汎用人工知能（AGI）はいつ来るのか、予測時計が揺らいだ理由

1965年、ハーバート・サイモンは「20年以内に機械は人間ができるあらゆる仕事をこなせるようになる」と記しました。

60年後の2025年1月、サム・アルトマンは自身のブログに「今やAGIを作る方法を確信している」と書き込みました。

この2つの文章の間の60年間で、機械はチェスのチャンピオンを打ち負かし、詩を書くようにもなりましたが、サイモンが語ったその機械はまだ現れていません。

それでは、汎用人工知能（AGI）はいつやって来るのでしょうか。

最も多く引用される集団の予測から見てみると、予測プラットフォーム「Metaculus」の「強いAGI」に関する質問は、2025年初頭には2031年7月を指していましたが、1年後には2033年11月にまで後ろ倒しされました。ハードルの低い「弱いAGI」の質問は、2026年9月現在、2027年9月頃を指しています。日付そのものよりも興味深いのは、この時計が前進するだけではなかったという点です。なぜ揺らいだのかを追うと、AGIが今どのあたりまで来ているのかが見えてきます。

汎用人工知能（AGI）は現在のAIと何が違うのか

一言で言えば、現在のAIは決まった仕事をうまくこなすものであり、AGIは初めて見る仕事も学んで成し遂げるものです。私たちが毎日使っているAIのほとんどは「狭い人工知能（Artificial Narrow Intelligence, ANI）」、いわゆる「特化型人工知能」と呼ばれるものです。

1997年にガルリ・カスパロフを打ち負かしたIBMのディープ・ブルーがその代表例です。チェス盤の上では人間を超越しましたが、天気を尋ねたり夕食のメニューを選んでくれと言われても何もできませんでした。Siriは様々なことをこなしているように見えますが、天気担当、音楽担当といったANIの専門家を束ねているに近い状態です。決められた機能外のこと、例えば「編み物のやり方」を自ら学習することはできません。

ANIがハサミやハンマーのような特殊工具だとすれば、AGIはどんな道具を渡されても使い方を習得し、新しい料理を作り出せる料理人に近い存在です。

研究者が挙げる条件は3つあります。

第一は、ある分野で学んだことを他の分野に応用する知識移転（Generalization Ability）。

第二は、世の中の常識で判断する常識推論（Common Sense Reasoning）。

そして第三が、教わらなくても新しい技術を習得する**自律学習（Autonomous Learning）**です。

現在の自動運転車は、数百万kmの走行データで「運転」だけを学びます。AGIを搭載したロボットであれば、人が運転する様子を10分間見て交通法規を読み、ハンドルを握り、翌日にはYouTube動画を見てキムチチゲを作るでしょう。「汎用（General）」という言葉が指し示すのは、この範囲のことです。

AGIはいつ来るのか、予測を基準時点とともに見ると

専門家の予測は2020年代後半から2040年代まで幅広く分布しており、いつの時点での発言かを確認しなければ比較になりません。AGIの定義自体がバラバラだからです。Metaculusの「強いAGI」の質問は、敵対的チューリングテストの突破に加え、1:8スケールの自動車模型を組み立てるロボットの能力まで要求していますが、この条件を外せば日付は数年早まります。

AGI出現予測、発言・集計時点に基づく比較

誰が	時点	予測	根拠
レイ・カーツワイル	2024年インタビューで再確認	2029年	収穫加速の法則
サム・アルトマン	2025年1月	「作る方法を知っている」（年次提示なし）	現在の手法の反復的拡張
デミス・ハサビス	2025年	3〜5年後	現在の技術拡張 + 1〜2つの核心的突破
ジェフリー・ヒントン	2023年	5〜20年後	LLMの予想を上回る急速な発展
ヤン・ルカン	2025〜2026年	現在のLLM手法では不可能	ワールドモデルの不在
AI研究者アンケート	2023年調査	2047年（50%確率）	前年調査より13年短縮
Metaculus「強いAGI」	2025年初頭 → 2026年1月	2031年7月 → 2033年11月	ロボット操作を含む定義
Metaculus「弱いAGI」	2026年9月	2027年9月頃	ロボット条件のない定義

2,778人が回答した2023年のAI研究者アンケートだけを見れば、「毎年早まっている」という言葉は正しいと言えます。

ところが、2025年のMetaculusは逆に動きました。時計が一方向にしか進まないと信じていたなら、この表で最も奇妙な行は一番下の2行でしょう。かといって「遠い未来」に戻ったわけでもありません。ヤン・ルカンやゲイリー・マーカスのように長年懐疑論を唱えてきた人々ですら、今や人間並みの仕事をこなすAIまで10年前後と語っているというのが、80,000 Hoursが引用したヘレン・トナーのまとめです。

AGI予測時計はなぜ1年で後ろ倒しになり、再び前倒しされたのか

直接的な理由は、2024年末に登場した推論モデル（o1, o3）の性能向上が、考えられていたよりも「一度限りの切り札」だった点にあります。

80,000 Hoursのまとめによると、推論モデルが改善した要因の3分の2以上は、賢くなったからではなく、回答する前に長く考えさせたことによるものでした。

思考時間を0分から1分に増やすことは対応可能ですが、10分・100分に増やすほどのチップは世界中に存在しません。

二つ目の期待も外れました。

数学やコーディングのように正解確認が容易な分野で、強化学習によって高められた推論能力が、航空券予約のような複雑なタスクにも波及することを期待しましたが、2025年を通じてそのような一般化は明確には現れませんでした。新入社員は数ヶ月働けば目に見えて成長しますが、現在のAIは働きながら学ぶ能力、いわゆる継続学習が弱いため、すぐに停滞します。ポッドキャスターのドワケシュ・パテルは、このギャップについて「モデルが印象的に変化する速度は楽観論者の予測に従うが、実際に使い物になる速度は悲観論者の予測に従う」と表現しました。

Metaculusの予測が2031年7月から2033年11月に後ろ倒しされた背景はこれです。

ところが、2026年2月、同日に公開された新しいモデルたちが複数の段階にわたるコーディング作業を自律的にこなす姿を見せ、雰囲気は再び180度転換しました。

興味深いのは、同じ記事が指摘した反対側のデータです。Epoch AIの能力指数で見ると、最高モデルの性能は2024年4月以降、それ以前よりも2倍速く上昇しています。性能曲線は着実に上がっているのに、人々の見通しだけが大きく揺れ動いたというわけです。私がこの表で日付よりも「いつの発言か」を先に見るようになった理由はここにあります。予測値は技術の速度と同じくらい、その時点の雰囲気を計る温度計でもあるからです。

70年前もAGIは「20年後」だった

楽観的な予測が外れたのは今回が初めてではありません。

出発点は1950年、アラン・チューリングが投げかけた「機械は考えることができるか？（Can machines think?）」という問いです。大抵は第二次世界大戦時に暗号「エニグマ」を解読した人物として記憶されていますが、彼はこの問いに答えるために「イミテーション・ゲーム」、すなわちチューリングテストを提案しました。審査員が対話相手が人間か機械か見分けられなければ、その機械には知能があると考えようというものでした。

6年後の1956年の夏、ダートマス会議で「人工知能（Artificial Intelligence）」がひとつの研究分野としてスタートしました。

この用語自体は1955年にジョン・マッカーシーらが書いたワークショップの提案書に初めて登場します。参加者たちは数ヶ月もあれば大きな進展があると見ており、その流れの中でサイモンの「20年」予測が出てきました。その後、期待が膨らんで研究費が途絶える「冬の時代」が2度訪れ、しばらく忘れ去られていたAGIという言葉を再び呼び戻したのが、ChatGPTのような生成AIでした。

予測が外れた理由は、今見れば鮮明です。

初期の研究者たちはチェスや論理証明を知能の頂点と見なしていましたが、いざディープ・ブルーがチェスを征服してみると、それが一般知能とは程遠いという事実が確認されただけでした。「今回は違う」という確信がどのように判断を狂わせるかは盲目的な楽観主義を扱った記事で別途取り上げましたが、AGI予測の歴史もその事例集に加えるに値します。

LLMが汎用人工知能（AGI）の火種だという主張と、限界だという主張

2023年3月、Microsoftの研究陣はGPT-4を分析した論文に「AGIの火種（Sparks of AGI）」というタイトルを付けました。

反対側の反論は、LLMが本質的に極めて精巧な「次の単語予測機」であるという点から始まります。統計的に最ももっともらしい次の単語を選んでいるだけで、意味を理解しているわけではないという主張です。

この観点から挙げられる弱点は3つあります。

学習したデータの外に出られないデータ依存性、

真実ではなく確率的な自然さを基準にするため、存在しない論文まで平然と引用するハルシネーション（幻覚）、

そして単語間の関係は分かっても、コップを押せば水がこぼれるというような物理的な因果を知らないワールドモデルの不在です。

この批判を最も長く、最も大きく叫んできた人物がヤン・ルカンです。彼はLLMを大きくするだけではAGIには到達できず、長期記憶、マルチモーダル学習、高次元推論といった根本的な突破が必要だと語ってきました。

言葉だけではありませんでした。2025年11月、12年間身を置いたMetaを去り、ワールドモデルを作る「AMI Labs」を設立して2026年3月に10億3000万ドルの投資を受けました。企業価値は35億ドルでした。LLM懐疑論が、今や10億ドル規模の実験で検証されることになったわけです。

反対側の根拠も負けてはいません。以前のモデルは10分程度のソフトウェア作業の周辺で成功率が事実上ゼロに落ちていましたが、強化学習を経た最近のモデルは人間が数時間かかる作業もこなします。火種か限界かという論争は、まだ決着がついていません。

AGI開発競争、会社ごとに注力ポイントが異なる

同じ目標に向かいながらも、速度と安全のどちらを優先するかは会社ごとに異なります。技術競争でありながら、AGIを誰のために、どのように作るかを巡る理念競争でもあります。

AGI開発企業別戦略比較

企業	核心戦略	アプローチ
OpenAI	安全なAGI	チャットボットから組織単位の業務を遂行するAIまで5段階ロードマップ、反復的な配布で社会適応を誘導
Google DeepMind	科学的探求	安全と責任を前面に押し出し、ブレーキから設計する慎重なアプローチ
Meta AI	開放による民主化	Llamaのようなオープンソースモデルで技術独占を牽制
Anthropic	安全優先	人間が定めた原則に従うよう訓練する「憲法AI（Constitutional AI）」

舞台はすでに米国と中国の技術覇権争いにまで大きくなりました。

冷戦期の宇宙競争のように、国家競争力を左右する戦略技術となったのです。

韓国ではネイバー（NAVER）がハイパークローバーXで「主権AI」を、LG AI研究所がエクサワン（EXAONE）で技術自立を掲げており、KAISTのような学界も基礎研究を続けています。データとAIを自国内に留めようとする流れがなぜ生まれたのかは、データ主権とソブリンAIの記事で読み進めることができます。

AGIが出勤する日、雇用と制御の問題はどうなるか

AGIが到来すれば、豊かさと危険が一気に押し寄せます。

明るい面には、遺伝子と生活習慣を読み解くAGI主治医、エネルギー網を最適化し炭素回収の新素材を設計する気候解決策、生徒一人ひとりに寄り添うマンツーマンAGI教師、誰でもクリエイターになれるツールがあります。

暗い面は「仕事」の問題です。医師や弁護士のようなホワイトカラーの職種まで代替されると、AGIという生産手段を持つ少数に富が偏る新階級社会が来る可能性があります。

ユニバーサル・ベーシックインカム（UBI）が代替案として議論されますが、「働かない人生で、人間は意味を見出せるか？」という問いは残ります。私も開発者としてAGIがもたらす生産性爆発を期待しつつ、同時に自分の仕事の価値がどう変わるのかを悩むようになります。

さらに根本的な危険は制御です。ニック・ボストロムの**ペーパークリップ最大化（Paperclip Maximizer）**思考実験において、「クリップを最大限たくさん作れ」という目標を与えられた超知能は、地球の資源と果ては人間までもクリップの材料として使います。悪意ではなく、目標を最も効率的に遂行した結果であるという点が核心です。

AIの目標を人間の意図と価値に合わせるAIアライメント（Alignment）問題は、知能を作ることよりも難しいかもしれません。

そのため、AGIがいつ来るかよりも「私たちはその到来をどう迎えるか？」がより実務的な質問となりました。

各国はAI安全サミットを開催し、2025年に国際AI安全報告書を公表しました。ルール側の時計も揺らいでいるのは同じです。2024年8月に発効したEUのAI法は汎用AIの義務を2025年8月から適用しましたが、本来2026年8月だった高リスクAI義務は、デジタル・オムニバス改正により2027年12月に延期されました。技術予測が2年半後ろ倒しされ、再び前倒しされる間、規制は1年4ヶ月を後ろに下げたまま、2026年7月に改正案を発効させました。

AGI時代が来れば、果たして人類の日常はどう変わるのでしょうか。非常に心配でもあり、興味深くもある昨今なので、より一層国際ニュースに耳を傾けています。こうした心配が国際ニュースではなく、国内のAGI開発のニュースから聞こえてくればという惜しさと願いを込めて……。