GPT-6 Astraは本当にAGIなのか？

定義によってAGIの判断は変わる

主張を評価する前に定義を選びましょう。多様な知的課題で高い性能を発揮すること、未知の状況で素早く学ぶこと、経済的価値のある仕事を安定して完了することのどれを指すのでしょうか。重なりはあっても同じ基準ではありません。議論の途中で基準を変えれば、ほぼどんな結論も導けてしまいます。

研究論文Levels of AGIは、能力の幅と性能の水準を分け、運用時の自律性も考慮する枠組みを提案しています。これは研究上の提案であり、普遍的な認証ではありません。知能を有無だけで扱わず、どの側面を指すか明示する点が実用的です。

本稿で問うのは、選ばれたデモを超えて、幅広く信頼できる能力が証拠によって示されているかです。Astraが印象的か、商業的に役立つか、前世代より優れているかとは別問題です。この三つがすべて正しくても、より大きな問いは残ります。

公開された証拠から言えること

OpenAIのAstra発表は、コーディング、コンピューター操作、専門業務での改善と、高い評価結果を説明しています。検討に値する能力の主張ですが、発表元の説明として扱い、評価条件を保ったまま読む必要があります。個別プロジェクトの成功保証に置き換えてはいけません。

ベンチマークは、特定のシステムが特定の課題群を、所定の道具、資源、採点方法でどれだけ処理できたかという限定的な問いに答えます。デモは、その設定で達成可能な結果を示します。初めて使う人の成功率、必要な介入量、要求が矛盾した場合の動作までは自動的に分かりません。

次に必要なのは再現性です。独立した評価者、明確な手順、未知の課題、成功だけでなく失敗の報告が重要になります。説得力のある主張は、言い回しや環境を変えても成り立ち、念入りに準備した一例だけに依存しないはずです。

能力、自律性、信頼性は別の性質

解法を知るモデルでも、実行するツールがない場合があります。自律的なアプリが多くの手順を進めても、重大な誤りを起こすことはあります。信頼性の高い運用が、意図的に範囲を狭め、人の承認を求める場合もあります。矛盾ではなく、異なる性質を述べています。

地域イベントのページを準備する例を考えてみましょう。文章作成は一つの能力、カレンダー更新は別システムとの連携、招待送信は外部への影響です。日付の誤りから復旧できるかはエラー処理の評価です。権限を増やしても知能そのものは高まらず、承認を求めることも失敗の証拠ではありません。

意識の有無も別問題です。適切な出力やタスク完了は観察できる行動であり、主観的な経験を証明しません。実用能力の説明を、モデルが何を感じるかという主張にすり替えるべきではありません。

AGIの主張を読むためのチェックリスト

AGI達成をうたう見出しを、答えを確認できる質問に置き換えましょう。結果だけでなく、それを可能にした条件も記録します。答えがない部分は証拠の不足であり、能力が存在しない証拠でも、無制限である証拠でもありません。

以下は発表、評価報告、デモを読むための編集上の確認表です。新たな科学的試験でも、私たちがAstraに付けた点数でもありません。

• 定義：ここでいうAGIは具体的に何を意味するか。
• 範囲：どの課題を評価し、どの課題を除外したか。
• 新規性：未知の状況と見慣れた例をどう区別したか。
• 資源：ツール、時間、再試行、人の支援をどこまで認めたか。
• 信頼性：失敗、反復、復旧の挙動を報告しているか。
• 転移：環境や指示を変えても結果は維持されるか。
• 責任：人が作業を点検し、重大な操作を止められるか。

ゲームの例で違いを具体化する

AIに小さなパズルゲームを作るよう依頼したとします。遊べる画面ができることは一つの到達点です。修正後もルールを守ること、不可能な状態を防ぐこと、失敗したテストを説明することは別の到達点です。見栄えのよい画像では、再開ボタンや予想外の操作後の行き詰まりを確認できません。

実際に遊べるゲームを探し、操作、反応、リスタートの例を観察して、別の試作品の受け入れ条件に変えることができます。これは有用な結果の評価であってAGIの証明ではなく、観察したゲームがAstra製だという意味でもありません。

制作者にとって役立つのは、検証可能な成果を作り、維持できるかという問いです。面白さのような主観的判断と、ボタンが反応するかという機能確認を分けましょう。

呼び名を誇張せず能力を活用する

慎重な結論は、Astraが重要ではないということではありません。強力なモデルの登場とAGIの確定判断は別の主張です。進歩を認めながら、より大きな呼び名には広範で再現可能な証拠を求められます。

次のプロジェクトでは、小さな成果物、境界、確認方法を決めましょう。役立つ完了、修正の手間、失敗からの復旧を観察します。研究者や企業が用語で意見を異にしていても、こうした観察は実際の判断に使えます。

新しい証拠が出れば結論も変えるべきです。ただし基準は保ちます。定義を明示し、主張の発信元を示し、印象的な例を必要な証拠の代わりにしないことです。