AGI (Artificial General Intelligence) vs ASI (Artificial Superintelligence)
AGI（Artificial General Intelligence：汎用人工知能）とは、特定の作業（囲碁、翻訳、画像識別など）に特化した「特化型AI（Narrow AI）」に対し、人間がこなせる幅広い知的タスクを、領域を問わず扱える人工知能を指す。未知の環境や未学習の課題に対しても、既存の知識を応用して学習・推論・適応できる。
AGI（汎用人工知能）
- 領域非限定性: 事前にプログラミングされていない未知のタスクや領域に対しても、既存の知識を応用（転移学習）して対処できる。
- 人間レベルの汎用性: 言語理解、問題解決、抽象的思考、計画立案などの知的機能を総合的に実行できる。
- Narrow AIとの対比: 現代のChatGPTや画像生成AIなども含む多くの高度なAIは、特定タスクの強力な処理能力（特化型）にとどまります。AGIはそれらを包含しうる統一的な知性を目指す概念です。
特化型AI (Narrow AI) → AGI (Artificial General Intelligence)→ ASI（Artificial Superintelligence）
AGIという用語の歴史
- 既知の最初期の使用例（1997年）
- 論文名: Nanotechnology and International Security
- 著者: Mark A. Gubrud（マーク・ガブラッド）
- 概要: 軍事・自動化の議論のなかで、人間の脳に匹敵・凌駕する複雑性と速度で汎用的な知識処理を行い、産業・軍事の広範な局面で人間の知性を代替しうるシステムとして、artificial general intelligence および advanced artificial general intelligence という表現を用いました。現時点で確認できる最初期の使用例の一つ。
- 分野名としての定着（編集〜2002頃／正式刊行2007年）
- 書籍名: Artificial General Intelligence (Springer)
- 編者: Ben Goertzel（ベン・ゴールツェル）、Cassio Pennachin
- 概要: 特化型AI研究と区別し、「汎用的な思考機械」を明示的に目指す研究領域の名称としてAGIを定着。書名の候補を募るなかで、Shane Legg（後のDeepMind共同創業者）が Artificial General Intelligence を提案した、とGoertzel自身が述べている。Springerでの正式刊行はおおむね2007年（hardcoverは2006年末）。
- 知能の数学的定義（2007年）
- 論文名: Universal Intelligence: A Definition of Machine Intelligence
- 著者: Shane Legg, Marcus Hutter
- 概要: 「幅広い環境のなかで目標を達成する能力」として、機械知能を情報理論的に定式化した論文。AGIの能力を測るための理論的な骨格を与える。
ASI（Artificial Superintelligence）とは
ASI（Artificial Superintelligence：人工超知能）とは、人間のもっとも優れた知性を、実質的に関心のあるほぼすべての領域——科学的創造性、一般的判断、社会的技能などを含む——で大幅に上回る知性を指す。Nick Bostromらが整理した定義が、現代の議論の基準として広く参照されている。
- AGIとの関係: AGIが「人間レベルの汎用性」を指すのに対し、ASIは「人間を大きく超える汎用性」を指す。
- 到達経路の仮説: AGIに達した後、自己改善や研究加速によってASIへ進む、という筋書きがよく議論される。現時点ではいずれも仮説段階。
- 古典的な同系統用語: I. J. Goodが用いた ultraintelligent machine（超知能マシン）は、ASIと近い問題意識を持つ先行概念。
再帰的自己改善（RSI）
再帰的自己改善（Recursive Self-Improvement, RSI）および知能爆発（intelligence explosion）の古典的な原典は、数学者・統計学者の I. J. Good（Irving John Good）の論文。
原典論文の詳細
- 論文題名: Speculations Concerning the First Ultraintelligent Machine（最初の超知能マシンに関する考察）
- 著者: I. J. Good（アーヴィング・ジョン・グッド）
- 発表年: 1965年（Advances in Computers 第6巻の刊行年は1966年とされることもある）
- 掲載: Advances in Computers, Volume 6, pp. 31–88 (Academic Press)
論文内の有名な一節（要約）
Goodはこの論文で「超知能マシン（ultraintelligent machine）」を定義し、知能爆発のループを次のように述べた。
「超知能マシンを、どんなに賢い人間の知的能力をもはるかに凌駕するマシンと定義する。マシンの設計もまた知的能力の1つであるため、超知能マシンはさらに優れたマシンを設計できる。そうなれば間違いなく『知能爆発（intelligence explosion）』が起き、人間の知力は遥か置き去りにされるだろう。それゆえ、最初の超知能マシンこそが、人類がなすべき最後の発明となる——ただし、そのマシンが十分に従順で、制御の仕方を教えてくれる場合に限る。」
関連する前後史
- アラン・チューリング（1950年）: 論文 Computing Machinery and Intelligence のなかで、機械が自ら学習して改善する「子供マシン（Child Machine）」という概念を提唱。自己改善の発想の萌芽の一つ。
- 後続の具体研究: 1980年代以降、自己参照・メタ学習・自己書き換えに関するアルゴリズム研究が積み重ねられる（例：Jürgen Schmidhuberらの仕事）。
- エリーザー・ユドコフスキー（2000年代）: Goodの知能爆発論を踏まえ、自己理解・自己改変を通じて能力を高めていく設計思想を Seed AI として整理し、AIリスク論の文脈で再帰的自己改善（RSI）の議論を定義・普及。
探索の持続性と資源配分
ソフトウェアプロダクト、リスク、法律、ROICなど複合条件を持つ多次元の探索問題は、しばしばグラフ上の経路探索や、エネルギー勾配の谷における停留点探索の繰り返しとしてモデル化できる。この見方に立つと、人間よりAIが有利になりうる主因は「賢さ」そのものというより、粘り強さ——長時間の探索を疲労で打ち切らないことに近い。人間は考え続けると消耗する。機械は同種の生理的疲労を持たない一方で、電力・冷却・演算資源のコストは残る。
電力コストが下がると演算資源は相対的に潤沢になりうるため、「どの問題にどれだけの演算資源を割り当てるか」という決定は、むしろ重要度を増す。AGIやASIの議論は、能力の上限だけでなく、資源配分と制御の問題でもある。