DeepMind CEO: 一貫性がAIのAGI達成におけるボトルネック

機械が幅広いタスクで人間レベルの認知能力を再現できる状態である汎用人工知能（AGI）への道のりは、一貫性という重要な障害に直面しています。これはGoogle DeepMindのCEOであるデミス・ハサビス氏の最新の評価であり、彼は目覚ましい進歩にもかかわらず、現在のAIモデルの根本的な欠陥が真のAGI達成を妨げていると主張しています。

ハサビス氏は最近、今日の最も洗練されたAIシステムが、エリート数学競技会での優勝といった非常に複雑な課題を克服できる一方で、比較的単純な学校レベルの問題で同時に失敗する可能性があることを強調しました。異なる領域でのこの顕著な性能の不均衡こそが、ハサビス氏が「一貫性」の決定的な欠如として指摘するものです。彼は、個人が高度なAIチャットボットの重大な弱点や「穴」を数分以内に暴露できるのに対し、真に汎用的な知能は、そのような欠陥が発見されるまでに数ヶ月間の専門家の精査に耐えうるほど頑健であるべきだと指摘しています。

ハサビス氏にとって、AGIの定義は、システムが人間が持つ認知能力の全範囲を発揮し、異なる領域間で知識とスキルを深く汎化する能力を示すことにかかっています。彼のベンチマークは人間の心であり、宇宙で唯一知られている汎用知能の例です。彼は、現在のAIには、堅牢な推論、階層的計画、長期記憶といった重要な属性がまだ欠けており、これらがこの広範な一貫性の欠如に寄与していると主張します。さらに、彼は、既存の仮説を単に証明するだけでなく、AIシステムが独立して新しい科学的仮説や推測を生成する能力が欠けていることを強調しています。

この一貫性の欠如は、現代のAIが、特定の明確に定義されたタスクでは信じられないほど強力であるものの、統一された適応性のある知能というよりも、高度に専門化されたツールの集まりのように機能していることを示唆しています。課題は、AIが知識をシームレスに転送し、多様な文脈で理解を適応できるようにすることにあります。それは、まるで人間の医師が、家電修理の正式な訓練を受けていないにもかかわらず、故障した家電製品のトラブルシューティングに診断的推論を適用するようなものです。この固有の適応性と全体的な信頼性の高いパフォーマンスがなければ、AIシステムは現実世界の複雑さを真に理解し、相互作用する能力において限定されたままでしょう。

この一貫性の欠陥に対処することは、AI開発における次の飛躍にとって最も重要です。研究者たちは、継続的なフィードバックから学習し、理解を洗練させ、「壊滅的な忘却」（新しい情報が古い知識を上書きすること）を避けることができるシステムを構築しようと努力しています。目標は、単なるパターン認識を超えて、より深い因果的理解、常識、直感を達成することです。これらは人間の持つ一貫性と適応性の基盤となる能力です。AGIへの道は技術的、経済的、倫理的な課題に満ちていますが、ハサビス氏は比較的楽観的な見通しを維持しており、今後5年から10年以内に彼の定義するAGIを達成する可能性が50%あると示唆しています。一貫性のハードルを乗り越えることは決定的な瞬間となり、AIがその知能を真に汎化し、世界の最も複雑な問題に信頼性高く取り組むことができる時代を到来させるでしょう。