Foundational Requirements for Artificial General Intelligence: A Falsifiable Framework Based on Signal Prediction

あなたは、人間と同じように真に「賢い」ロボットを作ろうとしていると想像してください。今日、多くの人々は、チェスの打ち方や詩の書き方、車の運転の仕方を教えるために、何百万もの例をロボットに与えようとしています。しかし、この論文は、私たちが問題を逆さまに捉えていると主張しています。ロボットに「何をすべきか」を教えるのではなく、脳（生物学的、あるいは人工的なもの）がそもそも「学習する」ための、基本的かつ低レベルなルールを見つけ出す必要があるのです。

著者であるマテイ・シュプロガル（Matej Šprogar）は、「人工汎用知能（AGI）」をテストするための新しい方法を提案しています。彼は、「このロボットは数学のテストに合格できるか？」と問うのではなく、「このロボットには学習のための根本的な構成要素があるか？」と問いかけているのです。

以下に、この論文の核心となるアイデアを簡単に解説します。

1. 核となるアイデア：未来を推測することによる学習

論文は、真の知性とは事実を暗記することではなく、未来を予測することであると示唆しています。

• 比喩： あなたが暗い森の中を歩いていると想像してください。枝の折れる音が聞こえました。賢いシステムは、単に音を聞き取るだけでなく、即座に「鹿が来る」あるいは「枝が落ちた」と推測し、次のステップへの準備をします。
• 論文の主張： 知的なシステムは、生のデータ（ニューロンの発火に似た、0と1のシーケンスのようなもの）のストリームを見て、次に何が来るかを推測できなければなりません。システムは、過去のフレームに基づき、次の「現実のフレーム」を予測しようとすることで学習します。

2. 「反証可能な」テスト（12のルール）

「知能」の完璧な定義は存在しないため、著者はシステムが「賢いこと」を証明しようとはしていません。代わりに、彼は「罠」を仕掛けています。彼は、真に賢いシステムであれば必ず従わなければならない12の具体的なルールを提案しています。

もしシステムがこれら12のルールのうち一つでも満たせなければ、それは汎用的な知能を持っているとはみなされません。ただし、12すべてをクリアしたからといって天才である保証はありません。それは単に、まだ「ズル」が見つかっていないということを意味するに過ぎません。

以下に、12のルールを日常的な比喩を用いて説明します。

1. 白紙状態（The Blank Slate）： システムは知識ゼロの状態から始めなければなりません。あらかじめプログラムされた「チートコード」や、世界に関する既成事実をロードしていてはいけません。人間のお子さんのように、すべてをゼロから学ばなければなりません。
2. 時計仕掛けの脳（The Clockwork Brain）： 同じ入力を2回与えた場合、システムは全く同じように反応しなければなりません。ランダムであったり混沌としたりしてはいけません。一貫性が必要です。
3. 消えない傷跡（The Permanent Scar）： システムが見るすべての情報は、その「記憶」に永続的な痕跡を残さなければなりません。過去を忘れたり、過去を上書きしたりしてはいけません。すべての経験が、システムを永遠に変容させるのです。
4. 時間の重要性（Time Matters）： イベントの順序が重要でなければなりません。「煙」の信号の後に「火」の信号を見るのと、「火」の後に「煙」を見るのでは異なります。システムは、時間が一方向に流れることを理解していなければなりません。
5. 「回復」期間（The "Recovery" Period）： 本物のニューロンが再び発火する前に一瞬の休息を必要とするように、システムは2つの同一の信号を即座に処理することはできません。入力の間に、わずかな「一息」を置く必要があります。
6. 容量の限界（The Capacity Limit）： システムはすべてを学ぶことはできません。限界があります。単純なイベントのペアなら簡単に学べるはずですが、事象が長く複雑になるにつれ、学習できなくなる壁に突き当たるはずです。
7. 柔軟なタイミング（Flexible Timing）： システムは、速いパターン（ドラムのビートなど）と遅いパターン（季節の移り変わりなど）の両方を学習できなければなりません。一つの速度に固執してはいけません。
8. 難易度の相関（Hard vs. Easy）： パターンが単純であれば、システムは素早く学習すべきです。パターンが乱雑で複雑であれば、より時間がかかるべきです。学習速度は難易度と一致していなければなりません。
9. 文脈の依存（Context Matters）： システムがどれほど速く学習するかは、それが「すでに知っていること」に依存します。新しい情報が昨日の学習内容と合致していれば学習は速くなり、昨日と矛盾していれば学習は遅くなります。
10. ノイズ・フィルター（The Noise Filter）： もし馴染みのあるパターンの中に一部の乱れ（レコードのノイズのようなもの）があった場合、システムは「間違い」を検知し、本来あるべき正しい音を推測できなければなりません。
11. 信頼の跳躍（The Leap of Faith / 一般化）： システムがあるパターンを学習した場合、一度も見たことがないシーケンスにおいても、次に何が起こるかを推測できなければなりません。単なる暗記ではなく、ルールを理解している必要があります。
12. リアルタイムの速度（Real-Time Speed）： システムは即座に決定を下さなければなりません。単純な入力に対して、考えるのに1年もかけてはいけません。どれほど多くのことを学んだとしても、決まった短い時間内に反応しなければなりません。

3. 「テストベッド」（試験）

著者は、コンピュータがこれら12のルールをパスできるかどうかを確認するために、AGITB（Artificial General Intelligence Testbed）と呼ばれるデジタル試験を構築しました。

• 設定： コンピュータには、ランダムな10ビットの数字（電灯のスイッチのオン・オフのストリームのようなもの）が与えられます。
• 目標： コンピュータはそのストリームの次の数字を予測しなければなりません。
• 結果： 現在のところ、既存のAIシステムでこの全ルールをパスしたものはありません。
  • なぜか？ 現代のAI（あなたが使っているチャットボットなど）は、膨大なデータを事前学習しているため「白紙状態」のルールで失敗します。また、思考に巨大なコンピュータを必要としたり、動作が遅かったりするため「リアルタイム」のルールでも失敗します。さらに、メモリをリセットすることが多いため「消えない傷跡」のルールでも失敗します。

4. なぜこれが重要なのか

この論文は、現在のAIはオウムのようなものであると主張しています。オウムは聞いたことを繰り返すことはできますが、時間の流れを真に理解したり、事前にロードされたデータなしに生の経験から学習したりすることはできません。

本当に「生きて」いて適応力のあるロボットを作るためには、高レベルなスキル（エッセイを書くなど）を教えようとするのではなく、これら12の低レベルなルールを満たすシステムを構築し始める必要があります。もし機械がこのテストに合格できたなら、それは汎用知能の「可能性」を持っていることを意味します。もし失敗するなら、それは単なる特化したツールに過ぎません。

要約すると： この論文は、「私たちは知能が正確に何であるかは分かっていないが、それが何ではないかは分かっている。ここに、賢い脳が従うべき12のルールがある。もしあなたのロボットがこのうちのどれか一つでも破るなら、それはまだ賢いとは言えない」と言っているのです。