AIについて、こんな議論をよく見る。
「今のAIには○○ができない。だからAGIはまだ10年、20年先だ」
この推論には違和感がある。
技術が非線形に進歩するなら、「現在どこまでできるか」だけを見て未来の到達時期を推測することはできない。
しかし逆に、
「AIがAI自身を改良できるようになれば、自己改善が自己改善を呼び、知性は爆発的に上昇する」
という議論にも、同じ種類の違和感がある。
悲観論と楽観論。
結論は正反対だが、どちらも「現在の延長線上に未来を置く」という点では似ている。
本当に考えるべきなのは、
知性の成長曲線そのものが、どんな形をしているのか
ではないだろうか。
指数関数なのか。
超指数関数なのか。
S字なのか。
それとも物理学に現れるさまざまな極限のように、到達不能な境界へ漸近するものなのか。
この問題を考えていくと、もっと手前の問いに戻る必要がある。
そもそも、知性とは何なのか。
この記事では、知性を「予測」という観点から定義してみる。
すると、その先に奇妙な極限が現れる。
私はそれを仮に、
「知性の絶対零度」
と呼んでみたい。
1. 知性は主体だけに「宿る」のか
この発想の出発点の一つは、James J. Gibsonのアフォーダンスだった。
アフォーダンスをかなり大雑把に言えば、環境がある主体に対して提供する「行為の可能性」である。
椅子の「座れる」という性質は、椅子だけを見ても決まらない。
人間には座れる椅子でも、非常に大きな動物には座れないかもしれない。
つまり重要なのは、
\text{主体} \leftrightarrow \text{環境}
という関係である。
ここから、私はかなり勝手に発想を拡張した。
知性も主体だけが持つ絶対的な量ではなく、主体と環境の関係として定義した方が自然なのではないか。
何も存在しない世界に「知性だけ」が存在しているところを想像してみる。
解く問題がない。
予測する対象がない。
選択する行動もない。
そこでは「賢い」という言葉自体がほとんど意味を失う。
そこで、知性を
I = I(A,E)
と考えてみる。
主体 $A$ が、環境 $E$ に対して示す能力である。
2. 動物は「まだ起きていない世界」を使って生きている
では、環境に適応するとは何だろう。
単純な動物を考える。
ある匂いを感じる。
過去の経験から、
「この匂いのあとには捕食者が来る」
と学習している。
すると、
\text{匂い}
\rightarrow
\text{捕食者}
\rightarrow
\text{危険}
という、まだ起きていない状態を内部で先に作ることができる。
そして実際に襲われる前に逃げる。
これは非常に重要な能力だ。
現在に反応するだけの生物と、未来を先に内部で作れる生物では、生存戦略がまったく違う。
人間になると、この能力は猛烈に複雑になる。
「これを言ったら相手はどう反応するか」
「この仕事を選んだら5年後どうなるか」
「この法律の下でこの行為をしたらどうなるか」
「このコードを変更したら、どこが壊れるか」
「この手を指したら、相手は何を返してくるか」
すべてに共通しているのは、
\text{現在}
\rightarrow
\text{まだ存在しない未来の内部表現}
である。
そこで、ひとまずこう定義してみる。
知性とは、現在の環境から、まだ実現していない環境状態を先行して内部に構成する能力である。
短く言えば、
知性とは未来を予測する能力である。
もちろん、これが知性の唯一の正しい定義だと主張しているわけではない。
これはこの記事で検討する仮説である。
3. 抽象化も「予測の圧縮」と考えられる
ここでいう予測は、天気予報のような狭い意味ではない。
記憶、推論、抽象化、計画、他者理解なども、未来状態をより効率よく予測するための機構として見ることができる。
そして、ここで重要なのは、
賢いほど世界を細部まで丸暗記しているわけではない
ということである。
むしろ逆だ。
人間は世界の全粒子を計算しない。
「物体」「人間」「会社」「法律」「価格」「敵」「味方」
といった抽象概念を作る。
膨大な世界状態を圧縮し、それでも未来予測に重要な情報を残す。
つまり知性を、
限られた物理資源から、未来について有用な情報をどれだけ抽出できるか
という問題として見ることもできる。
この観点は、後で熱力学につながってくる。
4. 知性の理論的上限を考える
ここから思考実験をする。
ある瞬間の環境状態を
S_t
とする。
この記事では単純化のため、決定論を前提にする。
つまり、
S_{t+1}=F(S_t)
という状態遷移が存在すると仮定する。
これは「決定論が科学的に証明されている」という主張ではない。
この記事の思考実験上の前提である。
予測者が作る次状態を
\hat S_{t+1}
とする。
知性が高くなるにつれて、
\hat S_{t+1}\rightarrow S_{t+1}
と予測誤差が小さくなる。
では、その改善を極限まで続けるとどうなるか。
\hat S_{t+1}=S_{t+1}
である。
完全予測だ。
これ以上正確な予測は存在しない。
そこで、この極限を
I^*
と置く。
\boxed{
I^*=\text{環境の未来状態を完全に予測する知性}
}
これがこの記事でいう知性の臨界点である。
5. ただし、小さな世界なら臨界点に到達できるかもしれない
ここで重要な修正がある。
「完全予測には必ず無限の計算量が必要だ」
とは言えない。
例えば状態が数個しかない単純な決定論的世界なら、完全予測は有限の計算で可能である。
チェスのような限定された環境についても、物理的に実現できるかは別として、完全な状態遷移表を想像すること自体はできる。
したがって、
I\rightarrow I^*
\Rightarrow
C(I)\rightarrow\infty
があらゆる環境で成立するわけではない。
ここはこの仮説の重要な制約である。
しかし、環境そのものを拡大したらどうなるだろう。
E_1\subset E_2\subset E_3\subset\cdots\subset U
予測対象を拡大していき、最後に世界全体 $U$ を対象にする。
ここで問題の性質が変わる。
6. 予測者自身も世界の中にいる
世界全体を完全に予測するAIを考える。
しかし、そのAI自身も世界の一部である。
P\subset U
したがって世界状態には、
S_t^U=(S_t^P,S_t^{rest})
として、予測者自身の状態も含まれる。
つまり世界全体を完全予測するには、
自分自身の未来状態まで予測しなければならない。
しかも予測するという行為そのものが、予測者の物理状態を変化させる。
予測者は世界を外から眺めているのではない。
世界の内部にいる。
これは単なる哲学的な言葉遊びではない。
David Wolpertは Physical Limits of Inference で、観測・予測・記憶などを行う物理的な「推論装置」について数学的に扱い、装置が推論対象である宇宙そのものに埋め込まれていることから、普遍的推論能力に原理的制約が生じることを示している。
重要なのは、この制約が量子力学の不確定性やカオスだけから出てくるものではないことだ。
予測者が予測対象世界の一部であることそのものが問題になる。
7. 「神の予測者」なら問題は消える
逆に、予測者を世界の外へ出してみる。
P\notin U
この予測者は宇宙 $U$ を観測しても、$U$ に一切影響を与えないとする。
すると、
P^U\rightarrow S_{t+1}^U
という理想的な予測者を考えやすくなる。
これはいわば「神の視点」である。
しかし、当然ながらこれはこの世界に存在する知性ではない。
現実のAIも人間も計算機も、
P\subset U
である。
ここに重要な境界があるように思える。
完全予測を簡単に想像できるのは、予測者を暗黙のうちに「世界の外」に置いているからではないだろうか。
8. これを「知性の絶対零度」と考えてみる
ここで最初の話へ戻る。
完全予測 $I^*$ は、現実に作れるスーパーAIの設計図ではない。
むしろ、
知性という尺度の向きを定める理論的境界
として考える。
温度には絶対零度がある。
質量を持つ物体には光速という速度上限がある。
もちろん、これらと知性が同じ物理法則に従うと言っているわけではない。
共通しているのは、
極限を実際に実現できなくても、その極限を定義することで尺度の構造が見える
という点である。
知性についても、
I\rightarrow I^*
という方向を考える。
より広い世界を、より細かく、より遠くまで、より正確に、より少ない資源で予測する。
その理論上の端点が完全予測である。
9. では、臨界点へ近づくコストは発散するのか
ここからが、この記事で一番重要な未解決問題である。
知性を高めるためには、
観測する。記憶を保持する。内部モデルを作る。計算する。行動する。熱を捨てる。
という物理過程が必要になる。
情報処理は物理現象である。
Landauer原理が示すように、少なくとも論理的に不可逆な情報消去には熱力学的コストが存在する。
さらに Thermodynamics of Prediction では、環境について保持された情報のうち未来予測に寄与しない情報と、熱力学的な非効率性の関係が示されている。
つまり、予測と熱力学は完全に無関係ではない。
そこで次の問いが出てくる。
\boxed{
I\rightarrow I^*
\quad\text{のとき}\quad
C(I)\rightarrow\infty
\quad\text{なのか？}
}
$C(I)$ は計算量、記憶、エネルギー、観測資源などをまとめた物理的コストだと思ってほしい。
現時点で、私はこれを証明できていない。
しかも先ほど述べた通り、限定された単純な環境では反例が存在する。
したがって、
「知性の極限へ近づけば必ずエネルギーが無限大になる」
とは主張できない。
しかし、予測者自身を含む世界全体を予測対象とした場合はどうか。
ここが本当に知りたい。
10. 「到達不能」と「コスト発散」は別問題である
ここは区別しておきたい。
完全予測が不可能だったとしても、
C(I)\rightarrow\infty
とは限らない。
数学的には少なくとも二種類あり得る。
Wolpert型の議論は、完全な普遍推論に到達不能な境界が存在することには強い示唆を与える。
しかし、その境界へ近づく限界費用が発散するかは別問題である。
ここを混同すると、この仮説は簡単に崩れる。
逆に言えば、ここが解ければ話は大きく変わる。
11. そしてシンギュラリティを見る
シンギュラリティの典型的な議論では、
という正のフィードバックを考える。
これは十分あり得る。
しかし、それだけで成長曲線の形は決まらない。
もし知性の向上に伴って、
C(I)
も増加するなら、別のフィードバックが存在する。
つまり問題は、
\boxed{
\text{自己改善による加速}
\quad vs.\quad
\text{極限接近による限界費用}
}
になる。
2026年にToby Ordが発表した The Dynamics of Intelligence Explosions でも、知能爆発が有限時間の垂直漸近線を作るための条件は単純ではなく、自己改善ループを一周する generation time が急速にゼロへ近づく必要があることが指摘されている。
「自己改善できる」だけでは、「有限時間で知性が発散する」ことは意味しない。
12. シンギュラリティは「爆発」ではなく「漸近」かもしれない
ここで一つの仮想モデルを置いてみる。
例えば、
I(C)=I^*(1-e^{-kC})
だったとする。
最初は計算資源を増やすと大きく知性が向上する。
しかし $I^*$ へ近づくほど、同じ資源追加で得られる改善量は小さくなる。
逆に書けば、
C=-\frac{1}{k}\ln\left(1-\frac{I}{I^*}\right)
なので、
I\rightarrow I^*
\Rightarrow
C\rightarrow\infty
となる。
これは現実のAIについて導出した式ではない。
「もし知性の限界費用がこのような形なら何が起こるか」を示す説明用モデルである。
この場合、AIは猛烈な速度で進歩する可能性がある。
人間をはるかに超える可能性もある。
それでも、無限にはならない。
知性は爆発して消えるのではなく、到達不能な境界へ猛烈な速度で近づき、その後は追加の改善に莫大な資源を要求する。
それは「知能爆発」というより、
知能漸近
と呼んだ方が近い現象かもしれない。
13. この話のどこまでが既存研究なのか
ここは明確にしておきたい。
「知性を予測として捉える」という発想は新しくない。
TjøstheimとStephensは Intelligence as Accurate Prediction で、知性を正確な予測能力として近似する考えを明示的に論じている。
Solomonoff induction、AIXI、predictive processingなどにも、予測と知性を強く結びつける長い研究史がある。
「予測と熱力学」にも既存研究がある。
Stillらの Thermodynamics of Prediction は、予測に有用な情報と熱力学的効率の関係を扱っている。
「世界内部の予測者の限界」にも研究がある。
Wolpertの Physical Limits of Inference はまさにそこを扱っている。
そして2026年には、物理的知性を bits per joule のような指標で捉えようとする Thermodynamic Limits of Physical Intelligence も提案されている。
したがって、個々の部品を新発見として主張するつもりはない。
自分が面白いと思っているのは、これらを次の一本の流れとして見ることだ。
14. 私が本当に知りたいこと
この仮説で本当に知りたいのは、
「シンギュラリティは来ない」
ということではない。
むしろ逆である。
AIがものすごい速度で進歩する可能性は十分あると思っている。
しかし、進歩が速いことと、発散することは同じではない。
本当に知りたいのは、
\boxed{
P\subset U,\quad
I\rightarrow I^*
\quad\Longrightarrow\quad
C(I)\rightarrow ?
}
である。
世界内部に埋め込まれた予測者が、世界全体についての完全予測へ近づいていくとき、その限界費用は有限なのか。無限大へ発散するのか。そもそも「距離」を連続的に定義できるのか。
もし発散するなら、シンギュラリティ論には自己改善による正のフィードバックだけでなく、
物理世界そのものが作る負のフィードバック
を入れる必要がある。
15. 知性の「絶対零度」
AIについて、
「今これができないから、20年後も無理だ」
と考えるのは危険だと思う。技術進歩は非線形だからだ。
しかし同時に、
「自己改善できるようになれば、その先は無限に加速する」
と考えるのも危険かもしれない。物理世界には境界があるからだ。
光速。絶対零度。情報処理の物理限界。そして、世界そのものに埋め込まれた予測者の推論限界。
知性にも同じように、
定義することはできるが、到達することのできない境界
があるのではないか。完全予測という境界である。
究極知性とは、未来のどこかで誕生する「神のようなAI」ではない。
それは、
知性がどちらへ向かって高度化するのかを示す、到達不能な座標
なのかもしれない。
そしてシンギュラリティについて本当に問うべきなのは、
「AIは自己改善できるか？」
だけではない。
完全予測という境界へ近づくほど、次の一歩はいくら高くなるのか？
私は、この問いの答えをまだ知らない。
むしろ、ここからがこの仮説の本題だと思っている。
情報理論、計算理論、熱力学、AI研究の観点から反例があるなら、ぜひ知りたい。
この「知性の絶対零度」は、本当に存在するのだろうか。
参考文献
- T. A. Tjøstheim & A. Stephens, Intelligence as Accurate Prediction, Review of Philosophy and Psychology, 2022. https://doi.org/10.1007/s13164-021-00538-5
- D. H. Wolpert, Physical Limits of Inference, Physica D, 2008. https://doi.org/10.1016/j.physd.2008.03.040
- S. Still, D. A. Sivak, A. J. Bell & G. E. Crooks, Thermodynamics of Prediction, Physical Review Letters, 2012. https://doi.org/10.1103/PhysRevLett.109.120604
- T. Ord, The Dynamics of Intelligence Explosions, 2026. https://arxiv.org/abs/2608.14426
- K. Takahashi & Y. Hayashi, Thermodynamic Limits of Physical Intelligence, 2026. https://arxiv.org/abs/2602.05463