Google DeepMind Instituteの論考は、高度な人工知能が経済に及ぼす影響は、個々のエージェントの能力がどこまで高まるかだけでなく、互いにどれほど効果的に協調できるかにも左右されると提唱している。著者らは、「Organizing Intelligence」と題した論文で示された形式モデルに基づき、企業の構造、雇用、賃金に影響を与える能力のしきい値を軸に、経済変革を捉えている。

中心的な主張は、広く使われているAIベンチマークは、経済全体の変化を予測するための測定単位を取り違えているというものだ。ほとんどのテストは、明確に定められた問題にモデルが単独で取り組む能力を評価する。一方、経済では、人々は企業の中に組織され、その構成員が専門を分担し、仕事を受け渡し、互いを補完する能力を組み合わせる。個別の課題では一人ひとりの労働者を上回るシステムでも、適切に編成された人間のチームより生産性が低い可能性はある。

論考は、こうした集団としての優位性を「モザイク・インテリジェンス」と呼んでいる。その説明のため、研究者らは100人に、数学、言語的推論、科学、パターン認識、文化、経済学にまたがるクイズを出した。参加者の得意分野には科目ごとにばらつきがあった。課題において互いの能力を補完するようにペアを組むと、無作為に組んだペアより成績が32％良かったと論考は報告している。この結果は、専門性を持つ人を比較的得意な仕事に配置することで、組織が個人の弱点を補えることの一例として用いられている。

協調は、単独での能力を測るベンチマークでは目立たないように見える役割にも価値を生む。例えば、コーディングや文章を書く能力が平均的な人でも、仕事の引き継ぎを管理し、摩擦を減らすことで、専門家たちの成果を向上させられる可能性がある。著者らは、個人の成績に焦点を当てたテストは、一般にそうした貢献を捉えられないと論じている。

機械知能は、やがて二つの点でこの組織上の関係を変える可能性がある。人間の労働者の供給は比較的固定されているのに対し、AIエージェントは追加の計算資源さえあれば複製できる。また、機械のチームは、コミュニケーション、インセンティブ、管理できる範囲に関して、人間とは異なる制約に直面するかもしれない。エージェントが人間の組織の中で個別に働くのではなく、直接連携できるようになれば、単なる新しい生産性向上ツールではなく、新たな種類の経済的投入要素になると論考は主張している。

この枠組みでは、最小限のAGI、超有能なAI、超協調的なAI、人工超知能といった段階が説明されている。これらの名称は分析上の分類であり、現在のシステムがその段階に達したという発表ではない。個々の能力の向上と、規模を拡大できる協力の能力の向上を区別することが、その目的だ。

この分析は、最先端のベンチマークで急速な進歩が見られる一方、経済全体の生産性や雇用には、まだ同じほど劇的な変化が生じていない理由について、一つの説明を提示している。その結論は、観測された経済的結果ではなく、モデルに基づく予測だ。目に見える変化の加速は、現在のベンチマークがほとんど測定していない協調能力のしきい値を、システムが超えてからになる可能性がある。