# 普遍知能尺度 ## 定義 **普遍知能尺度**は、知能を「広い範囲の環境で目標を達成するエージェントの能力」と捉え、計算可能かつ総報酬有界な環境全体での期待成績として形式化する尺度である。エージェント \(\pi\) の普遍知能は、 \[ \Upsilon(\pi)=\sum_{\mu\in\mathcal E}2^{-K(\mu)}V^\pi_\mu=V^\pi_\xi \] で定義される。ここで \(\mathcal E\) は計算可能かつ総報酬が1以下の環境集合、\(K(\mu)\) は環境 \(\mu\) の[[コルモゴロフ複雑性]]、\(V^\pi_\mu\) は環境内でエージェントが得る期待総報酬、\(\xi\) は環境の普遍混合分布である。短く記述できる環境ほど \(2^{-K(\mu)}\) によって大きく重み付けされる。(Source: [[@2008__30papers__Machine Super Intelligence]]) この定義は特定の感覚器、身体、内部アルゴリズム、人間文化に依存しない。単一課題の最高性能ではなく、単純な規則から複雑な相互作用までを学習し、報酬を得る適応範囲を測る。総報酬有界環境上のAIXIは \(\Upsilon\) を最大化する理論エージェントとして構成される。(Source: [[@2008__30papers__Machine Super Intelligence]]) ## 構成要素 ### 目標と相互作用 エージェントは行動を環境へ送り、観測と報酬を受け取る。目標は環境が返す報酬として表し、エージェントは期待総報酬を最大化する。言語で目標を伝えられない動物や機械も同一枠組みで扱える。(Source: [[@2008__30papers__Machine Super Intelligence]]) ### 環境集合 対象を計算可能な環境へ制限することで、有限記述可能で構造を学習できる範囲を保つ。外部の割引率を定義から除くため、各環境が返す総報酬を1以下に制限し、時間選好を環境側へ折り畳む。(Source: [[@2008__30papers__Machine Super Intelligence]]) ### Occam重み 無限個の環境へ一様分布を置けないため、短く記述できる環境ほど高い事前確率を与える。これはOccamの剃刀をエージェント評価の問題へ適用したものであり、「問題の難しさ」ではなく「環境記述の短さ」で重みを決める。(Source: [[@2008__30papers__Machine Super Intelligence]]) ## 性質 - **広い評価範囲**: 無作為エージェント、単純な学習器、特化システム、AIXIまでを単一尺度上で扱う。(Source: [[@2008__30papers__Machine Super Intelligence]]) - **動的評価**: 一回限りの設問ではなく、環境との相互作用、学習、計画を評価できる。(Source: [[@2008__30papers__Machine Super Intelligence]]) - **単純環境の重視**: チェスだけを解く特化システムは、簡単な規則を広く学べるエージェントより低く評価されうる。(Source: [[@2008__30papers__Machine Super Intelligence]]) - **計算不能性**: \(K(\mu)\) が計算不能なため、\(\Upsilon\) は形式定義であって直接実行できる試験ではない。(Source: [[@2008__30papers__Machine Super Intelligence]], [[@2026__30papers__Kolmogorov Complexity]]) - **参照機械依存**: 万能Turing machineを変えてもKolmogorov complexityの差は加法定数に抑えられるが、環境の相対重みとエージェント順位は完全には不変でない。(Source: [[@2008__30papers__Machine Super Intelligence]], [[@2026__30papers__Kolmogorov Complexity]]) - **最適性と速度の分離**: AIXIのPareto最適性や自己最適化性は、唯一性や実用的な収束速度を保証しない。(Source: [[@2008__30papers__Machine Super Intelligence]]) ## 横断的知見 - [[@2026__30papers__Kolmogorov Complexity]]は、最短プログラム長が対象の記述複雑性を与え、万能計算機の変更に対して加法定数まで不変だが計算不能であることを示す。[[@2008__30papers__Machine Super Intelligence]]は同じ量を「環境の評価重み」へ転用するため、普遍知能尺度は理論的な一般性と同時に、計算不能性と参照機械依存もそのまま継承する。データの複雑性尺度を知能試験の出題分布へ移すことが、定義の強さと実用上の弱さを同時に生んでいる。(Source: [[@2026__30papers__Kolmogorov Complexity]], [[@2008__30papers__Machine Super Intelligence]]) - [[@2026__30papers__A Tutorial Introduction to the Minimum Description Length Principle]]は、観測データに対して予測性能とモデル記述長を合わせ、候補モデル間の選択を行う。[[@2008__30papers__Machine Super Intelligence]]は、エージェントの内部モデルを選ぶのではなく、評価に含める外部環境を記述長で重み付けする。両者はOccamの剃刀を共有するが、MDLは「どのモデルを採るか」、普遍知能尺度は「どの環境での成績をどれだけ数えるか」を決める点で役割が異なる。(Source: [[@2026__30papers__A Tutorial Introduction to the Minimum Description Length Principle]], [[@2008__30papers__Machine Super Intelligence]]) - [[@1965__AdvComput__Speculations Concerning the First Ultraintelligent Machine]]は、ウルトラ知能を「人間のあらゆる知的活動を凌駕する」という人間基準の閾値で定義する。[[@2008__30papers__Machine Super Intelligence]]は、人間比較を外し、全計算可能環境における連続的な性能尺度へ置き換える。前者は知能爆発の開始条件を直観的に示すのに適し、後者は能力差を数学的に順序付けるが計算不能である。超知能の社会的帰結を論じる定義と、能力を形式化する定義は相補的であり、同一ではない。(Source: [[@1965__AdvComput__Speculations Concerning the First Ultraintelligent Machine]], [[@2008__30papers__Machine Super Intelligence]]) ## 未解決の問い - Kolmogorov complexityをKt complexity、Speed prior、実用圧縮器などで近似したとき、参照言語への過適合を抑えながらエージェント順位をどこまで安定させられるか。 - 有限個の環境試験から \(\Upsilon\) を推定する際、短い環境の列挙、無作為プログラム生成、学習可能な試験分布のどれが偏りと分散を最も小さくするか。 - エージェントが試験間で状態を保持する場合、参照機械の偏りへの適応と、出題順序を学習する「試験攻略」をどう区別するか。 - 総報酬有界環境へ目標系を折り畳む形式化は、報酬ハッキング、目標の変更、複数主体の価値衝突をどこまで表現できるか。 - 理論上の高い普遍知能と、安全性・可制御性・価値整合性の間にどのような関係があるか。高い \(\Upsilon\) は目標達成能力を示すが、望ましい目標を持つことは保証しない。 - 2020年代の大規模基盤モデルを、センサー・行動・報酬の共通インタフェースに置いた実用試験は、既存の多タスクベンチマークにない何を測定できるか。 ## 関連 - [[Shane Legg]] — 博士論文で本尺度を形式化した著者 - [[@2008__30papers__Machine Super Intelligence]] — 中心ソース - [[コルモゴロフ複雑性]] — 環境の事前重みを与える - [[最小記述長原理]] — 記述長とOccamの剃刀を共有するモデル選択原理 - [[知能爆発]] — 高能力エージェントの社会的帰結を扱う概念 - [[@1965__AdvComput__Speculations Concerning the First Ultraintelligent Machine]] — 人間基準のウルトラ知能と知能爆発を定式化した原典 ## 出典 - [[@2008__30papers__Machine Super Intelligence]] - [[@2026__30papers__Kolmogorov Complexity]] - [[@2026__30papers__A Tutorial Introduction to the Minimum Description Length Principle]] - [[@1965__AdvComput__Speculations Concerning the First Ultraintelligent Machine]]