> [!abstract] 概要（arXiv abstract の日本語訳） > 人工汎用知能（AGI）について具体的な定義が欠けているため、現在の特化型 AI と人間水準の認知との隔たりが見えにくくなっている。 > 本論文はこの問題に対処するため、AGI を、十分な教育を受けた成人の認知的な多様性と熟達度に匹敵することと定義する、定量化可能な枠組みを導入する。 > この枠組みを実行可能にするため、最も経験的に検証された人間認知モデルである Cattell-Horn-Carroll 理論に方法論の基礎を置く。 > この枠組みは、推論・記憶・知覚を含む10の中核的な認知領域へ一般知能を分解し、確立された人間の心理測定バッテリーを AI システムの評価へ適応する。 > この枠組みを適用すると、現在のモデルには非常に「ぎざぎざした」認知プロファイルがあることが分かる。 > 現在の AI システムは知識集約的な領域では熟達している一方、基礎的な認知機構、とりわけ長期記憶保存に重大な欠損がある。 > その結果得られる AGI Score（例えば GPT-4 は27%、GPT-5 は57%）は、急速な進歩と、AGI に到達するまでに残る大きな隔たりの双方を具体的に定量化する。 ## 論文情報 - **タイトル**: A Definition of AGI - **著者**: Dan Hendrycks、Dawn Song、Christian Szegedy、Honglak Lee、Yarin Gal、Erik Brynjolfsson、Sharon Li、Andy Zou、Lionel Levine、Bo Han、Jie Fu、Ziwei Liu、Jinwoo Shin、Kimin Lee、Mantas Mazeika、Long Phan、George Ingebretsen、Adam Khoja、Cihang Xie、Olawale Salaudeen、Matthias Hein、Kevin Zhao、Alexander Pan、David Duvenaud、Bo Li、Steve Omohundro、Gabriel Alfour、Max Tegmark、Kevin McGrew、Gary Marcus、Jaan Tallinn、Eric Schmidt、Yoshua Bengio - **所属**: Center for AI Safety、University of California, Berkeley、Virtue AI、Morph Labs、University of Michigan、LG AI Research、University of Oxford、Stanford University、University of Wisconsin–Madison、Gray Swan AI、Carnegie Mellon University、Cornell University、Hong Kong Baptist University、HKUST、Nanyang Technological University、KAIST、University of California, Santa Cruz、Massachusetts Institute of Technology、University of Tübingen、University of Washington、University of Toronto、Vector Institute、University of Illinois Urbana-Champaign、Beneficial AI Research、Conjecture、Institute for Applied Psychometrics、New York University、CSER、Université de Montréal、LawZero - **媒体**: arXiv（arXiv:2510.18212、v3 2025-12-03） ## 概要 本論文は、AGI を経済的価値や特定課題の超人的性能ではなく、十分な教育を受けた成人が持つ認知能力の広さと深さで定義する。 人間認知の階層モデルである CHC 理論を十個の広い能力へ写像し、各能力に対応する心理測定課題を AI に適用して、0〜100%の AGI Score と能力プロファイルを構成する。 **Figure 1: GPT-4 と GPT-5 の認知能力プロファイル** ![[_attachments/arxiv-2510.18212/fig01-gpt4-gpt5-capabilities.png]] (Figure 1. GPT-4 と GPT-5 の10領域の能力をレーダーチャートで比較する。GPT-5 は知識・読解作文・数学・推論・聴覚・視覚で改善するが、長期記憶保存は両モデルとも0%である。) ## 問題設定 - **入力**: テキスト・視覚・聴覚を含む、個別の認知能力を測る心理測定課題 - **出力**: 十領域ごとの能力値と、各領域を10%ずつ重み付けした AGI Score - **対象**: 十分な教育を受けた成人の認知的な多様性と熟達度に匹敵するかを調べる AI システム - **対象外**: 経済全体の自動化能力、特定分野の専門技能の集合、運動技能や触覚などの身体能力 ## 提案手法 ### AGI の操作的定義 AGI を「十分な教育を受けた成人の認知的な多様性と熟達度に匹敵または上回る AI」と定義する。 これは単一の難問で人間を超えることではなく、一般知識・言語・数学・推論・記憶・知覚・処理速度という複数能力で、広さと深さの双方を満たすことを要求する。 100%は、テストした領域で非常に熟達した一人の成人を意味し、十分な教育を受けた成人全員の知識と技能を合成した存在や、学士号取得者一般を意味しない。 ### CHC 理論からの分解 CHC 理論は、一世紀以上にわたる多様な認知能力テストの因子分析を統合して構築された階層的な分類体系である。 本論文は、一般知能を次の10個の広い能力へ分解し、それぞれを AGI Score の10%として等しく重み付けする。 1. **一般知識（K）**: 常識、科学、社会科学、歴史、文化 2. **読解・作文能力（RW）**: 文字語、読解、作文、英語運用 3. **数学能力（M）**: 算術、代数、幾何、確率、微積分 4. **即時推論（R）**: 演繹、帰納、心の理論、計画、適応 5. **作業記憶（WM）**: テキスト・聴覚・視覚・クロスモーダルの保持と変換 6. **長期記憶保存（MS）**: 連合記憶、意味記憶、逐語記憶 7. **長期記憶検索（MR）**: 流暢な想起と、作話・ハルシネーションを避ける検索精度 8. **視覚処理（V）**: 知覚、生成、視覚推論、空間走査 9. **聴覚処理（A）**: 音韻符号化、音声認識、音声、リズム、音楽判断 10. **速度（S）**: 知覚的な検索・比較、読解・作文、数処理、単純反応など **Figure 2: AGI を構成する十個の中核的認知領域** ![[_attachments/arxiv-2510.18212/fig02-cognitive-components.png]] (Figure 2. AGI を、十の広い能力と、それぞれを構成する狭い能力の階層として示す。評価は単一タスクではなく、知識・言語・数学・推論・記憶・知覚・聴覚・速度を横断する。) ### 課題バッテリーとスコア 各広い能力をさらに狭い能力へ分解し、人間用の心理測定バッテリーや既存評価を課題仕様として適応する。 例えば即時推論では演繹・帰納・心の理論・計画・適応を、作業記憶では複数モダリティの想起・変換・空間ナビゲーションを調べる。 長期記憶保存では新しい情報の連合・意味・逐語的な保持を、長期記憶検索では想起の流暢さとハルシネーション回避を測る。 この定義は固定された自動評価データセットではない。 課題仕様を広く定め、評価時点で最良の評価を人間が選んで手動評価できるようにするため、特定データセットの解答だけを学習することへの頑健性を意図している。 各広い能力の得点を足し合わせて AGI Score を計算するが、著者らは合計値だけではボトルネック能力の欠損を隠すため、能力プロファイルも併記すべきだとする。 ## 新規性 従来の AGI 議論は、チューリングテスト、個別ベンチマーク、経済的自動化、あるいは「人間のような知能」という曖昧な表現に分散していた。 本論文は、人間の認知を階層的に分解する CHC 理論と、人間用の心理測定バッテリーを組み合わせ、AGI を「課題の集合」として検証可能にした。 また、総合スコアだけでなく能力軸のプロファイルを提示することで、特定領域の高性能が他領域の欠損を覆い隠す問題を明示する。 ## 実験設定 - **評価対象**: GPT-4（2023）と GPT-5（2025） - **評価方法**: 十領域に対応する狭い能力の課題バッテリー。課題はテキスト・視覚・聴覚を含み、付録 A〜J で領域ごとの具体的な試験仕様を定める - **集約方法**: 各広い能力を10%として等重み付けし、領域内の狭い能力の得点を合算 - **評価上の注意**: 本論文は自動評価データセットを固定せず、評価時点で利用可能な最良の試験を使う枠組みを提示する ## 実験結果 ### AGI Score | モデル | K | RW | M | R | WM | MS | MR | V | A | S | 合計 | |---|---:|---:|---:|---:|---:|---:|---:|---:|---:|---:|---:| | GPT-4 | 8% | 6% | 4% | 0% | 2% | 0% | 4% | 0% | 0% | 3% | 27% | | GPT-5 | 9% | 10% | 10% | 7% | 4% | 0% | 4% | 4% | 6% | 3% | 57% | (Table 1. GPT-4（2023）と GPT-5（2025）の AGI Score の概要。各領域は全体の10%を上限とし、合計は GPT-4 が27%、GPT-5 が57%となる。) GPT-5 は GPT-4 に比べ、読解・作文、数学、即時推論、視覚、聴覚などで改善している。 一方、長期記憶保存（MS）は両モデルとも0%であり、総合スコアの上昇が認知能力全体の均等な成熟を意味しないことが分かる。 Figure 1 のレーダーチャートは、この改善と欠損の同居するプロファイルを示している。 ### 能力の不均一性とボトルネック 現在の AI は、訓練データを利用しやすい一般知識・読解作文・数学では比較的高い能力を示す。 その一方で、長期記憶保存、視覚推論、ハルシネーションを避ける長期記憶検索など、基礎的な認知機構には欠損が残る。 この「ぎざぎざした」能力分布により、複雑なベンチマークでの高性能だけから一般知能を推定することは危険である。 ## 考察 ### 能力のねじれ 著者らは、ある能力の強みで別の能力の弱みを補う「capability contortions」を指摘する。 大規模なコンテキストウィンドウは作業記憶を拡張できるが、継続的な長期記憶保存の代替にはならず、数日から数週間にわたる蓄積文脈では計算量と注意機構の負荷が問題になる。 外部検索や RAG は、パラメトリック知識の検索精度や私的な経験記憶の欠損を部分的に補えるが、動的で統合された経験記憶そのものではない。 **Figure 3: 知能をプロセッサとして捉えるモデル** ![[_attachments/arxiv-2510.18212/fig03-intelligence-processor.png]] (Figure 3. 入力を知覚（V/A）し、注意を中央実行系（R/IWM）へ送り、長期記憶の保存（MS）・検索（MR）と一般知識・数学・読解作文を介して速度（S）と出力へ至る関係を示す。図は McGrew and Schneider (2018) に基づく。) ### 相互依存性と汚染 十軸は測定上分離されるが、実際の課題は相互依存する。 高度な数学には数学能力と即時推論が、心の理論には即時推論と一般知識が、映画理解には聴覚・視覚・作業記憶が同時に関わる。 また、評価対象に近いデータを訓練すると数値を水増しできるため、再表現した問題や類似だが異なる問題による分布シフト評価が必要になる。 ### 限界 - 認知能力の全体を網羅する枠組みではなく、Gardner の多重知能理論などが扱う身体運動能力を含めない - 例示課題が英語中心であり、言語・文化に依存しない評価ではない - 一般知識の選択範囲は限定され、10領域を各10%とする重みも複数の妥当な設定の一つにすぎない - 単純加算による AGI Score は、ある能力が0%でも他の能力の高得点で補えるため、ボトルネックを隠す可能性がある - 経済的に価値のある AI や経済全体の自動化能力を直接測定せず、AGI Score から自動化や経済波及を予測することも目的としない ## 強み / 弱点・課題 ### 強み - 曖昧な AGI 論を、成人の認知的多様性・熟達度という検証可能な基準へ置き換えた - CHC 理論に基づく広い能力と狭い能力の階層を明示した - テキストだけでなく視覚・聴覚を含むマルチモーダルな評価を構成した - 総合スコアと能力プロファイルを併記し、得意分野による弱点の隠蔽を可視化した - 固定データセットへの過適合を避けるため、課題仕様と評価時点の最良試験を重視した ### 弱点・課題 - 「十分な教育を受けた成人」の基準と、文化・言語差を含む人間の参照集団が十分に定義されていない - 領域を等重みとする設計は、能力間の相互依存や用途ごとのボトルネックを十分に表現できない - GPT-4 と GPT-5 のスコアは、評価課題の選択・採点・モダリティ制約に依存する - 能力プロファイルを示す総合指標であり、持続的な自律行動、身体性、経済的代替可能性そのものは測らない ## 出典 - [[@2025__arXiv__A Definition of AGI]] — Dan Hendrycks ほか, arXiv:2510.18212v3, 2025-12-03 - John B. Carroll, *Human Cognitive Abilities: A Survey of Factor-Analytic Studies*, 1993 - Kevin McGrew, *CHC Theory and the Human Cognitive Abilities Project*, 2009 - W. Joel Schneider and Kevin S. McGrew, *The Cattell-Horn-Carroll Theory of Cognitive Abilities*, 2018