The Rise and Fall of $G$ in AGI

この論文は、心理測定学の「一般知能（g 因子）」の概念を大規模言語モデルのベンチマーク評価に適用し、2019 年から 2025 年にかけてのモデル進化において一貫した正の相関（一般知能）が観察される一方で、2024 年以降の推論特化モデルやツールの登場によりその説明力が低下し、汎用性の背後で専門化が進んでいることを示唆しています。

要約

この論文は、人工知能（AI）の「知能」がどのように変化してきたか、そして「何でもできる万能な AI（AGI）」という概念が実は少し違う形に進化していることを、心理テストの統計手法を使って分析した興味深い研究です。

著者のデイビッド・クラカワー氏は、**「AI の知能を測るテストの結果を、人間の知能テスト（IQ テスト）の分析と同じ方法で見てみよう」**と考えました。

以下に、専門用語を排し、身近な例え話を使ってこの論文の核心を解説します。

---

1. 導入：AI も「IQ テスト」を受ける？

人間が IQ テストを受ける時、言語のテスト、数学のテスト、図形パズルなど、さまざまな分野のテストを受けます。
昔から心理学では、**「数学が得意な人は、言語も得意な傾向がある」という現象（これを「正の相関」と呼びます）が知られています。これを説明するために、「g 因子（一般知能）」**という、すべての能力の根底にある「共通のエンジン」のようなものが存在すると言われています。

この論文は、**「AI モデルも同じように、さまざまなテスト（ベンチマーク）を受けさせて、その結果を分析したらどうなるか？」**を調べました。
対象は、2019 年から 2025 年にかけて登場した 39 種類の AI モデルと、14 種類のテストです。

2. 発見その 1：AI には「万能な知能」があった（そして、それは消えつつある）

🌟 最初の頃：「何でもできる巨人」の時代

2023 年頃までの AI モデル（GPT-4 など）を分析すると、驚くべき結果が出ました。
「数学が得意な AI は、プログラミングも得意で、一般教養も高い」という**「完璧な正の相関」が確認されたのです。
これは、AI の世界に「g 因子（万能の知能）」**が強く存在することを意味します。

• 比喩： この頃の AI は、**「何でも屋の巨人」**でした。どんな分野のテストでも、巨人の「背の高さ（性能）」が高ければ、すべてのテストで高得点を取れました。
• 統計： この時期、AI の能力の 90% 以上は、この「背の高さ（g 因子）」だけで説明できていました。

📉 最近の変化：「巨人」から「専門家集団」へ

しかし、2024 年後半になると、状況が変わり始めました。
新しい AI モデル（o1 や DeepSeek R1 など）が登場し、**「推論（考える力）」に特化したモデルが現れました。
すると、「万能な知能（g 因子）の説明力は 90% から 77% へと低下」**しました。

• 何が起きた？
  AI は「何でもできる巨人」から、「考えるのが得意な専門家」と「コードを書くのが得意な専門家」に分かれてきたのです。
  以前は「背が高ければ全部得意」でしたが、今は「背が高くても、得意分野によって得意・不得意がハッキリしてきた」状態です。

3. 発見その 2：AI は「道具」を使うことで知能を変えた

この変化の最大の理由は、**「道具（ツール）を使うようになったこと」**です。

• 昔の AI： 頭の中だけですべてを計算し、記憶から答えを引っ張っていました。
• 今の AI： 計算機を使ったり、検索エンジンを使ったり、コードを実行したりする「道具」を駆使して問題を解きます。

🧠 面白い比喩：
人間が「紙とペン」や「電卓」を使わないで計算テストを受けると、頭脳だけの能力が測れます。でも、実際には私たちは電卓やインターネットを使って頭脳を拡張しています。
今の AI は、**「道具を使うことで、自分自身の能力を拡張している」のです。
著者は、「AI の知能は、AI 単体の能力ではなく、『AI ＋ 道具』というセットの能力」**だと指摘しています。

4. 核心：「キツネ」と「ハリネズミ」の逆転

古代ギリシャの詩人から「キツネは多くのことを知っているが、ハリネズミは一つの大きなことを知っている」という言葉があります。

• ハリネズミ（昔の AI）： 一つの「万能の知能（g 因子）」で、すべての問題を解決しようとしていました。
• キツネ（今の AI）： 「道具」を使って、それぞれの分野で異なる戦略（キツネの知恵）を駆使するようになりました。

この論文は、**「AI は、単一の『万能な知能』を持つハリネズミから、多様な『道具使い』であるキツネの集団へと進化している」**と結論づけています。
これにより、AI の能力は「一つの軸（背の高さ）」で測るのではなく、「多次元の複雑な能力の集合体」として捉える必要があります。

5. 結論：「Ptolemaic Succession（プトレマイオスの系譜）」の逆転

天文学の歴史で、プトレマイオスは「地球が中心」という単純な考えを維持するために、惑星の動きを説明するために「エピサイクル（円周上の円）」を次々と追加しました。

• AI の現状： 今、AI の研究者も同じことをしています。「新しい能力（ツール使用など）」が出るたびに、「新しいテスト」を追加して評価しています。
• 逆転： しかし、AI は人間とは逆の進化をしています。人間は「単純な法則」を見つけようとしてきましたが、AI は**「複雑な道具（エピサイクル）を次々と追加しても、圧倒的な計算力でそれを統合し、さらに賢くなっている」**のです。

まとめ：この論文が伝えたいこと

1. AI には「万能な知能（g 因子）」が存在したが、それは「すべてのテストで高得点を取れる」という意味だった。
2. しかし、AI が「道具」を使い始めると、その「万能性」は薄れ、代わりに「分野ごとの専門性」が浮き彫りになった。
3. 今後は、AI を「どれくらい賢いか（背の高さ）」で測るのではなく、**「どのような道具を使い、どのような分野でどう活躍するか（多次元の能力）」**で評価する必要がある。
4. AI の知能は、単体の脳ではなく、「脳＋道具」のシステム全体として捉えるべきだ。

一言で言えば：
「AI は、何でもできる『万能の天才』から、道具を駆使してそれぞれの分野で活躍する『多才な専門家集団』へと進化している。だから、昔ながらの『IQ テスト』のような単純な評価基準は、もう通用しなくなってきた」というのが、この論文のメッセージです。

技術概要

論文「The Rise and Fall of G in AGI」の技術的サマリー

著者: David C. Krakauer (Santa Fe Institute)
日付: 2026 年 4 月 14 日
対象: 大規模言語モデル（LLM）の一般知能（AGI）に関するベンチマーク評価の心理計量学的分析

---

1. 問題設定 (Problem)

人工知能（AI）コミュニティでは、LLM が「人工一般知能（AGI）」に近づいているという主張がなされていますが、その評価基準は人間知能の心理計量学（特に「一般知能 $g$ 因子」）との対比において十分に議論されていません。

• 心理計量学的 $g$ と AI の「G」: 人間知能において、多様な認知テストのスコアが正の相関を示す現象（正のマンモフォールド）は、背後に単一の潜在変数である「一般知能（$g$）」が存在することを示唆します。同様に、LLM のベンチマーク（MMLU, GSM8K, HumanEval など）間でも正の相関が観察されています。
• 核心的な問い: LLM におけるこの正の相関は、単なる統計的な傾向（モデルが全体的に向上しているため）なのか、それとも真の「機械的 $G$（共通の推論メカニズム）」を反映しているのか？
• 時間的ダイナミクス: 従来の心理計量学では対象（人間）は自然集団ですが、LLM は設計された時間的進化軌道にあります。モデルの進化に伴い、ベンチマーク間の相関構造（因子構造）がどのように変化し、特に「一般性」が「特化性」に置き換わる過程を定量的に解明する必要があります。

2. 手法 (Methodology)

本研究は、39 個のモデル（2019 年〜2025 年）と 14 のベンチマークからなる時系列データマトリックスに対して、主成分分析（PCA）と心理計量学的アプローチを適用しました。

• データ構造:
  • モデル数 $N=39$、ベンチマーク数 $K=14$。
  • スコアは 0-100% に正規化。欠損値は存在するが、構造は体系的（初期モデルは新しいベンチマークなし、後期モデルは古いベンチマークなし）。
• 分析手法:
  1. 正のマンモフォールドの確認: 全ペアのピアソン相関が正であることを確認。
  2. 主成分分析（PCA）: 標準化されたスコア行列に対し、第一主成分（PC1）を「G 因子」と定義。PC1 が説明する分散比率（$\rho_1$）と、固有値の支配比（$\delta = \lambda_1/\lambda_2$）を計算。
  3. 時間的分解: モデルのリリース時期を「アルゴリズム的エポック（4 つの期間）」に分割し、各エポック内での因子構造を比較。
  4. 拡張ウィンドウ分析: 時系列順にモデルを追加しながら PCA を再計算し、G 因子の安定性と次元数の変化を追跡。
  5. 部分相関と残差分析: G 因子（PC1）を除去した後の残差相関行列を分析し、G の下にある「グループ因子（特化された能力）」の存在を検証。
  6. トレンド除去（Detrending）: リリース日による線形トレンドを除去し、時間的バイアスを排除した純粋な構造を分析。
  7. 固有ベクトルの回転: 連続するウィンドウ間での第一固有ベクトルの角度変化（$\theta$）を測定し、G の定義（ベンチマークへの重み付け）の変化を検出。

3. 主要な貢献 (Key Contributions)

1. LLM における「G 因子」の定量的実証と時間的変動の解明:
   LLM ベンチマークに明確な正のマンモフォールドが存在し、単一の支配的な G 因子（PC1）が分散の大部分を説明することを示しました。しかし、この G 因子は静的ではなく、モデルの進化に伴って「上昇（スケーリング期）」し、「下降（特化期）」することを初めて実証しました。
2. 「AI のキツネとハリネズミ」仮説の定式化:
   正の相関（G）の背後には、G を除去することで現れる「特化された能力群（キツネ：多様な知識）」と「抑制された能力群（ハリネズミ：単一の大きな推論）」の構造があることを示しました。これはミンスキーの「心の社会（Society of Mind）」に類似した構造です。
3. Ptolemaic Succession（プトレマイオス的継承）の逆転:
   天文学史における「エピサイクル（複雑な補正）の積み重ね」が、LLM の進化において「単純な法則の発見」ではなく、「計算資源による特化の追加」として機能していることを指摘。LLM は単純な一般知能ではなく、ツールを外部化することで高次元の能力空間を探索する「社会」へと進化していることを示唆しました。
4. ツール利用型知能の概念提唱:
   従来の「ツールなし」ベンチマークが、ツールを利用する現代のモデル（推論時計算や外部ツール利用）の評価として不適切であることを論じ、知能は「個体とツールの拡張システム」として定義すべきだと主張しました。

4. 結果 (Results)

4.1 正のマンモフォールドと G 因子の支配力

• 8 つの主要ベンチマーク間の 28 組の相関はすべて正（平均 $r=0.82$）。
• 5 ベンチマークのコアバッテリーにおいて、PC1（G 因子）は全分散の**90%**を説明しました。これは人間心理計量学の $g$（通常 40-60%）よりも高い値です。

4.2 G 因子の「上昇と下降」

• 上昇期（Epoch II: 2023.03-2024.03）: 純粋なスケーリング（データ量とパラメータ数の増加）が支配的だった時期。PC1 の分散説明率は**92%**に達し、モデルはすべてのタスクで同調して向上しました。
• 下降期（Epoch III/IV: 2024.04 以降）: 推論時計算（Chain-of-Thought）、ツール利用、Mixture-of-Experts などのアーキテクチャ分化が始まった時期。
  • トレンド除去後の分析では、分散説明率が**77%**まで低下しました。
  • 第二固有値（$\lambda_2$）が増加し、支配比（$\delta$）が 15:1 から 1.8:1 へと急激に低下しました。
  • 有効次元数（$d_{eff}$）が 1.3 から 1.9 へと増加し、単一因子モデルから脱却しつつあることを示唆しています。

4.3 固有ベクトルの回転と特化

• 回転: DeepSeek V3 などのツール利用・推論特化モデルの登場により、G 因子の固有ベクトルが最大 6.4 度回転しました。これは、G の定義（どのベンチマークを重視するか）が変化したことを意味します。
• 特化の分離: 残差相関分析により、G を除去すると以下の構造が現れることが判明しました。
  • 推論クラスター: MATH, GPQA（正の相関）。
  • 実行/流暢性クラスター: GSM8K, HumanEval（正の相関）。
  • クロスグループの負の相関: 推論能力が高いモデルは、単純な実行タスクで相対的に低下する傾向（抑制効果）が見られました。

4.4 統計的 $G$ と機械的 $G$ の区別

• エポックごとの部分相関分析により、推論と実行の間の負の相関構造はエポックを超えて安定していることが確認されました。これは単なる統計的アーティファクトではなく、トランスフォーマーアーキテクチャにおける真の計算的分離（Computational Dissociation）を反映している可能性が高いです。

5. 意義と結論 (Significance)

本研究は、LLM の「一般知能」が単一の静的な能力ではなく、時間とともに変化する動的な現象であることを示しました。

1. AGI 定義の再考: 現在の「G 因子」は、スケーリングの時代には強力でしたが、モデルがツールや推論チェーンを外部化し、特化し始めた現在では、その支配力が低下しています。これは AGI への道が「単一の万能脳」ではなく、「多様な特化能力を持つシステムの集合（社会）」への進化であることを示唆しています。
2. ベンチマークの限界: 従来の「ツールなし」ベンチマークは、現代のモデルの真の能力（ツール利用による拡張知能）を捉えきれていません。知能の評価は、個体とツールの拡張システム全体に対して行われるべきです。
3. 科学的パラダイム: LLM の進化は、プトレマイオスの天動説のように、新しい能力ごとに新しいベンチマーク（エピサイクル）を追加する「Ptolemaic Succession」の様相を呈しています。しかし、十分な計算資源があれば、この複雑化は必ずしも欠点ではなく、多様で高次元な知性の獲得を可能にします。

結論として、LLM は「一般知能」を抑制しつつ「特化知能」を露呈させる方向へ進化しており、これからの AI 研究は、単一の $G$ 因子への依存を脱却し、多次元の知能構造を理解する方向へ転換すべきです。