RSI が新たな AGI に — 定義が極めて困難であることにも変わりはない
AI業界において「再帰的自己改善（RSI）」が次世代の爆発的進化を象徴するキーワードとなり、リチャード・ソチャー氏やアレックス・カルパティ氏ら主要研究者らが実証プロジェクトを推進している。
キーポイント
RSI の台頭と定義
「再帰的（Recursion）」が最新の流行語となり、AIシステムが人間を介さずに自己改良を続ける閉ループプロセスとして定義されている。
主要企業の参入と目標
リチャード・ソチャー氏が「Recursive Superintelligence」を立ち上げ、アイディアから検証までを自動化する超知能の構築を目指している。
アレックス・カルパティ氏の取り組み
元 OpenAI 創設者のカルパティ氏は「Auto-Research」プロジェクトでエージェント群を用いた LLM の自己訓練を実証しており、Anthropic での大規模適用を視野に入れている。
Adaption と AutoScientist
Cohere や Google の元社員らが設立した Adaption は、フルスケールのフロンティアモデル訓練を自動化する「AutoScientist」ツールを発表している。
RSI の実現に向けた具体的な取り組みと進展
Adaption の「AutoScientist」や Disarray の自己学習エージェントなど、モデルの自己訓練や Kaggle での人間対抗勝利といった事例が示されており、再帰的システムへの道筋が見えつつある。
業界の現状は「完全な RSI」には至っていない
Google CEO のサンダー・ピチャイ氏は RSI がもたらす次レベルの加速はまだ実現していないと認め、業界全体が公衆への説明に苦慮している状況にある。
AI によるエンジニア代替の可能性
Anthropic の Claude Code はチームコードのほぼ 100% を生成しており、同社の調査では中級エンジニア（L4）を AI が代替できる可能性を示す回答も出ている。
影響分析・編集コメントを表示
影響分析
この記事は、AI の進化の方向性が単なる性能向上から「自己改良能力」そのものにシフトしていることを示しており、今後数年で AI エコシステムに劇的な変化をもたらす可能性を秘めている。特に主要プレイヤーが実証段階に入ったことで、RSI が理論上の概念から現実の開発課題へと急速に変化しつつあることが読み取れる。
編集コメント
「再帰的」という概念が単なる技術用語から、業界全体を巻き込む新たなパラダイムシフトの合図として定着しつつある様子が浮き彫りになっています。主要プレイヤーの具体的なプロジェクト発表により、RSI の実現に向けた競争が本格的に始まったと捉えるべきでしょう。
「再帰」という言葉は、AI の業界における最新の流行語です。2 つの別々のスタートアップがこの名前を採用し、さらに多くの企業がロードマップに「再帰的自己改善（Recursive self-improvement: RSI）」を参照し始めています。AGI 以前と同様に、RSI もカタルシス的な AI の急成長を象徴する3文字の代名詞となっていますが、その正確な意味についてはまだわずかな議論があります。
基本的には、RSI は自分自身を継続的にアップグレードできるAIシステムを指します。一度AIシステムが人間よりもアップグレードサイクルを管理できるようになれば、このプロセスは閉じたループとなり、アクセス可能な計算資源のみによって制限され、人間はもはや必要ではなく、むしろ邪魔になる可能性さえあります。
恐ろしいかどうかにかかわらず、これは多くのAI研究所が熱心に追及しているビジョンです。
今月初め、著名なAI研究者のリチャード・ソチャー（Richard Socher）は、名前にふさわしく「再帰的スーパーインテリジェンス」を立ち上げました。これはRSIを明確な目標として掲げています。「私たちの主な焦点は、大規模に真の再帰的で自己改善型のスーパーインテリジェンスを構築することです」とソチャーは立ち上げ時にTechCrunch に語りました、「つまり、研究アイデアの構想、実装、検証というプロセス全体が自動化されることを意味します」。
他の多くの著名な研究者もすでに同じ目標を追っており、再帰的自己改善を可能にする画期的な突破を望んでいます。
最も注目されている一人に、テスラと OpenAI の伝説的人物である Alex Karpathy がいます。彼は「Auto-Research」と呼ぶプロジェクトで、エージェントの群れを用いて LLM（大規模言語モデル）を単純なタスクに対して訓練しています。Karpathy はこのプロジェクトについて異例ほどオープンにしており、定期的にマイルストーンについてツイート したり、構築の基礎となるブロックを公開 GitHub リポジトリで提供しています。これまでの成果は主に GPT-2 スケールのモデルに対する微細な改善に留まっており – Karpathy は 3 月に「まだ画期的な『研究』ではない（が、そうなる可能性はある）」と指摘しました – しかし、これだけで多くの他の研究者を RSI の夢へと駆り立てるには十分でした。そして現在、Karpathy は Anthropic で事前学習に取り組んでいます。これにより、彼はこのアイデアをより大規模なスケールで適用する十分な機会を得ることになります。
Cohere と Google の元社員であるサラ・フッカーによって設立された Adaption は、最近 AutoScientist という同様のツールを立ち上げ、フロンティアモデルのトレーニング自動化に取り組んでいます。Karpathy の自動研究者と同様に、このシステムはエージェントに漸進的な改善を行わせるように訓練しますが、Adaption においては、フルスケールのフロンティアモデルをより容易に訓練できるようにすることが目的です。もしこれらの研究者がフロンティアの前進を推し進め始めれば、システムはあっという間に RSI（自己再帰的知能：Recursive Self-Improvement）と非常に似たものへと螺旋状に進化していく可能性があります。
Disarray の創設者であるドリス・シンは、 herself が訓練した機械学習エージェントが 最近の Kaggle コンペティションで 28 個のメダルを獲得 し、多くの人間が訓練したエージェントを打ち破ったことで、より具体的な RSI への関心を集めました。彼女の見解では、最大の課題は信頼性です。
「無限の計算資源と無限の時間的視野があるなら、私たちはすでにそこにいると私は主張します」とシンは私に語りました。「これは実際には創造的な取り組みではなく、単なる地味で堅実なエンジニアリングの積み重ねだと主張したいのです。」
まだまだ到達していない
また、AI業界が実質的な意味で再帰的システムにそれほど近づいていないこと、そして進捗について警戒する一般大衆とどう対話するかでまだ苦戦していることを示す証拠も多数あります。そのため、GoogleのCEOであるサンダル・ピチャイ氏は最近のポッドキャストインタビューでほぼ認める形となりました。
「これは連続体であり、私たちは確かに進歩しています」とピチャイ氏は述べています。「しかし、人々がR.S.I.（自己再帰的インテリジェンス：Recursive Self-Improving Intelligence）と表現するその方法論は、次のレベルの加速を意味し、多くの示唆を持つことになるでしょうが、私たちはまだそこには至っていません。」
しかし、この連続体には非常に多くの自己改善型AIシステムが含まれています。1月には、Claude Codeの主要プログラマーの一人が、チームのコードの「ほぼ100%」をこのツールが作成したと推定しました。これは、Claude Codeが文字通り自分自身を書いているという率直な認容です。
エンジニアがAIツールを使用しているからといって、そのツールが彼らを代替できることを意味するわけではありませんが、Anthropic社はエンジニアの代替にも近づきつつあるようです。最近のMythosプレビューに関連した調査では、Anthropic社のエンジニア18人中5人が、ハネス（制御基盤）の改善があれば、このバージョンのMythosが間もなくL4エンジニアを代替できると考えていました。L4エンジニアとは、監督なしで複雑なプロジェクトを引き受けることができる中級プログラマーのことです。
それでも、予想されるのと同じような弱点はいくつかありました。
「Claude の L4 と比較した主な報告された弱点には、自己管理による週単位の曖昧なタスク、組織の優先事項の理解、審美眼、検証、指示の遵守、認識論が含まれる」とレポートは述べています。
つまり、その弱点はすべて自己方向性に関わるものであり、これは RSI の基盤となるものです。しかし、それ以外のすべてのことについては、Claude はすぐにでも対応する準備ができています。
AGI という用語に先駆けて、AI 業界もまた、有意義な再帰的システムを提示するまであとどれくらいかについて語ることはできません。ジョージタウン大学のセキュリティ・新興技術センター が昨年、RSI を研究するために専門家グループを編成した際、評価には大きな分断があることが判明しました。一部の専門家は差し迫った「スーパーインテリジェンス」型の爆発的成長を予測する一方、他の専門家はより緩やかな進展と最終的な頭打ちを予想していました。しかし、全員が再帰性によって未来の予測がいかに困難であるかについては一致していました。
CSET のディレクターであり、OpenAI の元理事でもあるヘレン・トナー氏は TechCrunch に対し、単に AI ツールを使って AI 研究を行うだけでは RSI とは認められないと語りました。「彼らはできる限り AI を利用しているだけですが」とトナー氏は TechCrunch に述べています。「それは、RSI の古典的な定義とは異なると思います。その本質とは、人間が全く必要ないということです。」
Toner は、METR の Ayeja Cotra による最近の投稿 a recent post by METR’s Ayeja Cotra を指し示しており、そこでは AI 研究の乗っ取りへの道筋における異なるマイルストーンが区別されています。Cotra が「妥当性（adequacy）」と呼ぶ一つのステップは、すべての人間が排除された後でもシステムが研究を継続して行えるようになった時に訪れます – その結果として得られる研究がそれほど価値が高かったり効率的であったりするとは限りませんが。
「同等性（parity）」は、AI のみのシステムが人間のみのシステムと比べて研究において同じくらい優れている時に到来します。最終段階である「支配力（supremacy）」は、AI のみのシステムが人間と AI の共同システムよりも優れたパフォーマンスを発揮する時に訪れます。
究極的に Cotra は結論付けています。AI は、ある程度の作業を独自に生産できるという妥当性の閾値に非常に近いと。これは Karpathy 氏の Auto-Research システムによって行われた漸進的な変化に類似しています。「このマイルストーンがすでに通過したと聞かされても全く驚かないでしょうし、今後数年以内に実現すると予想しています」と Cotra は記述しています。
同等性がいつ到来するかについては彼女も明確ではありませんが、一度到達すれば、「AI 研究の支配力をさらに一年で達成するほど、AI の進歩のペースを劇的に加速させるだろう」と考えています。
道のりにおける障害
AI の多くがスケーリング法則（scaling laws）に基づいているため、RSI（Research Supremacy Infrastructure）も同じ曲線を描くという強い傾向があります。Toner は、RSI を通じて AI 研究と開発を追求する人々の多くは、「それを非常に滑らかな梯子のように考えており、ただスケーリングし続けるだけでよい」と思っていると指摘しています。
しかし、AI 研究者たちが Karpathy の自動研究システムのような漸進的な改善を達成できたとしても、研究プロセス全体を引き継ぐことにはより大きな課題が待ち受けています。Toner はこれをコンピューティングの歴史に例えて説明します。それは、人間がトップから指示を出し続けながら、プロセスのより多くの部分を徐々に手放していくという流れです。
「私たちはマシン言語からアセンブリ言語、そしてコンパイル言語へと移行してきました。つまり、コンピュータの核心部分から遠ざかっていくのです」と Toner は述べています。「しかし、人間はいまだに、ある直感的な意味において、全体を統率し続けているのです」
このパラダイムを超えて進むためには、エンジニアリングとアライメント（調整）の両面で大きな課題に直面します。しかし、巨額の投資が行われている現状においても、無限の計算リソースが利用可能であるわけではなく、人的労働と機械知能の間にある基本的なトレードオフを克服するのは容易ではありません。
そして、終末的なビジョンを描く完全な再帰型 AI システムについてはどうでしょうか？研究者たちが本質的に合意している唯一のことは、AGI（汎用人工知能）と同様に、それはまだ実現されていないという点です。
*当記事内のリンクを通じてご購入いただいた場合、私たちは少額のコミッションを受け取る可能性があります。これは当社の編集の独立性には影響しません。*
原文を表示
The word “recursion” is the latest buzzword in AI circles. Two separate startups have taken on the name, and many more have started referencing Recursive self-improvement (RSI) in their roadmaps. Like AGI before it, RSI has become a three-letter byword for a cataclysmic AI takeoff – even if there’s still a little disagreement about exactly what it means.
In basic terms, RSI refers to an AI system that can continuously upgrade itself. Once AI systems can manage the upgrade cycle better than humans, the process can become a closed loop, limited only by the compute power they can access, and humans no longer necessary or even helpful.
Scary or not, that’s a vision that a lot of AI labs are eager to chase.
Earlier this month, well-known AI researcher, Richard Socher, launched the aptly named Recursive Superintelligence launched with RSI as an explicit goal. “Our main focus is to build truly recursive, self-improving superintelligence at scale,” Socher told TechCrunch at launch, “which means that the entire process of ideation, implementation, and validation of research ideas would be automatic.”
A number of other prominent researchers are already chasing that same goal, hoping for a breakthrough that will make recursive self-improvement possible.
One of the most prominent is Alex Karpathy, a legendary figure from Tesla and OpenAI, who is using agent swarms to train LLMs on simple tasks for a project he calls Auto-Research. Karpathy has been unusually open about the project, tweeting about milestones regularly and making the building blocks available through a public GitHub repo. So far, the work has mostly been confined to making minor improvements on a GPT-2 scale model – as Karpathy noted in March, “It’s not novel, ground-breaking ‘research’ (yet)” – but it’s been enough to convince lots of other researchers to follow the RSI dream. And with Karpathy now working on pre-training at Anthropic, he will have plenty of opportunity to apply the idea at a larger scale.
Adaption – founded by Cohere and Google alum Sara Hooker – recently launched a similar tool called AutoScientist in an effort to automate frontier training. Like Karpathy’s auto-researchers, the system trains agents to make incremental improvements – but for Adaption, the goal is to make it easier to train a full-scale frontier model. If those same researchers start to push the frontier forward, the system could quickly spiral into something very much like RSI.
Disarray founder Doris Xin drew more specific RSI interest when her self-trained machine learning agent took home 28 medals in a recent Kaggle competition, beating out many human-trained agents. As she sees it, the major challenge is reliability.
“I would argue, given infinite compute and infinite time horizon, we are already there,” Xin told me. “I want to make an argument that this is not a creative endeavor, really. It’s just a lot of meat-and-potatoes engineering.”
Not there yet
There’s also plenty of evidence that the AI industry isn’t very close to recursive systems in any meaningful way — and is still grappling with talking to a wary public about its progress. So Google CEO Sundar Pichai basically admitted in a recent podcast interview.
“It’s a continuum, and we are all definitely making progress,” Pichai said. “But in the way people describe R.S.I., that would represent a next level of acceleration and would have a lot of implications, but we aren’t quite there yet.”
But the continuum includes an awful lot of self-improving AI systems. In January, one of Anthropic’s lead programmers for Claude Code estimated that “close to 100%” of his team’s code was written by the tool – a frank admission that Claude Code was literally writing itself.
Just because engineers are using an AI tool doesn’t mean the tool can replace them – but Anthropic seems to be getting close to replacing engineers too. In a recent survey tied to the Mythos preview, five out of 18 Anthropic engineers believed that, with harness improvements, this version of Mythos could soon substitute for an L4 engineer – a mid-level programmer who can take on involved projects without supervision.
Still, there were some of the same weaknesses you might expect.
“Some of Claude’s major reported weaknesses compared to an L4 include: self-managing week-long ambiguous tasks, understanding org priorities, taste, verification, instruction-following, and epistemics,” the report reads.
In other words, its weaknesses are everything involved with self-direction, which is the cornerstone for RSI. But sure, for everything else, Claude is ready to step right in.
Just like the AGI term before it, the AI industry also can’t tell us how far away it is from showcasing a meaningful recursive system. When Georgetown’s Center for Security and Emerging Technology assembled a group of experts to study RSI last year, the group found a major split in assessments – some expecting an imminent “superintelligence” style explosion while others expected slower progress and an eventual plateau. But all agreed that recursion made the future especially difficult to predict.
Helen Toner, director of CSET and a former board member at OpenAI, told TechCrunch that simply using AI tools to do AI research isn’t enough to qualify as RSI. “They’re just using AI for as much as they can,” Toner tells TechCrunch. “And I think that is different from the classic definition of RSI, which is really that there are no humans needed.”
Toner points to a recent post by METR’s Ayeja Cotra, which distinguishes different milestones on the path to the AI research takeover. One step, which Cotra calls “adequacy,” would come when the system can still perform research after all humans are removed – even if the resulting research isn’t as valuable or efficient. “Parity” comes when an AI-only system is as good at research as a human-only system. “Supremacy,” the final stage, comes when an AI-only system outperforms a collaborative system between humans and AI.
Ultimately, Cotra concludes that AI is very close to the adequacy threshold of being able to produce some work on its own – similar to the incremental changes made by Karpathy’s Auto-Research system. “I wouldn’t be totally shocked if you told me this milestone had already passed, and I expect it to happen in the next couple years,” Cotra writes.
She’s less clear on when parity will come, but once it does, she thinks it would “massively accelerate the pace of AI progress, leading to AI research supremacy within another year.”
Bumps in the road
With so much of AI built on scaling laws, there’s a strong tendency to think RSI will follow the same curve. Toner thinks that many of those pursuing AI research and development via RSI “ think of it as a pretty smooth ladder, where you can just keep scaling up.”
But even if AI researchers are able to make incremental improvements like Karpathy’s auto-researchers, there will be larger challenges in handing off the whole process of research. Toner puts it in terms of the history of computing, which sees human beings handing off more and more of the process while still directing things from the top.
“We went from machine languages to assembly language and compiled languages; you’re getting further and further from the guts of the computer,” Toner says. “But the human is still, in some intuitive sense, running the show.”
Moving beyond that paradigm will take significant challenges, both in engineering and alignment. But even with the massive investments happening, there’s no infinite compute available – and the basic tradeoff between human labor and machine intelligence will be hard to overcome.
As for a total recursive AI system of apocalyptic visions? The only thing researchers essentially agree on is that, like AGI, it’s not here yet.
*When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.*
関連記事
[AINews] 今日特に大きな出来事はありませんでした
Latent Space は、GLM 5.2 が依然として注目されていると指摘しつつ、AIE WF 2026 の通常チケットが月曜日に完売すると発表しました。同サイト購読者向けに限定割引を提供し、参加者には Warp や Datadog などからのスポンサークレジットも付与されます。
米国がアンソロピックの「Fable 5」発売を禁止、しかし市場は動じず
米国政府は国家安全保障上の懸念から、アマゾンの研究者らがガードレール回避手法を発見したとして、アンソロピックに対し最新モデル「Fable 5」と「Mythos 5」の販売差し止めを命じた。サイバーセキュリティ研究者らはこの措置が危険だとする公開書簡に署名し、同社も他モデルでも同様の抜け道が存在すると指摘している。
社内データ分析エージェントの構築方法について
GitHub は、大規模なデータ組織が直面する自己完結型のデータアクセスと洞察提供の課題に対し、AI を活用した信頼性の高い解決策として、社内でデータ分析エージェントを構築したことを発表した。
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み