Command Palette
Search for a command to run...
人工知能は、超人適応知能による専門化を受け入れる必要がある
人工知能は、超人適応知能による専門化を受け入れる必要がある
Judah Goldfeder Philippe Wyder Yann LeCun Ravid Shwartz-Ziv
概要
人工知能（AI）の経営陣や研究者、終末論者、政治家、アクティビストに至るまで、誰もが人工汎用知能（AGI）について語っている。しかし、彼らはその正確な定義に対して必ずしも合意しているようには見えない。AGIの一般的な定義の一つは、「人間がanythingできることをすべて実行できるAI」である。しかし、人間は本当に「汎用的」なのであろうか。本論文では、我々のAGIに対する概念のどこに問題があるか、そして最も整合性のある定式化であっても、AIの未来を記述するための概念としていかに欠陥があるかについて考察する。我々は、最も広く受け入れられている定義が妥当性、有用性、そして真の意味での「汎用性」を備えているかどうかを探究する。我々は、AIは汎用性を目指すべきではなく、専門性を受容すべきであるという立場を取り、その専門性において人間を超越したパフォーマンスを目指すべきであり、これに基づき「超人間適応知能（Superhuman Adaptable Intelligence：SAI）」を提案する。SAIは、我々が何か重要なことを成し遂げる際に人間を超えて学習できる知能、そして人間が不可能な技能ギャップを埋めることができる知能として定義される。さらに、我々はSAIが、過度に広義化されたAGIの定義によって曖昧になっていたAIに関する議論をどのように整理し得るかを示し、これを将来の指針として使用することの含意を推論する。
One-sentence Summary
Arguing that the concept of AGI is flawed, the authors advocate for AI to specialize toward superhuman performance, introducing Superhuman Adaptable Intelligence (SAI), defined as intelligence that learns to exceed humans at any important task and fills skill gaps where humans are incapable, to refocus AI discourse and guide future development.
Key Contributions
- This work introduces Superhuman Adaptable Intelligence (SAI), defined as intelligence that can learn to exceed humans at any important task they can perform and fill skill gaps where humans are incapable, recasting the goal of AI away from ill-defined human-level generality.
- The paper argues that progress toward SAI demands specialization and architectural diversity, proposing that systems composed of specialized modules, predictive world models, and self-supervised latent prediction (as in Dreamer 4, Genie 2, or JEPA) provide a more effective path than monolithic autoregressive models.
- It reorients evaluation away from static human-centric benchmarks and toward measurable adaptation dynamics—the speed and efficiency of skill acquisition under realistic resource constraints—as a more concrete North Star.
Introduction
The pursuit of Artificial General Intelligence (AGI) shapes much of today’s AI narrative, but the term remains overloaded with inconsistent definitions, fueling polarized debate and muddying research direction. Prior notions of AGI typically treat human intelligence as the benchmark of generality, overlooking evidence that humans are specialized adapters rather than universal problem solvers; definitions that aim for true generality clash with the No Free Lunch theorem, and human-centric yardsticks ignore valuable tasks outside human ability. The authors argue that this flawed framing obscures progress, and they propose Superhuman Adaptable Intelligence (SAI) as a clearer North Star: an intelligence measured by how rapidly it can adapt to exceed human performance on any important task, whether or not humans can do it. This shift foregrounds specialization, self-supervised learning, and modular world models over the quest for a single generalist system.