これは、単なる學(xué)術(shù)的な哲學(xué)的関心事ではありません。ある時(shí)點(diǎn)で、ASIとASIの出現(xiàn)に到達(dá)したかどうかに同意する準(zhǔn)備ができている必要があります。そうする可能性のある方法は、AIの質(zhì)問(wèn)をしてから、AIに生成された答えによって表される知的洞察力を測(cè)定することを必要とします。

それで、私たちはいくつの質(zhì)問(wèn)をする必要がありますか？

それについて話しましょう。

革新的なAIブレークスルーのこの分析は、さまざまなインパクトのあるAIの複雑さを特定して説明するなど、最新のAIで進(jìn)行中のForbesカラムカバレッジの一部です（こちらのリンクを參照）。

AgiとAsiに向かっています

まず、この重い議論の段階を設(shè)定するには、いくつかの基本が必要です。

AIをさらに進(jìn)めるために、多くの研究が行われています。一般的な目標(biāo)は、人工的な一般情報(bào)（AGI）に到達(dá)するか、人工的な密集物（ASI）を達(dá)成するという伸ばした可能性にさえ到達(dá)することです。

AGIは、人間の知性と同等のものと見(jiàn)なされているAIであり、私たちの知性に一致するように見(jiàn)えます。 ASIは、人間の知性を超えたAIであり、すべてではないにしても、多くの実行可能な方法で優(yōu)れているでしょう。アイデアは、ASIが毎ターン私たちを表現(xiàn)することで人間の周りに円を走ることができるということです。従來(lái)のAI対AGIおよびASIの性質(zhì)の詳細(xì)については、こちらのリンクで私の分析をご覧ください。

AGIはまだ達(dá)成していません。

実際、私たちがAGIに到達(dá)するのか、それともAGIが數(shù)十年で達(dá)成できるのか、おそらく今から何世紀(jì)にもわたって達(dá)成できるかどうかは不明です。周りに浮かんでいるAGI達(dá)成の日付は、信頼できる証拠や鉄の密接な論理によって大きく変化し、非常に根拠のないものです。 ASIは、従來(lái)のAIと一緒にいる場(chǎng)所に関しては、さらに青白いものを超えています。

Pinnacle AIのテストについて

人類が直面する困難の一部は、AGIとASIに到達(dá)したかどうかを確認(rèn)するための確実なテストがないことです。

一部の人々は、私たちがそれを見(jiàn)るとき、私たちがそれを知っているだけであるとむしろ高く宣言します。言い換えれば、それはそれらのファジーな側(cè)面の1つであり、あらゆる種類の體系的な評(píng)価に反しています。私たちの全體的な感情や直感的な感覚は、ピナクルAIが達(dá)成されたことを決定することになります。

期間、物語(yǔ)の終わり。

しかし、私たちはピナクルAIが達(dá)成されたかどうかを判斷するためのよりマインドフルな方法があるはずだったので、それは物語(yǔ)の終わりにはなり得ません。唯一の手段がゲシュタルトのような感情的反応で構(gòu)成されている場(chǎng)合、発生する多くの混亂が生じるでしょう。ピナクルAIが存在すると宣言している多くの人々が得られますが、他の多くの人は宣言が全く時(shí)期尚早であると主張するでしょう。計(jì)り知れない意見(jiàn)の相違が進(jìn)行します。

ここのリンクで説明したように、AGIやASIなどのピナクルAIを目撃したとすでに誤って信じている人々の私の分析をご覧ください。

問(wèn)題を形式化することが非常に必要であるという何らかの形の真正な評(píng)価またはテストが必要です。

チューリングテストとして知られる有名なAI-Insiderテストについて広範(fàn)囲に議論し、分析しました。ここのリンクをご覧ください。チューリングテストは、有名な數(shù)學(xué)者と初期のコンピューター科學(xué)者であるアランチューリングにちなんで名付けられました。簡(jiǎn)単に言えば、アイデアはAIの質(zhì)問(wèn)をすることであり、応答を人間が言うことの反応を區(qū)別できない場(chǎng)合、AIが人間と同等の知性を示すことを宣言するかもしれません。

チューリングテストは誤って悪意を持っています

AI技術(shù)者にチューリングテストについてどう思うか尋ねる場(chǎng)合は注意してください。あなたはかなり耳を傾けるでしょう。それは快適ではありません。

チューリングテストは時(shí)間の無(wú)駄だと信じています。彼らは、それが適切に機(jī)能せず、時(shí)代遅れであると主張するでしょう。私たちはおそらくその有用性をはるかに超えています。ご存知のように、それは1949年にアランチューリングによって考案されたテストでした。それは75年以上前です。その昔からの私たちの現(xiàn)代のAIの時(shí)代には明らかに適用されることはありません。

他の人は、チューリングテストがすでに正常に合格されていることをhe然と言うでしょう。言い換えれば、チューリングテストは既存のAIによって渡されたとされています。バナーの見(jiàn)出しがたくさんそう言っています。したがって、チューリングテストは、ピナクルAIがまだないことを知っているため、あまり有用ではありませんが、チューリングテストは私たちがそうしているようです。

私はこの問(wèn)題について繰り返し記録をまっすぐにしようとしました。本當(dāng)の話は、チューリングテストが不適切に適用されているということです。チューリングテストに合格されたと主張する人は、有名なテスト方法で速くゆるいプレイしています。

チューリングテストを誇示します

チューリングテストの抜け穴の一部は、質(zhì)問(wèn)の數(shù)と質(zhì)問(wèn)の數(shù)が不特定であることです。それらの重要なファセットを決定するためにチューリングテストに傾くことを選択しているのは、人またはチーム次第です。これにより、不幸なトラブルと問(wèn)題のある結(jié)果が生じます。

4億人が毎週使用している非常に人気のある生成AIおよび大規(guī)模な言語(yǔ)モデル（LLM）であるChatGptでチューリングテストを?qū)g行することにしたとします。 chatgptに尋ねることができる質(zhì)問(wèn)を考え出そうとします。また、親しい友人の同じ質(zhì)問(wèn)をして、彼らがどのような答えを與えるかを見(jiàn)てみます。

人間の友人とChatGptとの回答を區(qū)別できない場(chǎng)合は、ChatGptがチューリングテストに合格したことを即座に大聲で宣言します。アイデアは、生成的AIが人間が提供する答えとAIが提供する答えが本質(zhì)的に同じであるという程度まで、人間の知性を模倣したことです。

50の質(zhì)問(wèn)を考え出した後、簡(jiǎn)単なものと困難なものもあれば、チューリングテストの管理を進(jìn)めました。 ChatGptはそれぞれの質(zhì)問(wèn)に答えました、そして私の友人もそうでした。 AIによる答えと私の友人による答えは、互いにほとんど區(qū)別できませんでした。

出來(lái)上がり、私はChatGptがチューリングテストに合格したことを世界に伝えることができます。それを理解するのに合計(jì)で約1時(shí)間しかかかりませんでした。私は質(zhì)問(wèn)を思いつく時(shí)間の半分を費(fèi)やし、それぞれの回答を得るのに半分の時(shí)間を費(fèi)やしました。

簡(jiǎn)単です。

質(zhì)問(wèn)の數(shù)

これがあなたが熟考するための考えです。

知的洞察力が存在するかどうかを判斷するには、50の質(zhì)問(wèn)をするだけで十分だと思いますか？

どういうわけか十分ではないようです。これは、AGIを人間の知性の全範(fàn)囲と深さと同等に知的になるAIの形として定義する場(chǎng)合に特に當(dāng)てはまります。チューリングテストの実行のために私が思いついた質(zhì)問(wèn)には、化學(xué)、生物學(xué)、および他の多くの分野やドメインについて何も含まれていなかったことがわかりました。

なぜ私はそれらの領(lǐng)域を含めなかったのですか？

まあ、私は50の質(zhì)問(wèn)を作成することを選択しました。

わずか50の質(zhì)問(wèn)で、すべての人間の知識(shí)にわたって深さと幅の類似性を?qū)い亭毪长趣悉扦蓼护?。確かに、あなたはチートして、人やAIが彼らが知っているすべてのものをガタガタと鳴らすように懇願(yuàn)する質(zhì)問(wèn)をすることができます。その場(chǎng)合、おそらくある時(shí)點(diǎn)で、「答え」には化學(xué)、生物學(xué)などが含まれます。これは実行可能なアプローチではありません。ここのリンクで説明しているので、広いストロークの質(zhì)問(wèn)を脇に置き、Smarmy Catch-Allの質(zhì)問(wèn)ではなく特定の質(zhì)問(wèn)を目指してみましょう。

質(zhì)問(wèn)はいくつありますか

私は、知的能力を確認(rèn)しようとするテストを?qū)g行するときに質(zhì)問(wèn)の數(shù)が重要であることを喜んで認(rèn)めていると信じています。理にかなっている數(shù)字を考えてみましょう。

數(shù)値ゼロから始めることができます。一つの質(zhì)問(wèn)をする必要はないと信じている人もいます。 AIには、AGIまたはASIが達(dá)成されたことを私たちに納得させる責(zé)任があります。したがって、私たちは単に座って、AIが私たちに言っていることを見(jiàn)ることができます。私たちは最終的にスムーズな話に確信しているか、そうではありません。

ゼロアプローチの大きな問(wèn)題は、AIが際限なく押し寄せ、単にパターン化されたすべてのものを捨てている可能性があることです。質(zhì)問(wèn)することの美しさは、飛び回って空白のスポットを見(jiàn)つける可能性があるということです。 AIが言わなければならないことだけを吐き出している場(chǎng)合、ウールはすぐに目を引くことができます。

ゼロ以外のカウントを使用することに同意することをお?jiǎng)幛幛筏蓼?。少なくと?つの質(zhì)問(wèn)をする必要があります。 1つの質(zhì)問(wèn)に制約されるのが難しいのは、ボートを逃して特定のナゲットを叩くだけの難問(wèn)に戻っているか、キッチンシンク全體を非常に広い方法で尋ねることです。それらのどれも満足していません。

さて、少なくとも2つ以上の質(zhì)問(wèn)をしなければなりません。 2つは十分に高くないようだと思います。 10は十分な質(zhì)問(wèn)のように思えますか？おそらくそうではありません。 100の質(zhì)問(wèn)はどうですか？それでも十分ではないようです。千の質(zhì)問(wèn)？ 1萬(wàn)の質(zhì)問(wèn)？ 10萬(wàn)の質(zhì)問(wèn)？

適切な數(shù)がどこにあるかを判斷するのは難しいです。たぶん、私たちはこのトピックについてヌードルして、合理的な理にかなっている球場(chǎng)の見(jiàn)積もりを把握できるかもしれません。

それをしましょう。

トップAIの最近のテスト

トップAIメーカーの1人が生成AIの新しいバージョンを発表するたびに、さまざまなAI評(píng)価テストを?qū)g行して、他の競(jìng)合するLLMよりもAIがどれほど優(yōu)れているかを喜んで紹介します。

たとえば、Elon MuskのXaiによるGrok 4が最近リリースされ、Xaiなどは、Grok 4の比較を見(jiàn)るために比較的人気のある多くの専門的なテストを使用しました。テストには、（a）人類の最後の試験またはHLE、（b）arc-agi-2、（c）gpqa、（d）usamo 2025、（e）aime 2025、（f）livecodebench、（g）sweベンチ、およびその他のそのようなテストが含まれます。

これらのテストのいくつかは、AIがプログラムコード（LiveCodebench、SWEベンチなど）を生成できることに関係しています。テストの一部は、數(shù)學(xué)の問(wèn)題を解決できることです（USAMO、AIMEなど）。 GPQAテストは科學(xué)指向です。

GPQAテストセットにはいくつの質(zhì)問(wèn)があるか知っていますか？

メインセットには448の質(zhì)問(wèn)と、より硬いダイヤモンドセットには別の198の質(zhì)問(wèn)で構(gòu)成される合計(jì)546の質(zhì)問(wèn)があります。

GPQAの質(zhì)問(wèn)の性質(zhì)に興味がある場(chǎng)合は、GPQA Githubサイトにアクセスしてください。さらに、「GPQA：A Graduate-Google-Proof Q＆A Benchmark by David Rein et al、 Arxiv 、Arxiv、2023年11月20日?；瘜W(xué)は、質(zhì)問(wèn)が高品質(zhì)で非常に困難であることを保証します。対応するドメインで博士號(hào)を取得しているか、65％の精度に達(dá)します（レトロスペクトで特定された専門家が明確な間違いを割引すると、非常にスキルのない非専門家の有効化者は34％の精度に達(dá)していますが、30分以上の出費(fèi)になります。

GPQAテストの特定のスコアのため、生成AIがすべてのドメインのPHDレベルの大學(xué)院生よりも優(yōu)れているという眉を上げる主張を聞く可能性が高いことに注意してください。それは息をのむような抜本的な聲明であり、通常行われている実際のテストを誤解させて描寫(xiě)しています。

要するに、そのような宣言は、巨大な塩の穀物で取られるべきです。

質(zhì)問(wèn)のボールパークカウント

PHDレベルの質(zhì)問(wèn)がある獨(dú)自の便利なテストを考え出すとします。このテストには、合計(jì)で600の質(zhì)問(wèn)があります。 6つのドメインに関連する600の質(zhì)問(wèn)を均等に作成し、（1）物理學(xué)、（2）化學(xué)、（3）生物學(xué)、（4）地質(zhì)學(xué)、（5）天文學(xué)、（6）海洋學(xué)の6つのドメインを使用します。つまり、各分野に100の質(zhì)問(wèn)があります。たとえば、物理學(xué)については100の質(zhì)問(wèn)があります。

物理學(xué)における彼らの完全な知識(shí)と知的能力の全範(fàn)囲と深さを確認(rèn)できるようになる物理學(xué)に関する100の質(zhì)問(wèn)のセットを人間に尋ねることで、あなたはそれを快適ですか？

私はそれを疑う。あなたは確かに彼らの物理學(xué)の理解の類似性を測(cè)定することができるでしょう。確率は、わずか100の質(zhì)問(wèn)で、あなたは彼らの知識(shí)をサンプリングしているだけです。それは十分な大きさのサンプリングですか、それともさらに多くの質(zhì)問(wèn)をする必要がありますか？

別の考慮事項(xiàng)は、6つのドメインに関する質(zhì)問(wèn)のみを行っていることです。他のすべてのドメインはどうですか？気象、人類學(xué)、経済學(xué)、政治學(xué)、考古學(xué)、歴史、法律、言語(yǔ)學(xué)などに関する質(zhì)問(wèn)は含まれていません。

Hoped-for AGIなどのAIを評(píng)価したい場(chǎng)合は、おそらくすべての可能なドメインをカバーする必要があります。また、サンプリングが深く広く進(jìn)んでいることを快適にするために、ドメインごとの質(zhì)問(wèn)のカウントが十分に高い必要があります。

ストローマンカウントを考案します

ストローマンカウントを思い付くための旅に私と一緒に行ってください。私たちの目標(biāo)は、正確な數(shù)字自體ではなく、順序の見(jiàn)積もりです。球場(chǎng)が欲しいので、球場(chǎng)の範(fàn)囲が何であるかがわかります。

米國(guó)議會(huì)図書(shū)館には、一般にLCSH（議會(huì)図書(shū)館の主題見(jiàn)出し）として知られている広範(fàn)な主題見(jiàn)出しがあることに注目して、冒険を始めます。 LCSHは1897年に開(kāi)始され、それ以來(lái)更新および維持されています。 LCSHは一般に、世界で最も広く使用されている主題語(yǔ)彙と考えられています。

余談ですが、一部の人々はLCSHを支持し、一部の人々はそうではありません。特定の主題見(jiàn)出しが保証されているかどうかについて、激しい議論があります。主題の見(jiàn)出しのいくつかの文言に関しては、激しい議論があります。談話の上を行き來(lái)します。私はここでその泥沼に歩いて行くつもりはありません。

2025年4月現(xiàn)在のLCSHの數(shù)は、388,594の記録でした。この球場(chǎng)での議論のために、私はその數(shù)を400,000に丸めます。これらのすべての件名の見(jiàn)出しが獨(dú)特で使用可能かどうかをquibるとともに、私たちはそれについてquiることができますが、私は今のところそのルートを取っていません。

LCSHの各件名の見(jiàn)出しのそれぞれについて1つの質(zhì)問(wèn)を思いついたとします。そのように、そのドメインや規(guī)律が何であれ、それについて1つの質(zhì)問(wèn)をするつもりです。その後、400,000件の質(zhì)問(wèn)をする準(zhǔn)備ができています。

領(lǐng)域ごとに1つの質(zhì)問(wèn)は十分ではないようです。

これらの可能性を考慮してください：

• （a）400kの質(zhì)問(wèn)：1質(zhì)問(wèn)x 400k LCSH
• （b）4mの質(zhì)問(wèn)：10の質(zhì)問(wèn)x 400k lcsh
• （c）40mの質(zhì)問(wèn)：100の質(zhì)問(wèn)x 400k lcsh
• （d）400mの質(zhì)問(wèn)：1,000の質(zhì)問(wèn)x 400k lcsh
• （e） 4B質(zhì)問(wèn)： 10,000の質(zhì)問(wèn)x 400K LCSH
• （f） 40bの質(zhì)問(wèn)： 100,000の質(zhì)問(wèn)x 400k lcsh
• （g）400Bの質(zhì)問(wèn)：1M質(zhì)問(wèn)x 400K LCSH
• 等。

LCSHごとに10,000の質(zhì)問(wèn)があるという選択を選択した場(chǎng)合、40億の質(zhì)問(wèn)を考え出す必要があります。それはたくさんの質(zhì)問(wèn)です。しかし、たぶん10,000の質(zhì)問(wèn)をするだけでは、各領(lǐng)域では十分ではありません。 100,000件の質(zhì)問(wèn)があるかもしれません。これにより、合計(jì)で合計(jì)で400億の質(zhì)問(wèn)がもたらされます。

質(zhì)問(wèn)を介してAGIを測(cè)定します

潛在的なAGIに10億または數(shù)十億の質(zhì)問(wèn)、すなわち4Bから40Bを求めることは、すべての「既知の」ドメインで等しく多様であり、テストの十分な範(fàn)囲と深さであるように見(jiàn)えますか？

一部の批評(píng)家は、それがホグウォッシュだと言うでしょう。あなたはその多くの質(zhì)問(wèn)をする必要はありません。それは広大な過(guò)剰です。はるかに少ない數(shù)を使用できます。もしそうなら、その數(shù)は何ですか？そして、その提案されたカウントの正當(dāng)化は何ですか？數(shù)十億人ではないにしても、數(shù)は數(shù)千または數(shù)百萬(wàn)の順序にありますか？そして、カウントが何らかの形でアモルファスであるか、完全に不確定であると言って、問(wèn)題を避けようとしないでください。

數(shù)十億のストローマンのケースでは、懐疑論者は、あなたがおそらく10億以上の質(zhì)問(wèn)を思い付くことができないと言うでしょう。ロジスティック的に実行不可能です。たとえできたとしても、それらの質(zhì)問(wèn)に與えられた答えを評(píng)価することは決してできません。これらの數(shù)十億の答えを経験するには永遠(yuǎn)に時(shí)間がかかります。そして、答えが正しいか間違っているかを判斷するには、人間の知識(shí)のあらゆる分野の専門家が必要です。

反論は、潛在的に、テストされているAGI以外のAIを使用して、努力を支援できることです。それにも利點(diǎn)と欠點(diǎn)があります。今後の投稿でその考慮事項(xiàng)について説明します。時(shí)計(jì)にいます。

確かに考慮され対処すべき多くの問(wèn)題があります。手元の非常に深刻な問(wèn)題は、これらのファセットに対処する価値があります。覚えておいてください、私たちはAGIに到達(dá)したことをどのように知っているかに焦點(diǎn)を合わせています。それは記念碑的な質(zhì)問(wèn)です。 AGIが達(dá)成されたことを集合的かつ合理的に結(jié)論付けることができる十分な質(zhì)問(wèn)をする準(zhǔn)備をする必要があります。

アルバート?アインシュタインが適切に言ったように、「昨日から學(xué)び、今日のために生きる、明日を希望してください。重要なことは質(zhì)問(wèn)をやめることです?！?/p>

以上がAGIとAIのスーパーインテリジェンスが知性の証明のために答える必要がある質(zhì)問(wèn)の數(shù)の詳細(xì)內(nèi)容です。詳細(xì)については、PHP 中國(guó)語(yǔ) Web サイトの他の関連記事を參照してください。