# AIのIQは130超え？生成AIをIQテストで測る意味と限界

出典: https://iqcat.vercel.app/blog/ai-iq-score
公開日: 2026-09-04
発行: ねこIQ (https://iqcat.vercel.app)
タグ: IQ基礎, 心理学

> 「AIのIQは136」といった報道は、人間向けのメンサ式テストをAIに解かせた結果です。IQは同年齢の人間集団を基準にした相対値で、公開テストは学習データに含まれうるため、人間のIQと同じ意味では比べられません。研究と限界を解説します。

## この記事の要点

- AIのIQとして報じられる数値は、メンサ・ノルウェーなど人間向けの公開IQテストをAIに解かせ、人間の換算表に当てはめたものです。
- IQは同年齢の人間集団の中での相対位置を表す指標なので、年齢も基準集団も持たないAIの数値は、人間のIQと同じ意味を持ちません。
- 公開テストの問題は学習データに含まれうるため、ネット上に無いテストで測ると数値が下がることが報告されています。
- 査読研究では、GPT-3がレーヴン型の行列推理をテキスト化した課題で人間並み以上の成績を示しましたが、それは特定の課題での結果であり総合的な知能の証明ではありません。

「最新のAIはIQ130を超えた」というニュースを見かけることが増えました。数字だけ見ると人間の上位2%に相当しますが、この数値は何をどう測ったものなのでしょうか。この記事では、AIのIQがどのように算出されているかを確認し、人間のIQと同じ意味で読めるのかを、IQという指標の定義から整理します。

## 「AIのIQ」はどう測られているか

AIのIQとして引用される数値の多くは、独立系の検証サイトTrackingAIが公開しているものです。同サイトは、メンサ・ノルウェーが公開している図形パターンのIQテスト（35問・制限時間25分）と、メンサ会員が作成しネット上に一度も公開されていない「オフライン」テストの2種類をAIに解かせ、人間向けの換算表でIQに置き換えています。

問題は基本的に文章で説明する形（言語化）でAIに渡され、画像を扱えるモデルには図形そのものも提示されます。回答を拒否した場合は同じ問題を最大10回まで再提示する、といった手順も公開されています。

この方法で、2025年には[OpenAIのo3がメンサ・ノルウェーでIQ136相当、Gemini 2.5 Proが128相当](https://ledge.ai/articles/tracking_ai_mensa_iq_test)などと報じられました。数値はモデルの更新ごとに変わるため、特定の値は「その時点の参考値」として読む必要があります。

## IQは「人間集団の中の相対位置」である

ここで、IQという指標の定義に戻ります。IQは知能の絶対量ではなく、同年齢の人間集団の得点分布を平均100・標準偏差15に標準化した相対値です（[IQの平均と分布](https://iqcat.vercel.app/blog/iq-average)）。[IQ130](https://iqcat.vercel.app/iq/130)が「上位約2%」を意味するのは、この基準集団があってこそです。

AIには年齢がなく、比較対象となる「同年齢のAI集団」もありません。人間の換算表に当てはめた数値は、「人間がこの正答数なら130に相当する」という翻訳にすぎず、AIが人間の上位2%の知能を持つことを意味しません。同じ理由で、犬や猫のIQを人間の尺度で表せないのと構図は同じです（[動物の知能ランキング](https://iqcat.vercel.app/blog/animal-iq-ranking)）。

## 公開テストは学習データに含まれうる

もう一つの限界は、テストの秘匿性です。メンサ・ノルウェーのテストはウェブ上で誰でも受けられるため、問題と解答がAIの学習データに含まれている可能性を排除できません。TrackingAIが「一度も公開されていないテスト」を別に用意しているのは、この汚染を避けるためです。

人間のIQテストでも、事前に問題を知っていれば得点は上がりますが、それは知能が上がったことを意味しません（[IQテストの練習は意味がある？](https://iqcat.vercel.app/blog/iq-test-practice)）。AIの場合、学習データの規模が桁違いに大きいため、「初見の問題を解いたのか、見たことのある問題を再現したのか」の区別が本質的に難しくなります。

## 査読研究はどこまで示しているか

査読を経た研究もあります。[Webbほか（2023）](https://doi.org/10.1038/s41562-023-01659-w)は、GPT-3（text-davinci-003）と人間の参加者を、レーヴン漸進的マトリックスの規則構造に基づいてテキスト化した行列推理課題や、文字列のアナロジー課題などで直接比較しました。GPT-3は多くの設定で人間と同等かそれ以上の成績を示し、抽象的なパターン帰納の能力が学習の副産物として現れたと報告しています。

ただしこの研究が示したのは、特定の形式の課題での成績です。研究自体も「知能」全体を測ったとは主張していません。人間のIQテストが妥当性を持つのは、その得点が学業や職業上の成果など外部の基準と一貫して相関することが確認されているからで（[IQと学業成績](https://iqcat.vercel.app/blog/iq-and-grades)）、AIの得点にはそうした裏付けがまだありません。

## 同じ問題でも「解き方」が違う

レーヴン型の問題は、図の中の規則（回転・増減・重ね合わせ）を見抜いて空欄を埋めるものです（[レーヴン漸進的マトリックスとは](https://iqcat.vercel.app/blog/ravens-progressive-matrices)）。人間はこれを視覚的な作業記憶と推理で解きますが、言語化された問題を受け取るAIは、記号の系列から統計的なパターンを補完しています。

同じ正答数でも背後の処理が異なる以上、「AIは人間より賢い」「人間より劣る」のどちらの結論も、IQの数字からは導けません。比較できるのは「この課題形式での正答率」だけです。

## AI時代にIQテストを受ける意味

AIが図形問題を解けるようになっても、IQテストの目的は変わりません。目的は「人間の中で自分の推理力がどの位置にあるか」を知ることであり、それはAIの成績とは独立です。むしろ定型的な作業がAIに置き換わるほど、自分がどの種類の推理を得意とするかを把握する価値は高まります。AIに頼りきることが思考にどう影響するかは、[AIに頼ると頭が悪くなる？](https://iqcat.vercel.app/blog/ai-cognitive-debt)で扱っています。

[ねこIQの無料IQテスト](https://iqcat.vercel.app/start)は、空間推理・パターン認識・論理的推論・分類能力の4分野・20問（約10分）を項目反応理論（IRT）で採点し、平均100・SD15スケールの推定IQ・偏差値・上位%を表示します（[IRTとは](https://iqcat.vercel.app/blog/what-is-irt)）。表示される数値は推定値であり、公式な心理検査の結果ではありません。

## よくある質問

### AIのIQはいくつですか？

独立系サイトTrackingAIの集計では、2025年にOpenAIのo3がメンサ・ノルウェーの公開テストでIQ136相当、Gemini 2.5 Proが128相当と報じられました。ただし人間向けの換算表に当てはめた参考値で、人間のIQと同じ意味ではありません。

### AIのIQ130は人間の上位2%と同じ意味ですか？

いいえ。IQ130が上位2%を意味するのは、同年齢の人間集団を基準に標準化した場合だけです。AIには年齢も基準集団もなく、公開テストの問題を学習している可能性もあるため、同じ尺度では比べられません。

### AIに解けるIQテストを人間が受ける意味はありますか？

あります。IQテストの目的は「人間の中での自分の相対位置」を知ることであり、AIが解けるかどうかとは無関係です。むしろAIが得意な定型作業が増えるほど、自分の推理の強みを知る価値は上がります。

## 免責事項

ねこIQは娯楽・自己理解を目的とした推定値を提供するもので、医療・臨床目的の検査や公式な心理検査ではありません。記載の割合は平均100・標準偏差15の正規分布モデルからの算出値です。