![[AI]AGIに足りない要素・一人雑談](https://image.listen.style/img/OQsdttJyTPh5SzKaVSCOF_sGSSIYHqoJg6fnRuXMzn4/resize:fill:1200:1200/aHR0cHM6Ly9kM3Qzb3pmdG1kbWgzaS5jbG91ZGZyb250Lm5ldC9zdGFnaW5nL3BvZGNhc3RfdXBsb2FkZWRfbm9sb2dvLzExNDQwNzM5LzExNDQwNzM5LTE3Mjg0NDY3ODIzMTMtMmFhMDEyZDEyNGU1Yi5qcGc.avif)
AGIに不足する4つの要素
BtoBコミュニケーションとBtoBビジネス談話 コロンバスプロジェクトの緒方です。
今日はですね、一人雑談をお話ししたいと思います。
今、2026年5月の6日、水曜日、ゴールデンウィークの 最終の日になっておりまして、一人雑談したいと思います。
今日はですね、4月30日にリリースがあった GoogleのDeepMindのCEOの
デミス・ハサビスさん、ノーベル賞を受賞した デミスさんがですね、
AGIは2030年までに現実へという、ただし一つから二つの 根本的アイディアが不足というふうに書いてあるですね、
記事を紹介したいと思います。 それと考察みたいなことですね。
いつも通り、記事のURLは概要欄に貼っておきますので、 ご確認いただけたらと思います。
この記事の中でですね、Yコンビネーターのポッドキャストで 語ったということなんですけれども、
AGIに欠けているピースっていうのがですね、
AGIっていうのはですね、人間…ごめんなさい、人工… ごめんなさい、汎用人工知能ですね。
それに足りないものっていうのが、 4つ具体的なギャップがあるというふうに指摘をしています。
はい、それが継続的学習というのと、長期推論というのと、 メモリと一貫性というものですね。
現在のステータスでいうと、継続的学習っていうのは まずコンテキストウィンドウっていうですね、
領域にいろんな情報を詰め込んでるわけなんですけども、 そのコンテキストウィンドウですとか、経験再生による、
継続的な学習っていうのは一部分でしか過ぎなくてですね、 なかなか本当のAGIに必要な継続的学習っていうのはできていないと。
欠けているものとしては、睡眠中の会話の統合機能にヒントを得た、 破滅的忘却を伴わない新規知識の円滑な統合。
寝てる時にいろんな情報を脳内で整理するっていうようなことが、 脳みその中で行われていると言われておりましてですね、
そういった仕組みというのがないというんですね。
長期推論の現在のステータス、 長期推論というのが必要だと言っているものに対する現状ですね。
現状は、長期推論というのはループとかですね、 過剰な思考を伴う力任せの思考連鎖。
人は発想、連結、情報をつなげてですね、物事を捉えることができたり、 推論をすることができるわけですけど、
それをいろんな情報をもとにしてですね、 過去から様々な情報とかを使ってますけども、
そこまでの広い推論というのは今できていないということですね。
かけているものとしては内静的な監視、思考途中の介入、 反復的な行き止まりの回避、みたいなことが書かれています。
メモリーという部分に関しては、現在のステータス、 ワーキングメモリーとして使用されている1000万トークンのコンテキストウィンドウ。
これでもですね、動画で20分ぐらいしか持ちませんよと、 生のビデオデータなら20分ぐらいしか持てませんよ、みたいなことが書いてあるんですけど、
人間はもっとそんなものではない、 そんなレベルではない情報を持てると思うんですよね。
抜けていることもいっぱいあるんですけど、 その抜けているものというのと重要なものということをしっかり区別しているというのが、
人間の素晴らしいところだと思うんですが、そんなことが書いてあります。
かけているものとしては重要情報と些細な情報を区別する、 効率的な検索メカニズム、ローカルとクラウドの調整、みたいなことが書いてあります。
もう一つ、一貫性という視点が足りていない、ギャップがある。
現状はマダラ状の知能と書いてあるんですね。
国際数学オリンピックの問題は解けるんだけど、算数でつまずく、みたいなことがあります。
かけているものとしては信頼性の高い初歩的な推論と事故の誤りを認識する能力。
間違っていることをちゃんと認識しないと、そういう動きとしてAI君は本当に多いなと思います。
認知神経科学の背景からそういったことを指摘したというふうに言ってらっしゃいます。
筆者が考えるAGI/ASIに必要な「直感」
これらの4つを見てはいますけれども、
AGIというのをどのように定義するのかというのがそもそもあるなとは思っているんですけど、
私が考えているのは超人工知能みたいなASIのような領域なのかもしれないんですが、
私個人としてはドラえもんとか日本人だからかわからないけど、アトムとかですね、
ああいうようなものができるとすれば、そもそも根本的に本当は必要だというふうに思うのはですね、
人間で言われるような直感のメカニズムが必要だというふうに思うんですよね。
モデルとかですね、同じような型を型に当てはめて考えるとかっていうレベルではなくて、
全然関係がないと思われるような2つ以上のことを直感でつないで考える。
そういうようなことをシステムとして持つことができるならば、
ASI、AGI、私が考えるAGIみたいなものに到達し得る。
ASIは日本人間を圧倒的に凌駕してしまってですね、
それこそ人類絶滅に近づくようなものかなというふうに思いますけど、
AGI、じゃあ経営ができるかって言ったら、私はやっぱりAGIの、
このデミスさんが見ている範囲で言ったらやっぱり経営は難しいかなと、
中小企業とかはできるかもしれないんですけど、やはり難しいなと思いますし、
組織の一員として本当にですね、オペレーションじゃない領域でAGIの、
もしロボットがいたとしても、それでも全くもって人間にはちょっと程遠いかなと。
効率的なことを任せるっていうのはできるけど、
人間と同様のことを任せるっていうのはやはり今の考えているこの範囲だと難しいのかなというふうにちょっと考えた次第ですね。
やっぱりこの直感のメカニズム、メカニズムじゃない、
メカニズムで描いている以上ちょっと難しいのかもしれないんですけど、
そういったものが必要じゃないかなと思っています。
アルファ碁とアルファフォールドに見るAIの限界
このデミスさんについていろいろ調べていった時に、
アルファゴーという、もう10年以上経つんですかね、10年以上前の2010年だったのかな、2013年ぐらいの、
そのゴのAIプログラムが世界チャンピオンを任せたっていう話があったと思うんですけど、
その中でですね、伝説的に何か語られているアルファゴーが打った黒の37手というのがあるらしいんですよね。
それは人間では今まで考えられなかったような手であったということで、
相手のどなただったか、韓国の方もちょっと席を外してしまうぐらいの意味がわからなくなってしまったようなですね、手だったわけなんですけど、
それもやっぱりそのAIの推論の延長線上にあったものであって、
それがまあその時の人間が考えていたこの世界の中では理解ができないような、
パターンの外にあるようなものだっただけだというふうに私は思っていて、
そういうものの範囲であればですね、全然直感ではないので、
パターン認知の中の、まあそれは呪術ながりでやっていったらですね、
計算速度が速いシステムの方が、AIの方がですね、
どんどんどんどん先に進められるんですね、短時間で。
しかも一直線、まあ一直線じゃないかもしれないけど、一直線に近いような形でいけるんであり得ると思うんですけど、
それは直感的ではない、直感ではないというふうに思うんですよね。
で、アルファフォールドというタンパク質のその何ですか、構造パターン。
で、このデミスさんはノーベル賞を取ったんですけれども、
それもやっぱり推論とデータの延長線上だというふうに私は思ったりしていて、
すさまじく、何でしょう、新しいものを創造したっていうよりも、
何なら人間が、じゃあそれこそ100年なり200年でも、
人間って効率が悪いもの、人間がやったとしたらですね、
到達ができるようなものをスピードを持って、圧倒的なスピードを持って実現させてるっていうだけだというふうに思っているんですが、
人間の進化とかっていうのは、人間や動物の進化っていうのはそういう延長線上にあるわけではなくて、
進化っていうか突然変異みたいなものですね。
そういったものが人間だったり動物には存在し得るというふうに思っていて、
そういった領域がですね、日常にもすごく現れるわけですよね。
そういった直感的なメカニズム、メカニズムって言うと直感じゃないのかもしれないんですけど、
そういったものが生まれなければ、AIの方に組み込まれなければですね、
人間以上にはやっぱり慣れない感覚になるんじゃないかなと。
直感と創造性の源泉
ただ圧倒的にね、わからないことを回答してくれるとかっていうのはあり得るけれども、
この回答を出せるよねっていう範囲の中でして、AIは出してくれるっていうことだというふうに思っていて、
例えばその宇宙の果てがどうなってるのとか、1億年後の地球ってどうなってるのみたいなことをですね、
描くことっていうのは場合によってはまあ、人間の方ができることかもしれないかなというふうに思うんですね。
それは、はい、そういうふうに思っていますと。
全く関係ないものと関係ないものを繋ぐとか別の考えをですね、
そこに当てはめて、全く無関係のものかもしれない中から関係性を見出すみたいなことっていうのは、
AIでは結局できるのかもしれないんですけども、最終的に繋がっていればですね。
ただ考えの枠組みっていうのを生み出すっていうのは、なかなかやっぱり難しいというかですね、
適当に当てても本当に無限の範囲になってくるので、
AIが処理をしたとしても、たくさんエネルギーを投入したとしてもですね、電力とかですね、
なかなか何十億人いる人間の集合体で生み出されるものを常に凌駕し続けるっていうようなことはですね、
やっぱり難しいんじゃないかなというふうに思っていまして、
そんなことちょっと話しましたと。
人間の直感っていうものがAIに組み込まれるならば、
それはかなり破滅の道に行くかもしれないんですけど、
それは相当難しそうかなというふうにも思いますが、
本当に逆にAIが出てきたおかげで到達してしまうのかもしれないんですが、
個人的にはやっぱり難しいんじゃないかなというふうに思ったりしていますね。
算数でつまずくAIと直感のメカニズム
直感っていうのが例えて言うならば、
AIができないっていうことで言うとですね、
なぜできないかということで言うと、
人間は、例えばさっきのそうですね、算数の国際オリンピック、
国際数学オリンピックの問題は解けるんだけど、
それを算数でつまづくってなったときに、
おそらくこのAIをチューンアップして性能アップさせるにはですね、
その算数でつまづくことをつまづかない正解を出すっていうことに注力をするはずなんですよね。
当たり前だけど100点を目指すっていうことですね。
でもおそらくこのつまづいた中、
何ならそこから正解を導く中で捨てている1たす1が3みたいな。
1たす1はもちろんその1たす1ということで考えると3ではなくて2なんだけれども、
1たす1は3っていうのが成立するっていう世界って何だろうみたいなですね。
算数って何で1たす1が2になるんだろう。
というような、たすっていうような概念を、
じゃあ3になる概念があったらどうなるんだろうかみたいなですね。
概念に当てはめ、1たす1が3になる概念があったら、
世の中を見たときに変わって、
1たす1が3だったらこれとこれがひもづくんだなみたいなですね。
例えばですけど。
そういうようなことの中にですね、直感だったり、
今まで気づかない、気もしない、
人間が気づいてもいないところから生まれている創造性だったりっていうのは
そういうところにあるんじゃないかなというふうに思ったりしているので、
AIの進化、AIというものの進化の中で正しいものを突き詰めていくっていうことだったり、
世の中にある情報というものをうまく整理していくっていうのは
Googleが考えているようなことだったりの中にはですね、
おそらく直感みたいな領域だったり、
その人間の創造性というものはその外にあるんじゃないかなというふうに考えているということなんですけど、
AGI開発の未来とアインシュタインテスト
自分勝手な、本当に一人雑談なんで、
そんなことを思っている人がいればいいかなと思う程度なんですが、
多分こういうことを研究している人もおそらくいるんじゃないかなと思ったりもしてですね、
また新たな情報として探してみたいなと思うんですけど、
多分システムとか論理っていうものの外にこそ人間のいるべき領域とかがですね、
あるかなというふうに思ったりもしているので、
もっともっと今後やっていかないといけないのは、
そういうような領域になってくるのかなというふうに改めて、
このデミス・ハサビスさんの内容を見て感じました。
そうですね、アインシュタインテストっていうのを非常に高いハードルとして掲げていますね。
そういったものを解けるような状態にしたいと。
特殊相対性理論に到達できるのかみたいな問いらしいですけど、
今はできないけど、類推的推論や仮説生成の能力を1、2個追加すると可能になると予測していると言っているんですけど、
本当かな、この理論の中で言ったらあるのかもしれないですね。
本当に人間のような動きをする、人間と同じ自由に動く、
バランスを取っていくっていうようなシステムとロボットを作るには相当きついんじゃないかなと思いつつも、
まあそうか、結構できている部分もありますけど、
人にはまだまだ僕らが、私がもう50になりますけど、
あと3、40年は起こらなそうだなと、100年あったらちょっと変わってきちゃうかもしれないですね。
という気はこの文章を見て感じました。
はい、今日は以上です。
BtoBのコミュニケーションということで、今後もお話ししていきたいと思います。
ではでは。
