はさらに究極の「Universal AI（普遍的AI）」を理論的に言及します。これはAIXIのような理想的な知能モデルで、現実的には近づくことはできても完全に到達不可能な天井です。ASIはその途中にある現実的な次のステップです。
デジタル知能の大きな優位性（論文のTable 1に基づく）：

• 無限にコピー可能

• 高速化・並列化しやすい

• 知識を即座に共有

• 疲れず、24/7稼働

• スケールアップで指数関数的に強くなる

これらの特性が、AGIからASIへの加速を可能にすると論文は指摘します。

2. AGIからASIへの4つの主な道筋（Pathways）

論文は、ASIに到達するための4つの潜在的な技術的経路を提示します。
これらは互いに排他的ではなく、並行して進む可能性が高いです。

（1）継続的なスケーリング（Scaling compute, models, and data）
現在のTransformerモデルをさらに大きくし、計算リソース・データ・推論時間を増やす道です。

• 過去10年の成功パターン（スケーリング則）を継続。

• より大きなモデル＋高品質データ＋テスト時計算（Chain-of-Thoughtなど）で性能向上。

• 課題：高品質データの枯渇（「データウォール」）。人間生成データを超える合成データ生成が必要。

スケーリングだけでASIに到達できるかは不明ですが、数百万〜数億のAGIインスタンスを並列稼働させれば、集団として超人的能力を発揮する可能性があります。

（2）AIパラダイムシフト（Algorithmic paradigm shifts）
現在のTransformer中心のパラダイムを超える根本的な革新。

• 新しいアーキテクチャ（例：無限コンテキスト、強固な世界モデル、継続学習）。

• 最適化手法の変化、ニューロモーフィックハードウェアなど。

• 進化版として、テスト時スケーリングの強化やツール使用の高度化も含む。

パラダイムシフトは予測しにくいですが、現在の限界（例：固定コンテキスト、長期的推論の弱さ）を突破する鍵になると期待されます。

（3）再帰的自己改善（Recursive self-improvement）
AIがAIの研究・開発を加速させる正のフィードバックループ。

• AIがより良いアルゴリズムを設計し、次のAIを改善。

• これが続くと「知能爆発（intelligence explosion）」や双曲線的成長（hyperbolic growth）が起きる可能性。

• 理論的にはシンギュラリティ（特異点）につながるが、現実的にはハードウェア制約や実世界テストの必要性で減速するかも。

これは最も不確実でエキサイティングな道筋です。

（4）大規模マルチエージェント集団（Multi-agent collectives）
多数の専門AIが連携して「集団超知能」を形成。

• 人間の企業や研究チームのように分業・協調。

• 進化圧力や市場原理で自己組織化。

• デジタル特性（高速コピー・知識共有）により、人間集団をはるかに超える効率を発揮可能。

論文はこれを「過小評価されがち」としつつ、ASIの有力な形態の一つと見なしています。
これら4つは並行進行しやすく、例えばスケーリングが進む中でパラダイムシフトや再帰的改善が起きるシナリオが現実的です。

3. 進行を阻む摩擦とボトルネック（Frictions & Bottlenecks）

論文は楽観一辺倒ではなく、現実的な壁を詳しく議論しています。主なボトルネック：

• データウォール：高品質データの不足。合成データで克服可能か？

• 計算・エネルギー・物理的制約：データセンター、電力、半導体供給の限界。

• アルゴリズム的限界：現在のニューラルネットの根本的弱点（抽象化、長期計画など）。

• 経済・投資の持続可能性：指数関数的な投資が必要。

• 規制・ガバナンス：安全懸念による規制、国際競争。

• 予期せぬ科学的壁：新しい知能の「抽象化の壁」など。

これらの影響度は「現在オープンな研究課題」とされ、どれだけ摩擦になるかは未知数です。無視できるほど小さいか、進展を数年止めるか——それが鍵です。

4. 社会への示唆と展望

論文の結論は慎重かつ前向きです。

• AGIは「終わり」ではなく「始まり」。一回の大きな変革ではなく、連続的な変革のシリーズが起きる可能性が高い。

• 準備には「大規模で学際的なグローバルな取り組み」が必要。技術だけでなく、経済・政策・倫理・社会全体で。

• 不確実性が高いため、過度な予測は避け、柔軟に対応を。

ASI時代は科学発見の爆発的加速、経済構造の変容、仕事の再定義をもたらすでしょう。一方で、リスク管理も不可欠です。

5. 私たちの取るべき姿勢

この論文を読んで感じるのは、AIは人類の鏡であり、拡張器だということです。知恵を恐れず、しかし謙虚に用いる姿勢が重要です。

• 個人レベル：AIリテラシーを高め、創造性や人間らしい価値（共感、倫理）を磨く。

• 社会レベル：オープンな議論と国際協調を推進。

• 開発者・政策立案者：論文が挙げるオープン研究課題に取り組む。

論文は「未来は予測不能だが、そこにはやるべきことがたくさんある」
と締めくくっています（Turingの引用）。

私たちも同じです。神のみぞ知るですね。

そして私たちは祈ります。
惟一、信頼できるお方に。
胸にキリスト-Believe Different！
主・イエス・キリスト、我(われ)を憐れみ給へ

参考・出典
Google DeepMind論文「From AGI to ASI」 (arXiv:2606.12683)
PDF: https://arxiv.org/pdf/2606.12683

AI化する世界だからこそ、
自分自身を読書で見つめ直してみませんか。

！