AGIを、能力の地図で読む

AGIは、未来が来たことを知らせる合言葉のように使われます。しかし、共通の合格試験が一つあるわけではありません。

医師が知りたいのは、名称よりも仕事の境界です。何を、どの条件で、どこまで任せられるのか。ここを三つの軸に分けます。

広さ、深さ、自律性は別の能力

Morrisらの枠組みはAIの能力を性能の水準と汎用性の広さに分け、段階と自律性を整理しています。

「広さ」は要約、翻訳、計算のような異なる課題へ移れるかを見ます。「深さ」は一つの課題でどこまで質の高い結果を出せるかを見ます。「自律性」は手順や道具を自分で選び、長い仕事をどこまで進められるかを見ます。

医学試験で高得点でも、患者から不足情報を聞き、記録を確認し、変化へ対応する能力は別に測ります。三軸のどこを評価した結果かを先に読みます。

AGIという呼び名は、使用許可にならない

AGI、超知能、意識、身体を持つロボットは、同じ問いではありません。自然に会話できても、主観的な経験があるとは判定できません。幅広い問題を解けても、現実の物を安全に扱えるとは限りません。

医療でさらに必要なのは、その製品を、その用途で使えるかという判断です。対象患者、入力データ、誤りの影響、人の監督、施設の手続きを確認します。「AGIに到達した」という発表があっても、この確認は省けません。

点数と到達年は、条件を添えて読む

ベンチマークは決められた問題、使える道具、試行回数、人の介入という条件を持ちます。点数はその条件での結果です。医師の仕事全体の点数ではありません。

「AGIは何年に来る」という予測も、予測者が想定する能力と前提を読まなければ比べられません。年を当てるより、能力が伸びたときに自分の確認工程をどう変えるかを考える方が、仕事に使えます。

評価の目的はAIへ勲章を渡すことではありません。次に試す課題と、まだ任せない部分を決めることです。

観察課題：90点の中身を分解する

次の架空の発表を使います。

要約、翻訳、計算の計50問で90％正答した。各問は一回の応答で終わり、使う道具と手順は人が指定した。未知の課題と長時間の作業は評価していない。

広さ、深さ、自律性ごとに「分かったこと」と「まだ分からないこと」を一つずつ書きます。未評価の範囲も残します。診療への使用可否は結論づけません。

観察するのは、最初に「90％だから任せられる」と感じた範囲と、分解後に残った未評価の範囲です。この差を記録すると、7日間の試行で測る項目を選びやすくなります。

能力の軸を分けた次は、AIが道具を使って長い仕事を進めるとき、どこに人の確認を置くかを見ます。