未知への適応力を鍛える：ARC1からARC3まで紐解くAGIロードマップ
人工知能（AI）の歴史は、コンピューティング資源の制約との戦いでもありました。François Chollet氏は、AIの次なる挑戦として「流動的知能（fluid intelligence）」の実現を掲げ、その到達手段を示す新たなベンチマーク「ARC（Abstraction and Reasoning Corpus）」シリーズの意義と、スケーリングからテスト時適応へのパラダイム転換を解説しました。本稿では、同氏の講演内容を6つのセクションに分け、具体例や引用を交えてわかりやすく整理します。
1. コンピュートコストの低下とスケーリング時代
1-1. 計算コストの指数関数的低下
Chollet氏は、「1940年以降、コンピューティングコストは10年で100分の1に下がり続けている」と指摘します。「この傾向は止まる気配がない」とまで言い切り、AI研究の根幹を支えるハードウェア進化の強力さを示唆しました。
1-2. スケーリング則と大型言語モデルの興隆
2010年代にはGPUとビッグデータの組み合わせが深層学習を飛躍的に進展させ、特に自己教師あり学習による言語モデル（LM）のスケーリング則が顕著になりました。「同じアーキテクチャ・手法で規模を10倍にすると、ほぼ予測可能にベンチマーク性能が向上する」という経験則――いわゆるスケーリング則――が確立し、多くの研究者が“拡大すればすべて解決する”と信じる時代が訪れました。
2. ARCベンチマークによる流動的知能の測定
2-1. ARC1の目的と仕組み
Chollet氏は、2019年に「Abstraction and Reasoning Corpus (ARC1)」を発表。静的スキルの再現ではなく、「見たことのない問題を『その場で』理解し、解く力」を測るため、1,000問の全問がユニークな課題で構成され、事前学習の丸暗記では突破不可能としました。
2-2. ARC1での成果と課題
大規模モデルではPre-training規模が5万倍になってもARC1精度は0→10％にとどまり、人間の95％超には遠く及ばず。「スケーリングだけでは流動的知能に届かない」ことが明確になりました。ARC1はむしろ、「スケーリング時代の限界を示す灯台」として機能したのです。
3. テスト時適応（Test-Time Adaptation）への転換
3-1. テスト時適応の台頭
2024年からAI研究は「推論時に自身を再プログラムして適応する」手法に注目が移りました。Chollet氏が「Tesla adaptation（テスラ適応）」と呼ぶこのアプローチでは、テストタイムトレーニングやプログラム合成、Chain-of-Thought強化などを通じ、モデルが問いに応じて動的に振る舞いを変化させます。
3-2. ARC1突破と流動的知能の兆し
OpenAIの「O3モデル」は、ARC1で人間水準（≒100％）を記録し、「流動的知能を示すAIがついに姿を現した」という感動を巻き起こしました。スケーリングから推論時適応へのパラダイム転換が、真の流動的知能実現に向けた第一歩となったのです。
4. 知能の本質と評価指標
4-1. 静的スキル vs. 流動的知能
Chollet氏は、試験型ベンチマークが「静的スキル（static skill）」を測るのに過ぎないと批判します。「道に敷かれた完成済みの道路網を走るのがスキルなら、新たに道路を敷設できるのが流動的知能」という比喩が示す通り、前者は定義済課題の自動化、後者は未知領域への適応・発明能力です。
4-2. 情報効率と運用領域
さらに知能を定量化する指標として、①過去経験から未来の状況を扱う運用領域、②必要情報量あたり得られる運用範囲の効率を示す情報効率を挙げました。ヒトはごく少量のデータで柔軟に新課題に対応できますが、従来型DLモデルは数千倍のデータを要し効率が著しく低い点が問題です。
5. 抽象化（Abstraction）とその再組成
5-1. 2種類の抽象化
Chollet氏は、抽象化を大きく二つに分類します。
Type 1（連続的抽象）：入力間の連続距離を計算しパターン認識や直感を実現。
Type 2（離散的抽象）：グラフ構造の同型探索によるプログラム的抽象。ソフトウェアエンジニアのコード抽象化と同義です。
5-2. 両者の統合による「発明的AI」
人間は直感（Type 1）で探索範囲を絞り、必要箇所で論理的推論（Type 2）を行うことで複雑問題を解きます。AIも同様に、「学習で得た直感的ヒューリスティック」と「離散プログラム探索」を組み合わせることで、単なる自動化を超えた自律的発明・発見が可能になると示唆しました。
6. ARGIベンチマークとインタラクティブエージェンシー
6-1. ARK2の概要
2025年3月登場の「ARC2」は、ARK1の静的入力―出力形式を踏襲しつつ、合成的推論をより高度に問う設問群を用意。400名の一般参加者でも100％クリアできる一方、最新モデルは数％に留まり、未だ人間との差が明確です。
6-2. ARK3と「インタラクティブエージェンシー」
次に控える「ARC3」では、AIエージェントを未知環境に放り込み、限られた行動回数で自律的に探索・目標設定・達成させるインタラクティブ性を評価します。2026年初頭リリース予定であり、真のAGI到達への指標となる見込みです。
François Chollet氏は、既存の「スケーリングだけで解決する」というドグマを打ち破り、流動的知能実現の鍵として「テスト時適応」「抽象化の二重構造」「インタラクティブなエージェンシー」を提示しました。ARCシリーズは単なる研究用ベンチマークではなく、AGI研究コミュニティを正しい方向へ導く「矢印」であり続けます。今後はType 1とType 2の融合によるメタラーニングシステムが、科学的発見や未知領域の問題解決を加速し、真に汎用的な知能へと至る道筋を拓くでしょう。
オススメ記事
Next Big Wave（成長株・アイデアの種・トレンド深掘り）
シードスタートアップからレジェンド企業まで、成長の秘密をひも解く
