次の「AGI達成」を8点検で読む

ここまで、AGIという言葉、能力の測り方、実現時期の予測、研究と経済の加速、危険、備えを分けてきました。最後に、それらを一つの読み方へまとめます。

目標は「AGIか、AGIではないか」をすぐ決めることではありません。発表のどこまでが証拠で支えられ、どこからが外挿や提案なのかを記録し、次に何を確かめるかを決めます。

一つの文を六つの主張へ分ける

ニュースや発表資料では、異なる種類の主張が一つの段落に入ります。まず文ごとにラベルを付けます。

講座独自の整理同じ段落に混ざる、六つの主張の種類

直接確かめること

証拠から広げた判断

行動と価値の選択

分類は証拠の強弱の順位ではない。一つの文に複数の種類が含まれることもある。

たとえば「試験で人間平均を超えたので、2年以内にAGIへ到達し、公開前審査を義務づけるべきだ」という文には、少なくとも実験結果、モデル・外挿、予測、政策提案が入っています。審査によって何を守るかまで述べれば、価値判断も含まれます。

ラベルを付けると、実験結果だけを確かめても文全体が証明されたわけではないと分かります。

次の8点検はこの講座独自の読み方です。情報、仮定、分析判断、不確実性を分けるODNIの分析基準、評価条件と限界の報告を求めるNISTの評価案、最良条件と現実の利用条件を分けるUK AISIと国際評価ネットワークの合意を、一般読者向けに組み直しています。

これはAGIの普遍的な定義ではありません。定義が違う主張同士でも、証拠の範囲を比べられるようにする点検表です。

講座独自の点検表AGI主張の8点検

項目を開くと、確かめる内容が読めます。

何を評価した？

定義何を満たすとAGIなのか

この発表のAGIの定義を確かめる。組織の目標と、評価の合否条件を分けて読む。

現物どのシステムを調べたか

モデルの版、評価日、アクセス形態を確かめる。製品名だけで同じ評価対象だと決めない。

どう測った？

条件どんな補助と予算を使ったか

道具、人の介入、再試行、時間、計算量、費用を確認する。分からない条件は未確認として残す。

比較誰と、何を基準に比べたか

比較相手、採点法、標本を確認する。条件の違う得点を、そのまま能力差にしない。

どこまで言える？

境界どんな条件で失敗するか

課題、言語、期間、現実条件のうち、調べていない範囲と失敗した範囲を確認する。

飛躍観測から、どこへ広げたか

一般能力や未来へ外挿する際に置いた仮定を探す。実験結果と予測を分ける。

判断をどう使う？

反証と更新何が分かれば判断を変えるか

反証となる情報と再評価の時期を確認する。新しい証拠を受けて判断を更新できる形にする。

利害と行動誰が便益・費用・権限を持つか

発表者の立場と提案する行動を確かめる。利害だけで結論を決めず、証拠も点検する。

確認できた範囲・未確認の情報・判断を変える条件を残す。

資料が公開されていなければ、空欄を推測で埋めません。「確認できない」と記録することも評価の一部です。利用条件が分からないなら、能力が低いとも高いとも決めず、結論の範囲を狭く保ちます。

同じグラフや表でも、根拠としての役割は違います。ここまで使った四つの資料には、それぞれ次の役割があります。

Grace et al. Figure 3は予測調査です。研究者が置いた将来確率の分布なので、実現日を観測した記録ではありません。質問の定義、回答者、調査時点、回答の散らばりを確認します。
Kwa et al. Figure 1は能力トレンドです。限定された課題群でAIエージェントが完了できる作業時間の傾向なので、評価課題、成功率の基準、人間側の所要時間、対象外の仕事を確認します。
RE-Bench Figure 2は管理された比較です。同じ研究工学環境でAIと人間を比べているので、総時間予算、best-of-kの試行配分、採点方法、現実の研究との違いを確認します。
International AI Safety Report 2026, Table 2.5は能力の分類表です。制御喪失に関係し得る能力を整理した表なので、能力の存在と、有害な傾向、使える環境、事故の発生を分けて読みます。

予測、能力トレンド、比較実験、分類表は、互いの代わりにはなりません。根拠の種類を先に決めると、その資料が答えられない問いも見つけやすくなります。