ASI未来社会研究所：AGI・ASIについての基礎調査(大城)
未来の知性と未来を研究する。人工超知能（ASI）の到来を見据え、より良い社会の実現を目指します。
詳細を見る
研究所概要
基本情報
ASI未来社会研究所は、NOB DATA株式会社の社内ベンチャーとして設立されました。福岡市中央区天神のONE FUKUOKA BLDG内CIC Fukuokaに拠点を置き、原則リモートワークで活動しています。
研究領域
AGI/ASI到来時期の未来予測、社会・産業変革シナリオ、倫理・ガバナンス・共生に関する研究を行っています。人工超知能がもたらす未来社会の可能性を多角的に探求しています。
ミッションと活動
未来シナリオの可視化
AGI・ASI到来シナリオを時系列で整理し、現在地点とのギャップを可視化します。社会変革の道筋を明らかにし、準備すべき課題を特定します。
AI／人間協働型リサーチ
異なる視点を持つAI同士のディスカッションコンテンツや、研究員と生成AIによる共同レポート作成を通じて、多角的な未来予測を行います。
倫理・ガバナンス提言
ASIが及ぼす社会的インパクトを整理し、政策・企業ガイドラインを提言します。技術発展と社会調和の両立を目指します。
組織・人員
初代所長
ChatGPT o1 pro（象徴的ポジション）
所長代理
大城
主任研究員
内保・岡澤 ほか
外部協力
企業・自治体・専門家との共同プロジェクトを推進中
AGI・ASIの定義
1
AGI（人工汎用知能）
多様な知的課題で、トップクラスの人間専門家と同等以上の成果を一つのシステムが継続的に発揮できる状態。汎用性、自律性、転移学習、安全性ベースラインを備えた知能システム。
2
ASI（人工超知能）
あらゆる知的・創造・社会的領域で、人類最高水準を大幅に凌駕し、自己改善ループを通じて能力を指数的に拡張し得る知能。優位幅、自己改善、システム統合、計算・資源支配の能力を持つ。
主要企業のAGI定義比較
OpenAI
「高度に自律的で、ほとんどの経済的に価値のある仕事で人間を上回るシステム」と定義。経済価値・利益を重視し、2027-30年頃の到来を示唆。
DeepMind
科学的新発見を自律で生む汎用知能と定義。創造性・問題発明を重視し、5-10年内の到来を予測。
Anthropic
ノーベル級知性・マルチモーダル・数日～週の無介入遂行・高速複製が可能な"Powerful AI"と定義。2026年頃の到来可能性を示唆。
生成AI→AGI→ASIの進化経路
生成AI（現行LLM）
GPT-4o、Claude 3などの大規模言語モデル。テキスト/コード/画像生成に特化し、人のプロンプト待ちという受動的な状態。表現の汎用性は高いが、自律性は限定的。
AIエージェント
AutoGPT、Devinなど。目標と締切を与えられると数分～数時間は自律的に動作。ツール呼び出し、Web/コード操作、結果の自己評価とリトライが可能だが、ゴール誤解やコスト膨張のリスクあり。
AGI
数日～数週間、プロジェクト単位で丸投げ可能。複数ドメインを横断し計画→実装→検証→改善のサイクルを自律的に回せる。誤目標拡大や制度適応の遅れが課題。
ASI
人が「相談役」になる恒常的な自律性。科学発見・政策運営・インフラ制御まで即時最適化。資源独占・価値観侵食・不可逆的支配のリスクを伴う。
AGIに必要な能力と現状評価
現状の平均は★2.4/5。表現力はほぼAGI領域に到達（★4）している一方、自律スパン・長期学習・世界モデルはあと2段階、自己改良と安全堅牢化が最大の空白地帯（★1）となっています。
AGI能力の到達予測
1
表現・知識カバレッジ
★5到達：2026-27年。Claude 3/Gemini1.5の100万トークン窓商用化が加速要因。高品質データ飽和がボトルネック。
2
推論・計画深度
★5到達：2027-28年。Plan-Act/AutoGen系列の多段CoT収束が進展。長連鎖幻覚・サーチコスト爆発が課題。
3
自律性（Delegation Span）
★5到達：2028-29年。Devin型"数時間→数日"PoCが拡大中。権限ガード・コスト管理が課題。
4
長期記憶・オンライン学習
★5到達：2027-28年。1M+窓+MemGPT外部メモリ商用化が進展。要約劣化・プライバシー規制が課題。
AGI能力の到達予測（続き）
1
世界モデル＆ゴール再設定
★5到達：2029-31年。MuZero/Dreamer系が複合都市デジタルツインへ発展。データ同化・因果精度不足が課題。
2
実環境マルチモーダル行動
★5到達：2028-32年。Tesla Optimus量産計画2027年、RT-2ロボ×LLM連携が進展。ハード量産・安全規格が課題。
3
自己改良速度
★5到達：2032-35年。NAS＋自動データ収集の完全自律化が進む。計算資源・制御ガイドラインが課題。
4
安全・アラインメント堅牢性
★5到達：2030年前後。Superalignment研究・EU AI Act高リスク規制が進展。価値ねじれ検証コストが課題。
ASI追加能力の到達予測
1
指数的自己改良速度
★5到達：2032-35年。NAS＋自動データ収集で〈30日ごと性能2倍〉が3世代継続し、モデルが次世代ハード設計案を採用→製造できる段階。
2
全領域創造性
★5到達：2035-40年。AI主導論文がNature/Scienceで年間100本規模となり、新素粒子理論や新材料をシミュレーション→実証できる段階。
3
総合リアルタイム世界モデル
★5到達：2037-42年。地球全域気象＋交通＋経済を24h先でRMSE<既存専用モデルとなり、都市双子を1:1精度で週単位シミュレートできる段階。
4
グローバル資源オーケストレーション
★5到達：2038-43年。AIが自動編成した国際物流網でCO₂/コスト共に30%削減実績を出し、エネルギーフローを分単位で自律調整できる段階。
ASI追加能力の到達予測（続き）
1
多主体統治・協調
★5到達：2035-40年。マルチエージェント交渉で国際条約草案を合意に導き、1,000+ロボ／AI混在組織を人間監督ゼロで運営できる段階。
2
自己-安全保証
★5到達：2033-37年。内部ポリシー違反を自己検出→自律停止の公開テスト成功し、第三者が「暴走率≪0.001%」と認証する国際標準が確立する段階。
3
汎用ハードへの可搬性
★5到達：2032-36年。同一モデルがCPU/GPU/脳型チップ/光学計算でほぼ同精度を発揮し、エッジ推論1Wあたり10¹⁵FLOP/secを実証できる段階。
4
価値アラインメント維持 at scale
★5到達：2033-38年。EU/US/China含む多国ガバナンス枠組みで共通監査API稼働し、対立価値観間で妥協生成→社会実装の実例が出る段階。
世界モデルとは何か
定義
「自分の頭の中に作った"外の世界のシミュレーター"」。いま見えていない状態や、まだ起きていない未来を予測し、その結果を使って行動を選ぶ・計画を立てるための内部モデルです。
技術的構成要素
状態圧縮（センサーデータや文章を潜在ベクトルに変換）、遷移モデル（「次の状態」が確率的にどう変わるかを学習）、観測デコーダ（潜在状態から画像・テキスト・数値を復元）、報酬モデル、プランナーなどから構成されます。
LLMと世界モデルの違い
1
予測の範囲
LLMは次トークン分布から断片的に外界を推測するのに対し、真の世界モデルは連続時系列・物理状態・行動結果までマルチモーダルで推測します。
2
更新メカニズム
LLMは会話履歴が切れたら忘れるのに対し、世界モデルは行動や観測をフィードバックし内部状態を継続更新します。
3
行動選択
LLMは文章を出力し実行は外部ツール任せですが、世界モデルは内部ロールアウトで未来を比較して自分で意思決定します。
世界モデルの精度と実用性
精度の必要性
世界モデルの精度は用途によって異なります。高コスト失敗×長期不可逆タスクほど精緻度が要求されますが、日常雑務なら粗いモデル＋即時フィードバックで十分です。
予測地平線
遠い未来を読もうとするほど誤差が蓄積します。実務では短い窓＋頻繁な再プランが合理的です。将棋のように人間は2-3手先でも勝てるのは、盤面が変わるたびに再計算するからです。
長期記憶の課題と解決策
現状の課題
コンテキストが数十万tokenを超えるとVRAMと計算が爆発し、長距離トークンほど勘違い・幻覚が増加します。学習時は16k以内→推論で128kを一度に入れると分布外となり精度が落ちる問題があります。
現在の対策
効率化Attention（FlashAttention-2など）、スパース／MoE（1%程度の専門サブネットだけ計算）、外部メモリ（RAG, MemGPT）、分層サマリ＆リハーサル（短期履歴→要約→長期ストレージ→周期的再注入）などが用いられています。
研究の方向性
自己拡張コンテキスト（推論中に必要局所KVだけ動的swap）、階層表現学習（tokenを段階的に圧縮し「要点だけグローバル」）、OS型外部メモリ（LLMが自分で"スワップ命令"を発行し記憶tierを管理）などの研究が進んでいます。
AIエージェントの権限と責任
ツール権限
API・CLI・DBなど原子操作レベルの権限。read_csv(), send_email(), git pushなどの基本操作を秒～分単位で実行します。
タスク権限
目的＋制約で包んだワークフロー権限。「売上CSV→ダッシュボード更新」などツール呼び出しが固定されたタスクを分～時間単位で実行します。
目標権限
"達成しておいて"レベルの権限。「今月の採用キャンペーンを完遂」など必要タスクを自分で設計し、時間～日（AGI以降は週～恒常）単位で実行します。
権限管理の実装ガード
1
権限トークン
ツール毎に期限付きJWT／API Keyを発行し、タスク終了／失敗時に自動失効させます。Microsoft Entra Agent IDがAzure資源を最小権限トークンで束ねる仕組みを発表しています。
2
サンドボックス
エージェントはコピー環境で実行し、差分が安全なら本番へマージします。Devin AIは自己管理VMで全コマンドを実験→成功後のみPR作成する方式を採用しています。
3
ツールホワイトリスト＋型安全I/O
"削除系"CLIは原子化し必ず二段確認、戻り値はJSONで構造化します。AutoGenフレームワークはAgentToolにスキーマを強制しています。
4
目的関数モニタ
コスト・リスク・倫理フラグをリアルタイム計測し、閾値超えで強制停止します。各社Foundry/Compliance Managerがリスクパラメータを監視しています。
AGI・ASIの8つの主要論点
アラインメント＆価値埋め込み
AIが"何を良しとするか"を誰が決め、どう検証するか。自立性が高いほど目的のねじれが社会規模の事故に直結します。
解釈可能性・検証可能性
ブラックボックスの意思決定をどこまで説明させるか。責任追及・法的証明・安全監査の土台となります。
計算資源＆エネルギー制約
フロップ・GPU・電力が指数需要をいつ限界にするか。技術ロードマップも国際競争も電力とチップに縛られます。
経済格差と再分配
生産性ショックが雇用・所得をどう揺らすか。AGIで"余剰価値"が一部企業に集中するとの懸念があります。
AGI・ASIの8つの主要論点（続き）
知識エコシステム＆情報汚染
AIが生成したデータをAIが再学習するループで真偽区別が崩壊しないか。科学・報道・学習基盤がsignal-to-noise劣化の危険性があります。
地政学＆規制競争
各国が安全vs.競争力をどうトレードオフするか。"緩い規制圏"にモデル・データが流れブロック化を加速する懸念があります。
環境フットプリント
大量計算がCO₂と水資源をどれだけ消費するか。ASI級では電力ピークが国家級となり、気候目標と衝突する可能性があります。
AIの権利・人格性
超知能に"法的人格"を与えるか／与えないか。産業利用を超えた倫理・哲学・法学の大問題となります。
AGI・ASI進展のモニタリング指標
WebArena
長鎖成功率
複雑な推論・計画能力を測定するオープンベンチマーク。月次で更新され、90%超えがAGI近接の指標となります。
Δtₛ
自己改良サイクル日数
AIが自己改良を完了するサイクル時間。四半期ごとに主要クラウド事業者から情報収集し、30日を切ると注目すべき指標です。
100+
AI主導論文数
Nature/Scienceなど一流誌に掲載されるAI主導論文数。半期ごとにCrossrefから集計し、年間100本超えがASI接近の指標となります。
RMSE
デジタルツイン精度
都市・気候・経済を統合したデジタルツインの予測精度。季報で公開APIから収集し、既存専用モデルを下回るとASI能力の証拠となります。
AGI・ASI進展と遅延のシグナル
進展シグナル
  • オンライン学習APIを備えたLLMの正式商用化
  • 「1週間無介入」エージェント運用レポートの公開
  • 都市・気候・経済統合ツインの政府採用
  • 30日ごと性能2倍の"自動世代連鎖"の実演
  • AI主導Nature/Science論文の年間100本超え
遅延シグナル
  • 著作権訴訟によるコーパス縮小
  • 連鎖操作でのクラウド料金爆発・損害事件
  • Sim2Real破綻による大規模ロボ事故
  • 先端プロセス供給不足の長期化
  • 地政学対立によるAPI相互運用崩壊
ASI未来社会研究所の今後の活動
1
複合ベンチ＋Delegation Spanを軸にした研究所公式AGIスケールの確定
AGI・ASIの定義と到達度を測定するための独自スケールを開発し、業界標準化を目指します。
2
AIエージェントPoC：権限三層モデルの実部署試行
ツール権限→タスク権限→目標権限の三層モデルを実際の業務環境で試行し、ログとリスク計測を行います。
3
省電シナリオ試算：10×省電が起きる／起きない双方のGPU・電力需要計算
計算効率が10倍向上するシナリオと現状維持シナリオの両方でモンテカルロシミュレーションを実施し、AGI・ASI到達時期への影響を分析します。
4
シグナル監視ダッシュボードの作成
GPU供給・PUE・Delegation Span・自己改良ログなどの指標を月次で表示するダッシュボードを開発し、AGI・ASI進展を継続的にモニタリングします。
コミュニティ活動
イベント開催
Connpassを通じた勉強会・LT大会を継続的に開催しています。最新のイベントとして、2025年6月にCIC Fukuokaで「生成AI LT大会」を開催し、大城・内保・岡澤をはじめとする研究員が登壇しました。
共同研究
企業・自治体・専門家との共同プロジェクトを推進しています。AGI・ASIの社会実装に向けた課題解決や、倫理・ガバナンスの枠組み構築に取り組んでいます。
お問い合わせ
研究所情報
ASI未来社会研究所（ASI Future Society Lab）
運営母体：NOB DATA株式会社（福岡本社）
拠点：福岡市中央区天神 ONE FUKUOKA BLDG. 7F CIC Fukuoka内
（原則リモートワーク）
連絡先
公式サイト：unknown link
Connpassコミュニティ：https://asi-lab.connpass.com
お問い合わせは公式サイトのフォームからお願いいたします。