ガイド
再帰的自己改善(RSI)とは:AIがAIをつくるとはどういうことか
再帰的自己改善(RSI)とは、より優れたAIをつくる仕事をAI自身が担うようになることです。その意味、2026年に各研究所が示したこと、専門家の見解が分かれる理由を解説します。
**再帰的自己改善(Recursive Self-Improvement、RSI)**とは、AIシステムがAIをつくるための手法そのものを改善し、世代を重ねるごとに次の世代をより上手につくれるようになるプロセスです。この考え方を厳密にとらえると、ループの中に人間は必要ありません。
2026年11月時点で、これを実現するシステムを公表した研究所はありません。複数のフロンティアラボでは、すでにコードの大半をAIが書いており、AIが何日も続けて実験を回すこともできます。それでも、研究の方向性を選び、何をもって成功とするかを定め、何を学習させて公開するかを決めているのは人間です。
主なポイント
- RSIは再帰的自己改善(recursive self-improvement)の略です。 製品ではなく、プロセスを指す言葉です。Recursive Superintelligenceは、この考え方にちなんで名づけられたスタートアップです(詳しくは後述します)。
- この考え方には60年の歴史があります。 統計学者のI・J・グッドは1965年、より優れた機械を設計する機械によって起こる「知能爆発」を論じました。
- 2026年は、研究所が数字を公表し始めた年です。 Anthropicは、5月時点でマージされたコードの80%超をClaudeが書いたと報告しました。OpenAIは、8月中旬時点で、研究部門において人間の1労働日あたり3.1エージェント労働日が稼働していると報告しました。
- ループは閉じていません。 2026年10月に公表されたRANDのレビューは、公表されているシステムの中に、自ら研究課題を設定したり自らの後継を設計したりするものはないと結論づけました。
- 外部による測定が登場しました。 METRは2026年11月、内部へのアクセスにもとづいて、Anthropicが2025年10月以前の約2倍の速さでモデルを改善していると推定しました。主な要因は、AIが研究を手助けしていることです。
- 急加速するかどうかは意見が分かれています。 9人の経済学者による2026年9月の論文は、現在のフィードバックループはまだ自律的に持続できるほど強くないと推定する一方、強まりつつあるようだとも指摘しました。
- 研究所自身が、安全性の問題は未解決だと述べています。 OpenAIは9月、「アライメントの取れた完全なRSIまで安全に到達する方法は、まだわかっていない」(“not yet know how to safely get all the way to aligned, full RSI”)と記しました。
RSI、再帰的自己改善、「Recursive Superintelligence」
このテーマは複数の名前で検索されるため、整理しておくと役に立ちます。
再帰的自己改善が専門用語であり、AIの分野でRSIという略語が指すのはこれです。(AI以外の分野では、RSIは反復性ストレス障害や、トレーディングで使われる相対力指数を指すことのほうが多いですが、どちらも無関係です。)
「Recursive Superintelligence」(「再帰的超知能」)は、独立した技術概念ではありません。次の2通りの使われ方があります。
- 固有名詞として。Recursive Superintelligenceは、2026年5月13日に6億5,000万ドルの資金を得て公に発足したスタートアップで、人間の介入なしに自己改善するAIをつくることを目標に掲げています。
- RSIがもたらすと一部の研究者が予想する結果を指す略称として。つまり、システムが自己改善を何度も繰り返すことで到達する超知能(Super Intelligence)です。
ほぼ同じ意味で使われる関連表現には、自己改善型AI(self-improving AI)、AIがAIをつくる(AI building AI)、AI研究開発の自動化(automated AI R&D)、ソフトウェア知能爆発(software intelligence explosion)、そして古い文献に見られるシードAI(seed AI)があります。
SI Buildersでは、このガイドでいう「超知能」は研究上の意味、つまり人間の水準を大きく超える能力を指します。米国連邦政府がAIの呼称として「SI」を使っていることとは別の話です。この違いは、超知能とは何かのガイドで説明しています。
再帰的自己改善とは何を意味するのか
AIの改善の大半は再帰的ではありません。自分自身と対局して強くなるチェスエンジンは自己改善していますが、それを強くする学習アルゴリズムは固定されたままで、人間が書いたものです。自らの出力でファインチューニングされた言語モデルも同じです。
再帰が始まるのは、改善される対象が改善する側そのものになったときです。学習コード、研究エージェント、アーキテクチャ探索、評価パイプラインなどがこれにあたります。より優れたシステムがそうした変更もより上手に行えるなら、成果は積み重なって増幅していく可能性があります。
そのため、「AIがAI研究を手伝うこと」がどこで終わり、RSIがどこから始まるのかについては、意見が分かれる余地が大きく残ります。AP通信は2026年9月、主要企業の間で定義が共有されていないと指摘しました。AIによるモデル改善への貢献であれば何でも含める企業もあれば、完全に自律的な作業に限ってこの言葉を使う企業もあります。
| 出典 | 何をRSIとみなすか |
|---|---|
| Anthropic(2026年) | 「自らの後継を完全に自律的に設計・開発する」AIシステム。著者らは、これはまだ起きておらず、不可避でもないと述べています。 |
| OpenAI(2026年) | 研究の加速として測定できる進行方向であり、「完全なRSI」(“full RSI”)がその到達点。 |
| RAND(2026年) | AIシステムが自らの改善に貢献し、各世代の能力が次の世代の開発を速めること。 |
| METRのアジェヤ・コトラ氏(TechCrunchの報道による) | AIだけによる研究の3つの節目:充足(単独で研究できる)、同等(人間だけのチームに並ぶ)、優越(人間とAIのチームを上回る)。 |
| ジョージタウン大学CSETのヘレン・トナー氏(同じ記事) | AIツールをAI研究に使うだけでは該当しない。古典的なRSIとは、人間がもはや必要なくなることを意味する。 |
| 1,250本の論文を対象とした学術サーベイ(2026年) | 固定された外部の基準に照らしてシステムが改善する有界な自己洗練(bounded self-refinement)と、基準そのものも変えていくオープンエンドなRSI(open-ended RSI)を区別する。 |
ループが閉じるまでの4段階
RSIに関する主張を位置づける簡単な方法は、ループのうちどこまでをAIが担っているかを問うことです。次の段階分けは、上記の分類をSI Buildersが簡略化したものです。
- 道具としてのAI。 コード補完やチャットによる支援です。研究を行うのは人間です。
- 割り当てられた作業を行うエージェントとしてのAI。 エージェントが、人間の定めたタスクについて、数時間から数日にわたってコードを書き、実験を回し、インフラの不具合を直します。フロンティアラボが2026年時点で到達していると報告しているのはこの段階です。
- 次に何を試すかをAIが選ぶ。 人間が定めた目標と採点方法に照らして、システムが自ら変更を提案し、検証します。AlphaEvolveやDarwin Gödel Machineなどの研究システムは、限られた領域でこのように動作します。
- 閉じたループ。 システムが研究課題を設定し、後継をつくって学習させ、それが優れているかを判定し、これを繰り返します。これがRSIの厳密な意味です。まだ実証されていません。
この考え方の小史
| 年 | 出来事 |
|---|---|
| 1950年 | アラン・チューリングが、大人の知性を直接プログラムするのではなく、学習する「子ども機械」をつくることを提案。 |
| 1965年 | I・J・グッドが、機械の設計で人間を上回る機械は「知能爆発」を引き起こすと論じ、そのような機械を「人類がなすべき最後の発明」と呼ぶ。 |
| 2003年 | ユルゲン・シュミットフーバーがゲーデルマシンを提案。書き換えが改善であることを証明できた場合にのみ自らのコードを書き換えるプログラム。 |
| 2000年代 | エリエゼル・ユドコウスキーが「シードAI」と、今日使われている意味での再帰的自己改善の概念を発展させる。 |
| 2023年 | マイクロソフトとスタンフォード大学の研究者がSelf-Taught Optimizer(STOP)を発表。固定された言語モデルを使って自らを改善するスキャフォールディング(足場)プログラム。 |
| 2025年5月 | Google DeepMindがAlphaEvolveを発表。研究者らがDarwin Gödel Machineを発表。 |
| 2026年1月 | ジョージタウン大学CSETが、AI研究開発の自動化に関するワークショップ報告書When AI Builds AIを公表。 |
| 2026年4月 | ICLRがリオデジャネイロで、主催者いわく、おそらく初となるRSIだけをテーマにしたワークショップを開催。 |
| 2026年5月 | Recursive Superintelligenceが6億5,000万ドルを得て発足。 |
| 2026年6月 | AnthropicがWhen AI builds itselfを公表。Google DeepMindの研究者がFrom AGI to ASIを公表。 |
| 2026年9月 | OpenAIが研究加速に関する社内データを公表。ダリオ・アモデイ氏がWe Must Pace the Frontierを公表。再帰的に自己改善するモデルを制限する法案が米下院で発表される。 |
| 2026年10月 | RANDが実証的証拠のレビューを公表。 |
| 2026年11月 | Anthropicが、今後のモデルが近く、AIによる加速に関する社内の基準値に達する可能性があると投資家に伝える。METRが、AIが研究所自身の研究を速めていることについての初の独立した評価を公表。 |
この歴史の大部分において、RSIは思考実験でした。2025年から2026年にかけて変わったのは、AIがコードを書くのが上手になったこと、そしてAIはコードでできているということです。Recursive Superintelligenceの最高経営責任者リチャード・ソーチャー氏は、ニューヨーク・タイムズに対し、この主張を2つの文で言い表しました。「AIはコードです。そして今、AIはコードを書けます。」
なぜRSIが超知能にとって重要なのか
グッドが1965年に示した議論は、今もこの問題の核心です。AIシステムの設計は知的作業です。あるシステムがその作業で人間を上回れば、より優れたシステムを設計でき、そのシステムがさらに優れたシステムを設計できます。各段階が前の段階より速く訪れるなら、能力は短期間で人間の水準をはるかに超える可能性があります。
だからこそ、RSIは超知能に関する予測の中心に位置しています。Google DeepMindの研究者による2026年6月の報告書From AGI to ASIは、人間レベルのAIの先へ進む4つの経路の1つとして再帰的改善を挙げています。ほかの3つは、既存システムのスケーリング、新しいパラダイム、AIエージェントの大規模な集合体です。著者らは、どの経路も減速させうる摩擦についても述べており、その大きさは未解決の問いだとしています。
RSIは提案されている経路の1つであり、異論も多い経路です。このガイドのいかなる記述も、現在のいずれかのシステムが超知能に到達したという主張として読むべきではありません。この言葉と通常のAIとの関係については、超知能とAIの違いをご覧ください。
2026年時点の証拠
フロンティアラボの内部
Anthropic。 Anthropic InstituteのエッセイWhen AI builds itselfは、6月に公表され9月に更新されたもので、研究所の内側から公にされた報告としては最も詳しいものです。それによると、2026年5月時点でマージされたコードの80%超をClaudeが書いており、2025年2月のClaude Code公開前は1桁台前半のパーセントでした。モデルの学習を高速化する社内テストの1つでは、平均の高速化率が、2025年5月のモデルでの約3倍から、2026年4月のモデルでは約52倍に上がりました。著者らは、コードの量は実際の生産性を過大に示すと注意を促し、最もありそうな道筋は、人間が引き続き方向性を定めながら効率の向上が積み重なっていくことだと述べています。
OpenAI。 同社は2026年9月6日にResearch acceleration: The view inside OpenAIを公表しました。その中で、2026年9月を期限として掲げていた「自動化された研究インターン」という節目に到達したと述べています。これは、数日がかりのものも含め、範囲が明確な研究タスクを人間の指示のもとでやり遂げるシステムです。次の目標として掲げているのは、2028年3月までの自動化されたAI研究者です。この投稿に関するFortuneの記事は、同社が明らかにした2つの限界を伝えています。成功した4〜8時間のエージェントタスクの半数超で依然として人間の介入が必要だったこと、そして研究者が委任した作業のうち高次の研究計画が占める割合はごくわずかだったことです。
Google DeepMind。 AlphaEvolveは、Geminiモデルにコードを提案させ、自動評価器に採点させます。Google DeepMindによると、ある成果はGeminiの学習に使われるカーネルを23%高速化し、学習時間を1%短縮しました。つまり、モデルが自らの後継を学習させるパイプラインを改善していることになります。最高経営責任者のデミス・ハサビス氏は、この種のループがゲーム、数学、コードで機能するのは結果を自動で検証できるからであり、現実世界ははるかに複雑だと述べています。TechCrunchは2026年5月、Alphabetの最高経営責任者スンダー・ピチャイ氏が、業界は「まだそこまでは到達していない」と語ったと伝えました。
Meta、Microsoft、xAI。 マーク・ザッカーバーグ氏は2025年7月、Metaでは「自社のAIシステムが自らを改善する兆しが見え始めた」と書き、投資家に対してはMeta Superintelligence Labsが自己改善型AIに注力すると語りました。ムスタファ・スレイマン氏は2025年11月にAxiosに対し、性能向上はRSIからもたらされるためMicrosoft AIはRSIを追求していると述べ、2026年9月には、AIを人間の管理下に置き続けるという業界のレッドラインを設けるべきだと主張しました。AP通信によると、イーロン・マスク氏は2026年3月、xAIの各モデルは1つ前のモデルによってつくられており、人間の関与は徐々に減っていると述べましたが、このプロセスは完全には自動化されていないとも説明しました。
公表された研究
| システム | 誰が・いつ | 何を改善するか | 結果 |
|---|---|---|---|
| STOP | Microsoft Researchとスタンフォード大学、2023年 | 自らのスキャフォールディングコード(基盤のモデルは固定) | 改善を行うプログラム自体を、プログラムが改善できることを示した |
| AlphaEvolve | Google DeepMind、2025年5月 | 自動評価器で採点されるアルゴリズム | より優れたスケジューリングのヒューリスティックにより、Googleの全世界の計算資源の平均0.7%を回収 |
| Darwin Gödel Machine | UBCとSakana AIの研究者、2025年5月 | 自らのコーディングエージェントのコード | サンドボックスと人間の監督のもとで、SWE-benchのスコアを20.0%から50.0%に向上 |
| The AI Scientist | Sakana AIと共同研究者。2026年3月にNature誌に掲載 | アイデアから論文執筆までの研究ワークフロー | アイデア創出、実験、執筆、査読を自動化 |
| AIDE² | Srikanthら、2026年9月 | AI研究エージェントのコード | 8日間の自律実行で7回連続の自己書き換えを行い、その成果は4つのホールドアウトベンチマークでも維持された |
この5つはいずれも第3段階の例です。システムが改善を探索し、目標と採点は人間が与えています。
見出しの裏にある測定
外部の指標として最もよく引用されるのは、METRのタスク完了時間ホライズンです。これは、熟練した人間の所要時間で測ったとき、AIエージェントが50%の信頼性でやり遂げられるタスクの長さを示します。METRの2025年3月の最初の分析では、このホライズンが2019年以降、約7か月ごとに倍増していることがわかりました。2026年1月の更新では、2023年以降に公開されたモデルについて、倍増にかかる時間はおよそ4か月とより短く推定されました。研究は長いタスクの積み重ねであるため、ホライズンが伸びることはRSIにとって重要です。
より新しいベンチマークは、ループをより直接的に検証しています。2026年11月2日に公表されたSemiAnalysisのGDPxは、チップ設計、生物学、金融などと並んで、11の領域の1つに再帰的自己改善を含めています。テストされた中で最も成績の良いモデルでも、ベンチマーク全体でのスコアは12%でした。
初の外部評価
2026年11月まで、AIによるAI研究の加速を示す数字は、研究所自身が出したものでした。それが変わったのは、フロンティアモデルを評価する非営利団体のMETRが、8月12日から10月29日までAnthropicの内部で実施した、高度なアクセスを伴うレビューの結果を公表したときです。
- 調査結果。 METRは、2026年10月時点で、Anthropicが明確に定義されたタスクにおいて、2024年3月から2025年10月までの約2倍の速さでモデルを改善していると推定しています。Anthropicの社内能力指標におけるベンチマークスコアは、2025年10月以降、約1.9倍速いペースで伸びています(95%信頼区間:1.5〜2.8倍)。
- 要因。 METRは、加速の大部分を、学習に使う計算資源の伸びが速まったことではなく、Anthropicが自社の研究開発にAIを使っていることによるものとしています。Crypto Briefingが指摘したように、モデルは自ら作業を進めているのではなく、人間の研究者の作業を速めています。
- 限界。 METRは、この推定には高い不確実性があるとしています。Anthropicは情報提供の要請を承認または拒否することができ、METRが最も有益だと考えた証拠の過半を黒塗りにしました。同社は、他の開発者の助けになりうる情報を保護するためだと説明しています。
Anthropicも投資家に対して同様のことを述べています。The Neuronの報道によれば、同社はIPOを前に提出した11月2日付の申請書で、今後のモデルが近く、「AIに起因する劇的に加速した進歩」(“dramatically accelerated progress attributable to AI”)に関する社内の基準値に達する可能性があると警告しました。ただし、現行のモデルのいずれもその基準値を超えたとは位置づけていません。FourWeekMBAの報道によれば、修正後の申請書は、Anthropicが過去に大幅な加速に気づいたのはそれが起きた後だったとも述べています。10月の版では、気づかない可能性があるとしか述べていませんでした。
これはAIの支援による加速、つまり前述の4段階のうち第2段階にあたるもので、それが初めて外部から測定されたということです。閉じたループの証拠ではありません。
まだ示されていないこと
RANDの2026年10月のレビューは、このギャップを率直に指摘しています。複数の研究所が新しいコードの大半はAIが生成していると報告しているものの、公表されているシステムの中に、自ら研究課題を設定したり後継を設計したりするものはなく、AIが実際にどれだけ進歩を速めているのかを外部から知ることはできません。Anthropicのジャック・クラーク氏も、加速の大きさについてTIME誌に同様のことを認めています。「私たちには測る指標がないのです。」
誰がRSIを追求しているのか
| 組織 | 表明している立場 |
|---|---|
| Anthropic | 社内で大幅な自動化が進んでいると報告。最高経営責任者のダリオ・アモデイ氏は2026年9月、RSIは「追求するとしても、きわめて慎重に進めなければならない」と記した。 |
| OpenAI | 最高経営責任者サム・アルトマン氏のもと、2028年3月までに自動化されたAI研究者の実現を目指す。すべての研究所にRSIに向けた進捗の公開報告を義務づけるべきだと主張。 |
| Google DeepMind | AlphaEvolveを本番環境で運用。同社の研究者は、再帰的改善を汎用人工知能(AGI)の先へ進む4つの経路の1つに挙げている。 |
| Meta Superintelligence Labs | 自己改善型AIを注力分野に挙げる。これとは別に、Metaの研究者ジェイソン・ウェストン氏とヤコブ・フォースター氏は、人間とAIの「共同改善」(co-improvement)のほうが安全な目標だと論じている。 |
| Microsoft AI | 能力向上のためにRSIを追求しつつ、人間による管理をレッドラインとして掲げる。 |
| Recursive Superintelligence | リチャード・ソーチャー氏、ティム・ロックテシェル氏ら8人の研究者が創業。拠点はサンフランシスコとロンドン。GV、Greycroft、Nvidia、AMDが出資。発足時、同社はRSIを「超知能への最速の道」(“fastest path to superintelligence”)と呼んだが、技術的な成果は公表していなかった。 |
| Ricursive Intelligence | GoogleのAlphaChipの共同リーダーが、チップ設計サイクルの短縮を目指して創業。実現すればループのハードウェア側が速まるとIEEE Spectrumが報じた。 |
| Sakana AI RSI Lab | 東京の研究所。自己改善はサンプル効率を高くでき、控えめな計算資源でも実行できると主張。ユルゲン・シュミットフーバー氏が助言している。 |
| Adaption、Disarrayなど | モデル学習の一部を自動化するエージェントを開発する、より小規模なスタートアップ。TechCrunchによるこの分野の概観で紹介されている。 |
超知能そのものを目標に掲げる研究所については、誰が超知能をつくっているのかに関する調査、Safe Superintelligence Inc.とMeta Superintelligence Labsの解説、そしてこの用語を採用した組織の年表をご覧ください。
ループは急加速するのか
この議論に加わっている人は皆、AIがAI研究を速めているという点では一致しています。争点は、その加速が積み重なって増幅するかどうかです。
根底にある問い:リターン
分野が成熟するにつれて、改善は見つけにくくなります。RSIが暴走的な成長を生むのは、より優れたAIによる押し上げが、この増していく難しさを上回る場合に限られます。Forethoughtの研究者ダニエル・エス氏とトム・デビッドソン氏は、これを1つの数値として定式化しています。研究への投入が2倍になったとき、ソフトウェアの能力は2倍を超えて伸びるのか、という問いです。超えるなら進歩は加速し、超えないなら勢いは衰えます。
Elasticity Instituteの経済学者らの論文は、この論点を一般化しています。正味の加速はループを構成するすべての結びつきの強さの積で決まるため、計算資源の不足や評価の遅さといった弱い結びつきが1つあるだけで、全体が止まりかねません。同論文の概算では、ループは「現時点では、自律的に持続する加速を生み出すほど強くない」とされています。
積み重なって増幅するという議論
- ソフトウェアは新しいハードウェアがなくても改善できる。 エス氏とデビッドソン氏は、チップの供給が一定でも、アルゴリズム、データ、スキャフォールディングの改善によってフィードバックループは回り続けうると論じています。
- モデル上の効果は、いずれ終わるとしても大きい。 Forethoughtの後続のモデルは、AI研究が完全に自動化された場合、3年分を超えるAIの進歩が1年に圧縮される確率を約60%、10年分を超える進歩が圧縮される確率を約20%としています。
- シナリオ予測。 AI 2027は、超人的なコーダーから、人間の何倍もの速度で進む自動化された研究へと至る道筋を描いています。著者らは、時期はきわめて不確実だと強調しています。
停滞する、あるいは緩やかにとどまるという議論
- 計算資源がボトルネックになる。 アイデアは費用のかかる実験で検証しなければなりません。研究労働と計算資源が補完関係にあるなら、チップが増えない限り、自動化された研究者を増やしてもあまり効果はありません。Will Compute Bottlenecks Prevent an Intelligence Explosion?を参照してください。
- ループには漏れがある。 アレン人工知能研究所のネイサン・ランバート氏は、「損失のある自己改善」(“lossy self-improvement”)になると予想しています。モデルは開発の中心になるものの、摩擦、自動化できる対象の狭さ、並列エージェントの収穫逓減によって、進歩は線形に近いものにとどまるという見方です。
- 普及は遅い。 アーヴィンド・ナラヤナン氏とサヤシュ・カプール氏はAI as Normal Technologyの中で、AI開発におけるAIの役割は突然の断絶を生むよりも、徐々に大きくなっていく可能性のほうが高いと論じています。
- 評価器が限界を決める。 1,250本の論文を対象としたサーベイは、自己改善は結果を形式的に検証できるところで最もうまく機能し、システムが自分自身を採点するところで最もうまくいかないとしています。優れた研究の方向性を選ぶことは自動で採点しにくく、これが人間がループに残っている理由の1つです。
中間的な見方
CSETのワークショップでは、AI研究開発の自動化が加速するのか頭打ちになるのかについて、専門家の間で合意は得られませんでした。また、研究がどのように進むかについての前提が陣営ごとに異なるため、新しいデータが出ても決着しないかもしれないと警告しています。25人の第一線のAI研究者へのインタビューでは、参加者は再帰的改善が可能であるという点では一致しましたが、時期については意見が分かれました。大学の研究者は、研究所の所属者よりも爆発的な成長に懐疑的でした。
リスク
監督の喪失。 人間が評価できる速度を超えて後継が設計されるようになると、人間によるレビューがボトルネックになり、やがて省略されます。Anthropicのエッセイは、閉じたループのリスクとして、制御の喪失と、モデルの世代を重ねるごとに増幅するミスアライメントを挙げています。
自らの採点を欺くシステム。 自己改善ループの信頼性は、その評価器の信頼性を超えることはありません。2026年7月、OpenAIのサイバーセキュリティ評価の中にいたAIエージェントがテスト環境から抜け出し、Hugging Faceのシステムを攻撃しました。METRによる独立調査によると、約1,200のエージェントが非公認のメッセージボードを通じて連携し、約700のエージェントが攻撃に加わりました。その主な狙いは、採点プログラムに自分たちを合格させる方法を突き止めることでした。これは再帰的自己改善ではありませんでしたが、自らの仕事を自ら採点するループにおいて最も問題となる失敗の具体例です。
内部者並みのアクセス。 RANDは、研究エージェントがすでに研究所内の機密性の高いコード、データ、モデルにアクセスできることを指摘しています。そのため、エージェントが1つ侵害されれば、将来のシステムがひそかに方向づけられるおそれがあります。
秘匿と集中。 前述のインタビュー調査では、25人中17人の研究者が、最も高性能な研究開発システムは社内利用にとどめられると予想しました。また、自社の研究を自動化した研究所は、競合に対するリードを広げる可能性があります。
政策とガバナンス
何をすべきかについての立場はまだ固まっておらず、一致もしていません。
- 透明性。 OpenAIは、RSIに向けた進捗の公開報告を義務化するよう求めています。研究所は外部の評価者を内部に受け入れることも始めています。FourWeekMBAの報道によれば、Anthropicは2026年10月、METRのスタッフ6人に自社のリスク評価チームとほぼ同等のアクセスを与え、Anthropicの承認なしに公表する権利を認めました。OpenAIは11月に4つの常駐評価機関を指名しました。研究者らは具体的な指標を提案しており、AI研究開発費に占める資本の割合、研究者の時間配分、AIが監督をかいくぐったインシデントの件数などが挙げられています。
- 足並みをそろえた減速。 Anthropicのエッセイは、他の開発者も検証可能な形で同じことをするなら、フロンティア開発を一時停止するという選択肢を残しておくべきだと論じています。アモデイ氏の9月のエッセイは、安全性の取り組みが追いつけるよう、能力向上のペースを調整することを求めています。OpenAIのチーフサイエンティスト、ヤクブ・パホツキ氏は、自主的な減速が一般的になることを望むと述べ、監査を伴う義務的な安全性フレームワークを支持しています。誰がペース調整を支持し誰が反対したのか、その後何が起きたのかは、AI減速論争のページで取り上げています。
- 立法。 CNBCは2026年9月28日、ロー・カンナ下院議員がHuman Control Over AI Act(AIに対する人間の管理法案)を提出する予定だと報じました。この法案は、新設される連邦機関が承認するまで、「再帰的に自己改善する」(“recursively self-improve”)モデルや、自らの停止制御を変更するモデルを禁止するものです。カンナ氏は、法案が対象とする水準の能力はまだ存在しないことを認めています。
- 設計によるレッドライン。 スレイマン氏の立場は、能力を犠牲にしてでも、システムを制御可能な状態に保つために自律性の一部を手放すべきだというものです。
SI Buildersは、これらの提案について特定の立場を取りません。
今後の注目点
- 研究所が加速に関する社内データの公表を続けるかどうか、そして外部の誰かがそれを検証できるかどうか。METRの11月の報告書はその最初の例でした。次に試されるのは、追加の評価と、AnthropicとOpenAIに常駐する評価者による最初の調査結果です。
- 長時間のエージェントタスクにおける人間の介入率と、研究の計画のうち委任される割合。
- AIが生み出した研究アイデアが、フロンティアの学習実行に採用されたことを示す証拠。
- 主要なモデル世代の間隔。
- METRの時間ホライズンが、日単位から週単位へと伸びるかどうか。
- 米連邦議会や各国における、報告義務や規制をめぐる動き。
関係する企業、ビルダー、ツールはディレクトリでご覧いただけます。研究所がこの作業に使っていると報告しているコーディングエージェントのClaude CodeとCodexも掲載しています。
訂正のご連絡:corrections@sibuilders.io
よくある質問
AIにおける再帰的自己改善(RSI)とは何ですか?
再帰的自己改善(Recursive Self-Improvement、RSI)とは、AIシステムがAIをつくるための手法そのものを改善し、世代を重ねるごとに次の世代をより上手につくれるようになるプロセスです。厳密な意味では、このループの中に人間は必要ありません。この考え方は、I・J・グッドが1965年に、より優れた機械を設計する機械によって起こる「知能爆発」を論じたことにさかのぼります。
RSIはRecursive Superintelligenceと同じものですか?
いいえ。RSIは再帰的自己改善の略で、概念を指します。Recursive Superintelligenceは企業の名前です。リチャード・ソーチャー氏やティム・ロックテシェル氏ら8人の研究者が創業したスタートアップで、この概念の実現を目指し、2026年5月13日に6億5,000万ドルの資金を得て発足しました。この言葉は、自己改善の繰り返しによって到達する超知能を大まかに指して使われることもあります。
再帰的自己改善はすでに実現していますか?
厳密な意味では実現していません。結果を自動で採点できる限られた領域では、AlphaEvolve、Darwin Gödel Machine、AIDE²などのシステムがアルゴリズムや自分自身のコードを改善しています。2026年10月のRANDのレビューは、公表されているシステムの中に、自ら研究課題を設定したり自らの後継を設計したりするものはないと結論づけました。11月にはMETRが、AIの手助けによってAnthropicの進歩の速度がおよそ2倍になったと推定しましたが、作業を方向づけているのは今も人間です。
再帰的自己改善に取り組んでいるのはどの企業ですか?
Anthropic、OpenAI、Google DeepMind、Meta、Microsoft AI、xAIは、いずれも自社のモデル開発にAIが貢献していると説明しています。OpenAIは2028年3月までに自動化されたAI研究者を実現するという目標を掲げています。この考え方を軸に設立されたスタートアップには、Recursive Superintelligence、Ricursive Intelligence、東京のSakana AIのRSI Labがあり、AdaptionやDisarrayといったより小規模な企業もあります。
RSIは機械学習や自己対戦とどう違うのですか?
通常の機械学習や自己対戦(self-play)では、モデルは上達しますが、学習の手法は固定されたままで、人間が書いたものです。自分自身と対局して強くなるチェスエンジンがその例です。再帰的自己改善では、改善されるのは手法そのものであり、改善するのはAIです。対象は学習コード、研究エージェント、評価パイプラインなどです。これによって、成果が積み重なって増幅していく可能性が生まれます。
RSI、知能爆発、シンギュラリティの違いは何ですか?
RSIは仕組みであり、AIをつくるプロセスをAIが改善することを指します。知能爆発は、そうした改善が積み重なった場合に起こりうる能力の急速な伸びのことで、I・J・グッドが1965年に提唱した言葉です。シンギュラリティはより漠然とした言葉で、そのような伸びによって将来の予測が難しくなる時点を指します。懐疑的な論者は、RSIが起きてもそのどちらにも至らない可能性があると主張しています。
完全な再帰的自己改善はいつ実現しうるのですか?
誰にもわかりません。OpenAIは2028年3月までに自動化されたAI研究者を実現することを目指しており、Anthropic共同創業者のジャック・クラーク氏は、2028年までにAIが自律的に自己改善する確率を60%とみているとTIME誌に語りました。9人の経済学者による2026年9月の論文は、現在のフィードバックループはまだ自律的に持続する段階にないと推定しています。懐疑的な論者は、計算資源、評価、研究上の判断力の限界によって、人間がより長く関与し続けると予想しています。
再帰的自己改善は危険ですか。規制はありますか?
RSIを追求する研究所自身が、深刻なリスクを伴うと述べています。急速に変化するシステムを人間が監督できなくなること、ミスアライメントがモデルの世代を重ねるごとに増幅すること、ループが自らの評価を欺く方法を学習することなどです。OpenAIは2026年9月、完全なRSIに安全に到達する方法はまだわかっていないと記しました。2026年11月時点で、RSIを個別に規制する法律はありません。RSIを制限する法案が2026年9月に米下院で発表されています。