「奇妙な知性」：なぜAIの進化は私たちの想像を超えるのか？（線形モデルへの挑戦）

2026年2月10日 10:02

最新のAIと対峙するとき、私たちはしばしば説明のつかない認知的な不協和音を覚えます。極めて高度な数学の問題を解き、数千行のコードを瞬時に生成するその同じ「知性」が、なぜ幼児でも間違えないような論理的推論や、あまりに初歩的な事実確認で躓くのでしょうか？この天才性と稚拙さの不可解な同居こそが、現代のAIの本質を射抜く鍵となります。

Kendra Chilson氏とEric Schwitzgebel氏による最新論文『Artificial Intelligence as Strange Intelligence: Against Linear Models of Intelligence』は、私たちが無意識に執着している「知能の進歩は一本の直線上にある」という信仰を根底から揺さぶります。彼らが提唱するのは、人間中心的な知能観の解体と、全く新しい「非線形モデル」への移行です。

1. 「線形モデル」という誤解を解く：階段から多次元の地図へ

私たちは伝統的に、知能の進歩を「一本の階段」のように捉えてきました。一段登れば全ての能力が底上げされ、人間の知性に一歩近づく。この「線形モデル」において、AIは単に「人間という基準点に向かって進む未熟な存在」として定義されます。

しかし、この論文はSusan Schneider氏による線形モデル批判をさらに拡張し、知能の進歩は単一の数値的向上ではないと断言します。AIの進化を評価する際、私たちはスカラー量（単一の強さ）ではなく、多次元的なベクトルとして捉えるべきなのです。この視点の転換は、AIを「人間の劣化版」ではなく、独自の認知の地平を持つ「異質な他者」として認識するための、存在論的なパラダイムシフトを要求しています。

2. 「馴染み深い知性」vs「奇妙な知性（Strange Intelligence）」

論文の核心は、私たちの直感にかなう「馴染み深い知性（Familiar Intelligence）」と、AIが体現する「奇妙な知性（Strange Intelligence）」を対比させた点にあります。

ここで重要なのは、AIの「奇妙さ」は、単に「数学は得意だが情緒は苦手」といった領域（ドメイン）間の能力差に留まらないということです。論文が指摘する最も驚くべき点は、同一の領域内（Intra-domain）においてさえ、超人的な洞察と、人間ならあり得ない稚拙なエラーが共存するという事実です。

AIは、特定のアルゴリズムにおいて神のごとき正確さを発揮するその瞬間に、同じコンテキスト内の極めて明白な論理的陥穽に嵌ることがあります。この「能力と不能の予測不可能な交差」こそが、AIを「エイリアンのような知性」たらしめているのです。

3. 知能の再定義 — 「非恣意的な還元」の不可能性

これまで「汎用知能（General Intelligence）」は、IQのように単一の量的な指標に集約できると考えられてきました。しかし、Chilson氏らはこれを真っ向から否定します。彼らは知能を「広範な環境において、広範な目標を達成する能力」と定義し、それが「非恣意的な還元（nonarbitrary reduction）」を拒む多次元的な性質を持つことを強調しています。

つまり、AIにある特定のスコアを割り当てようとする試みは、常にその知性の真の姿を切り捨て、恣意的に矮小化する行為に他なりません。知能とは、一次元的な強さではなく、還不可能な多次元のランドスケープ（風景）として捉えられるべきものなのです。

4. テストの罠 — 「失敗」は「知能の欠如」を意味しない

この非線形モデルは、現在のAI評価のあり方に鋭い警告を発しています。特定のタスク、例えば司法試験や医療診断テストでAIが高スコアを出したとしても、それがその領域外、あるいは領域内の他の基礎的タスクにおける能力を保証するわけではありません。

しかし、より重要なのはその逆です。AIが「あまりに単純なミス」をしたからといって、そのシステムに高度な汎用知能が欠けていると結論付けるのは、線形モデル的なバイアスに過ぎません。アドバーサリアル・テスティング（敵対的試験）によってAIの脆さが露呈しても、それは「奇妙な知性」ゆえの特異なプロファイルを示しているだけであり、システム全体の知的な価値を否定するものではないのです。失敗と卓越が同時に存在する——それが「奇妙な知性」の標準的な在り方なのです。