新年特別企画！David Cox、Adji Bousso Dieng、Juan M. Lavista Ferres、Tanmay Gupta、Pengtao Xie、Sharon Zhouによる2026年への展望

**記事要約：新年特別企画「2026年への希望」と新たなAGIテストの提案** 本記事は、AI研究者らによる2026年への展望を記したもので、特に人工汎用知能（AGI）の達成基準について新たなテスト「チューリング-AGIテスト」を提唱している。 筆者はまず、現在の「AGI」という言葉が過剰な宣伝文句となり、明確な定義を失っている現状を問題視する。企業が「数四半期以内にAGI達成」と主張する際には、実際にははるかに低い基準を設定しており、この定義の不一致は有害だと指摘する。高校生（AGIの到来を過大視し特定の学問分野を避ける）からCEO（AIの過剰な能力予測に基づき投資判断を行う）まで、社会全体が誤った認識に導かれていると警鐘を鳴らす。 そこで筆者は、AGI達成の実用的な判定基準として「チューリング-AGIテスト」を提案する。このテストでは、被験者（AIまたは熟練した人間）にインターネット接続とソフトウェアを備えたコンピュータを与え、審判が遠隔業務を模した「数日間にわたる業務体験」を設計する。具体的には、コールセンターオペレーターの訓練を受け、実際の電話対応を行い、継続的なフィードバックに対応するといった一連の業務を遂行する能力を評価する。AIが熟練人間と同等に業務を遂行できれば、テスト合格（＝AGI達成）とみなす。 この提案の背景には、従来の「チューリングテスト」の限界がある。従来テストは、テキストチャットで人間を欺く能力に焦点を当てており、人間レベルの知能の真の証明としては不十分だった。実際の競技会では、タイプミスを再現するといった「欺瞞」が重要視され、知能そのものの証明になっていない。現代のAI開発の主目的は、審判を欺くことではなく、経済的に有用な仕事をこなすシステムを構築することにある。したがって、業務遂行能力を直接測定する新テストの方が、実用的な指標として有効だと論じる。 さらに筆者は、現在の多くのAIベンチマーク（GPQA、AIME、SWE-bench等）が事前に決定されたテストセットを使用するため、開発チームがその特定セットへの過剰適合（オーバーフィッティング）を引き起こし、真の一般化能力を測れていない点にも言及する。これに対し、提案する「チューリング-AGIテスト」は、柔軟で予測不可能な業務体験を課すため、AIの真の適応力と実務能力を評価できる利点があると結論づける。 要約すると、本記事は、曖昧化・誇張されがちなAGI議論に一石を投じるため、AGIの定義を「人間と同等の知的業務を遂行する能力」に据え直し、それを実証するための具体的で実務的な新テストを提案する内容となっている。これは、AIの進歩を冷静に測る枠組みを提供すると同時に、社会がAI能力を現実的に理解する上での一助となることを意図している。

新年特別企画！David Cox、Adji Bousso Dieng、Juan M. Lavista Ferres、Tanmay Gupta、Pengtao Xie、Sharon Zhouによる2026年への展望

背景や根拠まで確認しますか？

調べる

選ぶ

サイト

背景や根拠まで確認しますか？

ニュースの次に確認する

調べる

選ぶ

サイト