AI能力レベル分類考察｜Narrow・AGI・Super AIの定義と研究動向を整理

AI能力レベル分類考察｜Narrow・AGI・Super AIの定義と研究動向を整理

更新日：2025年6月17日

AIの発展段階を議論する際、「AGI（汎用AI）」や「超知能」といった用語が頻繁に登場します。しかし、これらの定義は研究者間でも統一されておらず、議論が混乱することも少なくありません。個人的な関心から、AI能力レベルの分類体系について主要論文を調査し、現時点での整理を試みました。同じようにAIの発展段階に関心をお持ちの方の参考になれば幸いです。
AI能力レベル分類考察｜Narrow・AGI・Super AIの定義と研究動向を整理

1. AI能力分類の基本フレームワーク

AI研究において、システムの能力レベルを分類することは、技術の現状把握と将来予測において重要な意味を持つ。一般的に採用される分類では、能力の汎用性を軸として3つのレベルが設定されている。

1.1 三段階分類の概要

AIの能力レベルは、タスク遂行の汎用性に基づいて、Narrow AI（特化型AI）、General AI（汎用AI / AGI）、Super AI（超知能）の3段階に分類される。この分類は、John Searleの「弱いAI」「強いAI」の二分法を発展させたものと位置づけられる。

分類の基準となる「汎用性」
汎用性とは、学習していない新規タスクへの対応能力を指す。Chollet（2019）は「On the Measure of Intelligence」において、知能の本質を「未知の状況への適応能力」と定義し、既存のベンチマークの限界を指摘した。

1.2 分類の歴史的背景

この三段階分類が広く認識されるようになった背景には、2010年代以降の深層学習の急速な発展がある。特定タスクで人間を超える性能を示すシステムが次々と登場する一方で、それらの能力が他のタスクに転移しない現象が明確になり、「特化型」と「汎用型」の区別が重要視されるようになった。

2. 各レベルの技術的特徴と主要研究

2.1 Narrow AI（特化型AI）

Narrow AIは、単一または限定されたタスクに特化したAIシステムを指す。現在実用化されているAIのほぼ全てがこのカテゴリに該当する。画像認識、音声認識、チェス、囲碁、機械翻訳などが代表例である。

研究 対象タスク 成果
Silver et al. (2016) [1] 囲碁 AlphaGoがプロ棋士に勝利
He et al. (2016) [2] 画像認識 ResNetがImageNetで人間超え

Narrow AIの特徴として、タスク間の転移が限定的である点が挙げられる。囲碁で世界最強の性能を示すAlphaGoも、チェスや将棋を指すことはできない。この「脆弱性」がNarrow AIの本質的な限界とされる。

2.2 General AI（汎用AI / AGI）

AGI（Artificial General Intelligence）は、人間レベルの汎用的な知的能力を持つ仮想的なAIを指す。任意の認知タスクを人間と同等以上にこなせる能力が想定されている。現時点では実現されておらず、その定義自体が論争的である。

AGI定義に関する主要研究の変遷
2007年：Goertzel & Pennachin「Artificial General Intelligence」[3] - AGI研究の体系化
2019年：Chollet「On the Measure of Intelligence」[4] - ARCベンチマークの提案
2023年：Morris et al.（DeepMind）「Levels of AGI」[5] - 段階的AGIフレームワークの提示

DeepMindのMorris et al.（2023）は、AGIを単一の到達点ではなく、複数の段階を持つスペクトラムとして捉える枠組みを提案した。この研究では、現在の大規模言語モデルを「Emerging AGI」の初期段階に位置づけている。

2.3 Super AI（超知能）

Super AIは、あらゆる認知タスクで人間を凌駕する仮想的存在を指す。この概念は、Nick Bostrom（2014）の著書「Superintelligence: Paths, Dangers, Strategies」[6]による体系的議論で広く知られるようになった。

超知能の形態（Bostromによる分類）
Bostromは超知能の実現形態として、Speed Superintelligence（処理速度の優位性）、Collective Superintelligence（集合知的優位性）、Quality Superintelligence（思考の質的優位性）の3類型を提示した。

Stuart Russell（2019）の「Human Compatible」[7]では、超知能のリスクに対する技術的アプローチとして、「協調的逆強化学習」による価値整合の手法が提案されている。

3. 実現状況と今後の展望

3.1 現時点での到達状況

2025年現在、実用化されているAIシステムは全てNarrow AIのカテゴリに属する。大規模言語モデル（LLM）は複数のタスクをこなす汎用性を示すが、これをAGIと見なすか否かは研究者間で見解が分かれている。

レベル 実現状況 主な議論点
Narrow AI 実現済み タスク間転移の限界
AGI 未実現 定義・評価基準の不統一
Super AI 未実現 実現可能性・リスク管理

3.2 分類における課題

現在の三段階分類には、いくつかの本質的な課題が存在する。第一に、AGIの定義が曖昧であり、「人間レベル」の具体的な基準が確立されていない。第二に、Narrow AIとAGIの境界が連続的であり、明確な線引きが困難である。DeepMindの段階的フレームワークは、この課題に対する一つのアプローチと位置づけられる。

AI能力レベルを議論する際の留意点

  • 定義の確認：議論参加者間でAGI等の定義を明確化する
  • 評価基準の明示：何をもって「人間レベル」とするか基準を示す
  • タイムラインの慎重な扱い：実現時期の予測は専門家間でも大きく異なる

3.3 今後の研究動向

AI能力の測定と分類に関する研究は、今後も活発に進められると考えられる。特に、ベンチマークの改善、汎化能力の定量的評価、段階的なAGI定義の精緻化が重要なテーマとなっている。技術の進展とともに、分類体系自体も更新されていく可能性が高い。

References

[1] D. Silver et al., "Mastering the game of Go with deep neural networks and tree search," Nature, vol. 529, pp. 484-489, 2016.

[2] K. He, X. Zhang, S. Ren, and J. Sun, "Deep Residual Learning for Image Recognition," in Proc. IEEE CVPR, 2016.

[3] B. Goertzel and C. Pennachin, Eds., Artificial General Intelligence. Springer, 2007.

[4] F. Chollet, "On the Measure of Intelligence," arXiv:1911.01547, 2019.

[5] M. Morris et al., "Levels of AGI: Operationalizing Progress on the Path to AGI," arXiv:2311.02462, 2023.

[6] N. Bostrom, Superintelligence: Paths, Dangers, Strategies. Oxford University Press, 2014.

[7] S. Russell, Human Compatible: AI and the Problem of Control. Viking, 2019.

参考・免責事項
本記事は2025年6月17日時点の情報に基づいて作成されています。記事内容は個人的な考察に基づくものであり、AI研究の最新動向については原論文や専門家の見解をご確認ください。技術の進展は予測困難であり、本記事の整理や分類が将来的に修正される可能性があります。重要な判断については、複数の情報源を参考にし、自己責任で行ってください。