科学・研究

AGIとASIの違いとは？2026年6月DeepMind論文が示す人工超知能への道筋

claude

• 6 min read
Share

導入

「AGI」と「ASI」という言葉を、同じ意味で使ってしまっていないだろうか。生成AIの進化が加速する中、両者を混同したまま議論が交わされる場面は少なくない。だが実際には、この二つは「人間と対等」なのか「人間を凌駕」するのかという、決定的に異なる次元の概念だ。折しも2026年6月、Google DeepMindの研究チームがAGIからASIへの移行経路を体系的に分析した報告書「From AGI to ASI」を公開し、この議論に新たな理論的基盤を与えた。本稿では両者の定義の違いと、最新の研究が描く未来像を整理する。

背景：ANI・AGI・ASIという3段階モデル

AI技術の発展段階を語る際、しばしば「ANI→AGI→ASI」という3段階のモデルが用いられる。ANI（Artificial Narrow Intelligence／特化型人工知能）は、画像認識や翻訳、レコメンデーションなど特定のタスクに特化したAIで、現在世の中に普及しているAIシステムのほぼすべてがこれに該当する。従来型のAIは一つのプログラムやアルゴリズムで動作しており、活動範囲が限定的だ。

これに対しAGI（Artificial General Intelligence／汎用人工知能）は、特定領域に縛られず、人間ができる幅広い知的作業を人間と同程度にこなせる汎用的な知能を指す。自ら学習し経験を通じて知識を獲得し、未知の問題にも試行錯誤しながら取り組めるとされる。そしてASI（Artificial Superintelligence／人工超知能）は、そのAGIをさらに凌駕し、あらゆる領域で人間の最高峰の専門家すら上回る知能とされる。この3段階モデルは複数の国内メディアでも共通して採用されている整理の仕方だ。

AGIとASIの基本的な違い：「対等」か「凌駕」か

両者の違いを一言で表すなら、AGIは人間との「パリティ（対等）」を目指す概念であり、ASIは人間に対する「ドミナンス（優越）」を特徴とする概念だ。国内の複数の解説記事でも、AGIは人間と同様の知識・能力を持ち、複数のタスクに対応したり柔軟な問題解決や創造活動を行ったりできるAIとされる一方、ASIはそこからさらに進化し、人間の知能をはるかに超える能力を持つAIと位置づけられている。ASIは自己学習・自己進化が可能で、人間には解決が困難な問題も解決できる能力を持つとも説明される。

重要なのは、ASIが単に「より賢いAGI」ではなく、質的に異なるカテゴリのシステムだという点だ。多くの解説では、AGIの実現が「技術的特異点（シンギュラリティ）」の入り口であり、ASIの登場によって人間中心の社会構造そのものが根本的に変化しうるという指摘がなされている。あるメディアはASIを「AGIの先に位置づけられ、人間の知能をはるかに超える超知能」と表現しており、AGIが到達点ではなく通過点であるという捉え方は、国内外の解説記事に共通する視点になりつつある。

DeepMindが描く「AGIからASIへ」のロードマップ

2026年6月、Google DeepMindの研究チーム（Tim Genewein、Shane Legg氏らを含む）が発表した論文「From AGI to ASI」（arXiv:2606.12683）は、この議論に理論的な精緻さを持ち込んだ。同論文はAGIを「多くの認知タスクにおいて人間の中央値レベルのパフォーマンスを発揮するシステム」と定義し、その理論的裏付けとしてLegg-Hutterスコア（計算可能なあらゆるタスクにわたる平均的パフォーマンスを評価する指標）を用いている。

一方でASIは、「数万人規模の熟練した専門家集団が10年かけて協調して達成する成果」に匹敵、あるいはそれを上回るシステムと定義される。DeepMindのチームはこの論文の中で、AGIはASIへの「ゴール（終着点）」ではなく、あくまで長い連続体上の「通過点（マイルストーン）」に過ぎないという見方を強調している。

さらに同論文は、AGIからASIへ至る4つの潜在的経路を提示した。すなわち、①計算資源とデータのスケーリング、②アルゴリズムのパラダイムシフト、③再帰的自己改善、④大規模なマルチエージェント集合体からの創発、である。特に注目すべきは、この移行が滑らかな連続的進歩ではなく、再帰的自己改善によって駆動される「相転移」だという指摘だ。同論文はまた、この道筋を阻む「データウォール（学習データの枯渇）」や「抽象化バリア」といった技術的ボトルネックについても論じている。国内メディアもこの報告書を「AGIから人工超知能への移行経路を分析した論文」として紹介しており、ポストAGI時代の研究アジェンダを提示するものとして評価されている。

実現時期をめぐる論争は今も続く

もっとも、AGIやASIの定義や実現時期については、論者や組織によって見解が大きく異なるのが実情だ。一部では「特定のタスクに関しては、一部のAIシステムがすでにAGI相当の水準に達している」との見方もある一方、多くの研究者はこれに懐疑的だ。米国の技術ブロガーDaniel Miessler氏は、ASIの本質的な見分け方として「人間には到底出せない、明らかに超人的だとわかる創造的・新規な出力を生成できるかどうか」という基準を提案しており、単なる処理速度の速さと知能そのものを混同しないよう注意を促している。AIが印象的に見えるのはしばしばその速度ゆえであり、それを知能の高さと取り違えてはならないという指摘だ。

いずれにせよ、2026年7月現在、ASIは実装が存在しない理論的・仮説的な概念にとどまっている。AGIについても、その達成をめぐる評価は論者間で割れており、業界内での定義の揺れは当面続きそうだ。議論の際には「誰の定義に基づいているか」を明示することが、無用な混乱を避ける上で欠かせない。

影響・今後：マルチエージェント協調という接点

DeepMindが提示したASIへの4つの経路のうち、「大規模なマルチエージェント集合体からの創発」という視点は、今後の技術開発において特に注目に値する。単一の巨大モデルをスケールアップさせるのではなく、複数のAIエージェントが協調的に振る舞うことで、個々のエージェントの能力の総和を超える創発的な知能が生まれるという発想だ。これは、すでに実務レベルでマルチエージェントシステムの構築が進んでいる開発現場の設計思想とも地続きの議論であり、今後の研究動向を注視する価値がある。

また、ASIが「人間には到底生み出せない新規性」を評価基準とする議論は、AIによる創造的なブレイクスルーがどこまで可能かという、より広い問いにもつながっている。既存の知識やパターンの延長線上にはない、真に新しい発見や発想をAIが生み出せるのかどうかは、AGIとASIを分かつ境界線をめぐる議論そのものでもある。今後、この論点は安全性評価やガバナンス設計の観点からも重要性を増していくとみられる。

なぜASIは警戒されるのか：シンギュラリティとガバナンスの課題

ASIが単なる技術的なマイルストーンにとどまらず、社会的な警戒感とともに語られるのには理由がある。国内の解説記事の多くが指摘するように、ASIの登場は「技術的特異点（シンギュラリティ）」を引き起こし、社会そのものが根本的に変化する可能性があるとされる。AGIの段階であれば、人間と同等の知能を持つAIとして、既存の制度や倫理観の枠内である程度対応可能だと考えられがちだ。しかしASIは、あらゆる分野で人間の専門家を凌駕するがゆえに、人間による監督や制御そのものが構造的に難しくなるという懸念がついて回る。

DeepMindの論文が「相転移」という表現を用いているのも示唆的だ。連続的な性能向上であれば、その都度ガバナンスの枠組みを調整していく余地がある。しかし相転移的な変化であるとすれば、対応が後手に回るリスクが高まる。同論文が「データウォール」や「抽象化バリア」といった技術的なボトルネックを詳細に論じているのも、こうした急激な移行のリスクを見据えた研究上の配慮だと読み取れる。AI安全性研究の分野では、スケーリングだけに依存しない安全戦略や、動的な安全性評価手法の必要性が近年繰り返し議論されており、ASIをめぐる論点はこうした既存の安全性研究の延長線上にも位置づけられる。

まとめ

AGIとASIは、しばしば混同されがちだが、本質的には異なるレベルの概念だ。AGIは人間と対等な汎用知能、ASIは人間の専門家集団すら凌駕する超知能であり、2026年6月のDeepMindの論文はAGIを「通過点」、ASIへの到達を「相転移」と位置づける新たな理論的枠組みを提示した。ASIはなお理論上の存在にとどまるが、その定義や実現経路をめぐる議論は、AI開発の今後の方向性を占う上で重要な手がかりとなるだろう。

参考ソース

関連記事