汎用人工知能（AGI）

人工知能（Artificial General Intelligence：AGI）は、人工知能（AI）の理論的概念である。 人工知能 人工知能（AI）における理論的概念である。 人工知能（AI）における理論的概念である。今日普及している特殊なシステムとは異なり、AGIは柔軟な認知能力を持つ。 を持ち、慣れない問題を推論し、多様な領域にわたる経験を一般化し、特定の再プログラムなしに自律的に機能する。 新しい課題ごとに特別な再プログラミングを必要とせずに自律的に機能する。この人間レベルの知能の追求は は、オープンAIやグーグル・ディープマインドを含む多くの主要研究所の究極の目標である。 Google DeepMindを含む多くの大手研究所の究極の目標であり、テクノロジーの進化における次の大きなフロンティアと考えられている。 テクノロジーの進化における次の大きなフロンティアと考えられている。

AGIと人工狭域知能（ANI）の比較

AGIの重要性を十分に理解するためには、我々が現在利用している知性の形態と区別することが重要である。 利用することである。

• 人工狭域知能（ANI）： 弱いAIとも呼ばれるこのカテゴリーには、既存のすべてのAIアプリケーションが含まれる。これらのシステムは 特定のタスクを得意とするように設計されている。例えば Ultralytics YOLO11は 物体検出と オブジェクト検出と 画像セグメンテーションに最適化された強力なANIモデルです。YOLO11は、これらの視覚タスクを超人的なスピードでこなす。 しかし、小説を書いたり、複雑な社会状況をナビゲートしたりする能力はない。
• AGI（強いAI）：AGIシステムは単一のモダリティに限定されない。ゲーム理論のようなある分野の知識を ゲーム理論のようなある分野から、経済モデリングのような別の分野へと知識を伝達することができる。 転移学習。この概念は この概念はストロングAIと密接に関連している。 この用語は、しばしば機械が意識や感覚を持つことを意味する。 中国の部屋の議論」のような思考実験を含む哲学的議論の対象である。

仮説上の現実世界のアプリケーション

AGIはまだ存在していないが、スタンフォードのHAIやMITのCSAILのような機関の専門家は、AGIの登場が事実上あらゆる分野に革命をもたらすだろうと理論立てている。 やMIT CSAILなどの専門家は、AGIの登場が事実上あらゆる産業に革命をもたらすと理論化している。 と説いている。

1. 全人的医療研究：AGIは、ゲノミクス、化学、患者の病歴などの知識を統合し、複雑な病気の治療法を独自に発見することができる。 複雑な病気の治療法を独自に発見することができる。これは、現在の 医療におけるAIは、通常、医療画像の分析や特定の患者の転帰の予測に重点を置いている。 医療画像の解析や特定の患者の転帰の予測に重点を置いている現在のAIをはるかに超え、まったく新しい科学的仮説を立てて検証することができる。 の仮説を立て、検証することである。
2. 高度な自律システム：現在のロボットは、非構造化環境におけるエッジケースに苦戦している。 AGIは次世代のロボット工学の原動力となる可能性がある。 AGIは、次世代のロボット工学におけるAIに力を与える可能性がある。 機械が人間の常識と適応性をもって、混沌とした災害地帯をナビゲートしたり、一般家庭の仕事をこなしたりできるようになる、 労働と物流に大きな影響を与える。

技術的課題と倫理的配慮

AGIの開発には、膨大な技術的ハードルを乗り越える必要がある。それは、ディープラーニング（DL）のパターンマッチングを超えて ディープラーニング（DL）のパターンマッチングを超え、抽象的な推論や長期的なプランニングが可能なシステムへと移行する必要がある。 抽象的な推論や長期的なプランニングが可能なシステムへと移行する必要がある。そのためには、膨大な計算リソースが必要となる。 のような企業の高度なハードウェアに頼ることになる。 NVIDIA大規模な 基礎モデルを訓練するために、エヌビディアのような企業の高度なハードウェアに頼ることになる。

さらに、AGIの潜在的な力は、AIの倫理に関する重大な問題を提起している。 AI倫理。これらのシステムが人間の価値観に合致していることを保証することは 人間の価値観と一致させることが Anthropicや フューチャー・オブ・ライフ・インスティテュート（Future of Life Institute）。その目標は システムがより自律的になるにつれて、予期せぬ結果を防ぐAIの安全フレームワークを構築することである。 システムがより自律的になるにつれて

次のコード・スニペットは、ANIの現在の制限を示すものである。 ultralytics パッケージこの モデルは、（COCO データセットにあるような）明示的に認識するように訓練されたオブジェクトしかdetect できず、現在の技術とAGIが持つであろう一般的な理解のギャップを浮き彫りにしている。 これは、現在の技術とAGIが持つであろう一般的な理解とのギャップを浮き彫りにしている。

from ultralytics import YOLO

# Load a pretrained YOLO11 model (ANI)
# This model is specialized for detecting specific object classes
model = YOLO("yolo11n.pt")

# Run inference on an image
# Unlike AGI, the model does not 'understand' the scene context
results = model.predict("https://ultralytics.com/images/bus.jpg")

# Display the detection results
results[0].show()

ANIとAGIの間のギャップを埋める研究が続けられている。 ニューラルネットワークと 強化学習。興味のある方は 学術的な進展に興味のある方は 人工知能学会（AAAI）は、この分野の軌跡を定期的に発表している。 を定期的に発行している。また、現在の また、現在の生成AIがどのように一般的な推論の一面を模倣し始めているかを調べることもできる。 一般的な推論