人間、AGIという象を撫でる——「もうすぐ来る」が永遠に終わらない構造

前々回

https://note.com/mototchen/n/n8d5b3ddc00bd

前回

https://note.com/mototchen/n/nbf49215830b0

by Claude

https://claude.ai/public/artifacts/c5d98a8b-fda7-49a6-8067-a449c9cacd4a

人間、AGIという象を撫でる——「もうすぐ来る」が永遠に終わらない構造について

「AIは人間を超えた」と「AIは人間に遠く及ばない」が同時に正しい理由

2026年2月、ケンブリッジ大学などの研究チームが一本の論文を発表した。タイトルは「From Human-Level AI Tales to AI Levelling Human Scales」。AIの能力を「人間レベル」と比較する従来のやり方があまりに杜撰なので、世界人口を基準にした共通の物差しを作ろう、という試みだ。

問題意識は正しい。現状、「AIは人間を超えた」というニュースと「AIは人間に遠く及ばない」というニュースが毎週交互に流れてくる。どちらも本当だ。知識量ではAIが圧倒し、注意力やメタ認知——つまり「自分が何を分かっていないか分かる」力——では人間が勝る。テストの種類、比較対象の人間集団、能力の定義を変えれば、結論はいくらでもひっくり返る。

だから「共通の物差し」が必要だ——という発想は自然に見える。

しかしこの論文は、作ろうとした物差しそのものが原理的に作れないことを、意図せず証明してしまっている。

象の足を触って「柱だ」と言う人たち

インドの寓話「群盲象を評す」をご存じだろうか。目の見えない人たちがそれぞれ象の体の一部に触れ、「象とは柱のようなものだ」（足を触った人）、「いや、ロープだ」（尻尾を触った人）、「壁だ」（胴体を触った人）と主張する話だ。

AI能力の評価は、まさにこの状態にある。

この論文は18種類の能力次元——推論、理解、知識、注意力、メタ認知など——を設定し、それぞれ独立した物差しで測ろうとする。しかし人間の能力は相互に絡み合っている。メタ認知が弱ければ推論の質が下がり、注意力が足りなければ長い文脈の理解が崩壊する。能力を一本ずつ独立に測るのは、象の足と尻尾と胴体をバラバラに測って「これが象の全体像です」と言うようなものだ。

しかも、人間にとっての「難しさ」とAIにとっての「難しさ」は根本的に形が違う。人間は長い文脈の処理が少し複雑になるだけで正答率が急落する。一方、言語理解力は難易度が上がっても比較的安定している。AIはこれとはまったく異なるパターンを示す。同じ物差しの上に両者を並べること自体に、無理がある。

人間とAIでは「難しさの地形」が異なるのだ。平地に住む人の地図で山岳地帯を歩こうとしているようなものである。

水銀温度計で水銀の沸点を測る

この論文にはもう一つ、より根本的な問題がある。

物差しの較正——つまり「世界人口の何パーセントがこの問題を解けるか」の推定——に、LLM（大規模言語モデル）自身を使っているのだ。LLMは訓練データに含まれる人口統計情報を「知っている」から、偏ったサンプルから世界人口全体へ外挿できるはず、という仮説に基づいている。

しかしこの物差しの目的は、LLMの能力を測ることだ。測定対象を使って測定器を較正している。これは水銀温度計で水銀の沸点を測ろうとするのに似ている。測定器の原理が、測りたい領域で通用しなくなる。

さらに言えば、AIが人間の能力分布の「外」に出た時点で、人間を基準にした物差しは意味を失う。「世界人口の上位0.001%」より上の領域を測る方法がない。人間の分布が存在しない場所に目盛りを刻むことはできないからだ。

つまりこの物差しは、最も必要とされる場面——「AIは本当に人間を超えたのか」を判定する場面——で使えない。

物差しがないほうが都合がいい人たち

ここで自然な疑問が湧く。こうした限界は、論文の著者たち——AI評価の専門家たち——にも分かっているはずだ。なぜそれでもこの論文を書くのか。

答えは論文の中にはない。学術と産業を取り巻く構造の中にある。

AI評価・ベンチマーク研究には今、巨大な需要がある。各国政府はAI規制の基準を欲しがり、企業は自社製品の優位性を数値で示したがっている。EU AI Actをはじめとする規制枠組みは「人間レベル」「人間以上」といった閾値を法的なカテゴリとして使おうとしている。この需要に応える論文は評価され、出版される。「原理的に測れません」という論文は、正しくても出版されにくい。

一方、AI開発企業の側にとって、物差しが存在しないことはむしろ好都合だ。

OpenAIには独自の「AGIの5段階」がある。Google DeepMindにも独自のAGI定義がある。Anthropicには「ASL（AI Safety Level）」がある。全部違う。共通の物差しがないということは、各社が自分に都合の良い物差しを自由に選べるということだ。「AGI達成」を宣言したいとき、反証可能な共通基準がなければ、誰も反論できない。

永久未達機関——AGIという装置の動力源

この構造を俯瞰すると、AGIという概念がある種の「装置」として機能していることが見えてくる。

永久機関詐欺をご存じだろう。「エネルギーを無限に生み出す装置を発明した」と称して投資を集める古典的な詐欺だ。熱力学の法則により原理的に不可能だが、仕組みが複雑なので素人には見破れない。

AGI開発はこれに構造的に似ている。ただし三つの要素が重なった、より巧妙な形をしている。

一つ目は、永久機関の経済構造。 AGIの定義が確定しない。だから達成も不達成も証明できない。「もう少しで届く」と永遠に言い続けられる。投資は続く。定義を確定させるインセンティブは誰にもない。そしてまた最初に戻る。

これは正確には「永久未達機関」だ。到達しないことそれ自体が、装置を回し続ける動力源になっている。

二つ目は、終末論の認知構造。 「AGIはもうすぐ来る」という予言は、宗教的な終末論と同じ構造を持っている。「世界の終わり」が来なくても信仰は揺るがない。予言が外れるたびに、期日が先送りされるだけだ。Sam Altmanが「数年以内にAGI」と言い、数年経っても来なければ、定義が更新されるか、「実はもう部分的に達成している」と再解釈されるか、新たな「あと数年」が宣言される。

予言者自身がこれを詐欺と自覚しているかどうかは、外部からは判定できない。本気で信じている可能性も十分にある。それが構造をさらに厄介にしている。

三つ目——そしてこれが決定的に厄介な点——は、副産物が実際に有用だということ。 古典的な永久機関はエネルギーを生まないから、「動かない」時点で詐欺が露見する。しかしAGI開発は、AGIに到達しなくても、途中で有用なものを大量に生み出す。ChatGPTは便利だ。画像生成AIは産業を変えつつある。コード支援ツールはプログラマーの生産性を上げている。

投資家にとっても、AGIに到達しなくても途中の副産物で投資を回収できる可能性がある。だから「詐欺だ」と切り捨てきれない。ゴールポストは常に移動するが、移動の途中で拾える果実は本物なのだ。

象の全体像は見えるのか

永久機関詐欺の経済構造、終末論の認知構造、そして実際に有用な副産物。この三つが重なったキメラがAGI開発の現在地だ。どれか一つなら対処法があるが、三つ重なっているので解体が極めて難しい。

冒頭の論文に戻ろう。ケンブリッジ大学の研究者たちが作ろうとした「共通の物差し」は、象の足だけでなく胴体も尻尾も同時に測ろうとした意欲的な試みではある。しかし結局のところ、象の全体像を捉えるには、触覚だけでは足りない。目が必要だ。

AIの能力と人間の能力は、同じ空間に住んでいない。両者を同じ物差しに載せようとすること自体が、問いの立て方を間違えている。必要なのは「AIは人間の何合目にいるか」ではなく、「AIと人間はそれぞれどんな形の山に登っているのか」という問いだろう。

だがその問いは、AGI産業にとっては都合が悪い。「別の山です」と言われたら、「もうすぐ頂上」という物語が成立しなくなるからだ。

物差しがないことは、科学の失敗ではない。物差しがないことを利用する構造が存在することが、問題なのだ。

石部統久（Motohisa Ishibe）——新ネクシャリスト。岡山在住。note.comおよびX（旧Twitter）にて、AI・哲学・認知科学をめぐる構造分析を発信中。