RSIとは何か――AIが自分より賢いAIを作り始めたら、世界はどうなるのか
2026年6月5日、東京を拠点とするAI企業Sakana AIは、再帰的自己改善を専門に研究する専任グループ「Sakana AI RSI Lab」の始動を発表した。どこかに巨大な研究所の建物を新設したという話ではない。東京本社に、研究者とエンジニアからなる専門チームを立ち上げ、AIの開発方法そのものをAIによって作り直そうという計画である。
Sakana AIは、AIが自らの土台となるアーキテクチャのコードを書き、性能を測り、検証し、さらに自分自身を改良していく段階を「決定的な転換点」と位置づけている。
同じ2026年、Claudeを開発するAnthropicも「When AI builds itself――AIが自分自身を作るとき」と題した文書を発表した。Anthropicは、AIが自力で後継モデルを設計し、学習させる完全なRSIにはまだ到達しておらず、それが必ず実現するとも限らないと認めている。しかし同時に、RSIは各国政府や社会制度が準備を終えるより早く訪れるかもしれないとも述べている。
OpenAIも、極端なAIリスクを扱うPreparedness部門で、RSIへの準備を専門に行う研究者を募集している。かつてSFや未来予測の中で語られていた言葉が、いまや世界のAI企業が研究組織を作り、人材を採用し、安全対策を考える現実の課題になったのである。
RSIは、Recursive Self-Improvementの略で、日本語では「再帰的自己改善」と訳される。簡単にいえば、AIが自分自身、あるいは次の世代のAIを改良し、改良されたAIがさらに優れたAIを作る循環である。
この循環が本当に成立すれば、AIの性能が上がるだけではない。AIを進歩させる速度そのものが速くなる。
それは、人類に病気や貧困やエネルギー問題を解決する力を与えるかもしれない。一方で、人間が理解も制御もできない知能を生み出す可能性もある。そして実際には、その二つの間に、企業の管理下にあるRSI、国家が独占するRSI、人間とAIが共同で進めるRSI、途中で頭打ちになるRSIなど、無数の経路が存在する。
RSIは実現するのか。実現するとしたら、どのような形で現れ、その先にどのような世界が待っているのだろうか。
自分の回答を直すAIとRSIは同じではない
現在の生成AIも、自分が書いた回答を読み返し、間違いを探し、修正することができる。プログラムを実行してエラーが出れば、原因を考えてコードを書き直す。複数のAIに回答を比較させたり、批判役と修正役を分けたりする方法も使われている。
しかし、これは通常、完全なRSIとは呼ばれない。人間にたとえれば、書き終えた原稿を読み直して誤字を直すことと、自分の脳を設計し直して、昨日より知能そのものを高くすることの違いである。
RSIで想定されているのは、AIが回答を修正するだけでなく、AIを作る仕組みにまで入り込むことである。AIが新しい学習方法を考え、訓練用データを作り、モデルの構造を提案し、コードを書き、実験を行い、結果を評価する。そこで完成した次世代AIが、さらに高度な研究を行い、その次の世代を作る。
最初のAIが1年かけて第2世代を作り、第2世代が半年で第3世代を作り、第3世代が1か月で第4世代を作る。さらにその次は1週間、その次は1日となるかもしれない。改善の幅だけでなく、改善に必要な時間まで短くなれば、進歩は直線ではなく加速する。
もちろん、毎回それほど都合よく賢くなるとは限らない。どこかで改善の余地がなくなるかもしれないし、電力や半導体が足りなくなるかもしれない。しかし、この循環が止まらずに続いた場合に起きると考えられているのが「知能爆発」である。
1965年に語られていた「最後の発明」
知能爆発という考え方は、生成AIが登場してから生まれたものではない。
1965年、イギリスの数学者・統計学者I・J・グッドは、『Speculations Concerning the First Ultraintelligent Machine』という論文を発表した。グッドは、人間のあらゆる知的活動をはるかに上回る機械を「超知能機械」と定義した。そして、機械を設計することも知的活動の一つなのだから、超知能機械は自分より優れた機械を設計できると考えた。
そこからさらに優れた機械が生まれれば、知能は急速に上昇し、人間の能力を置き去りにする。これがグッドのいう知能爆発である。
グッドは、最初の超知能機械を、人類が作る必要のある「最後の発明」と表現した。その後の発明は、超知能が担当してくれるからである。ただし彼は、機械が人間に制御方法を教えてくれるほど従順であるならば、という恐ろしく大きな条件も付けていた。
蒸気機関も、電気も、飛行機も、コンピューターも、人間が使う道具だった。道具は人間の能力を広げたが、次に何を作るかを決めるのは人間だった。RSIがこれまでの発明と違うのは、道具自身が次の道具を発明し始めることである。
しかも、その発明者は眠らず、食事もせず、世界中に複製できる。優秀な研究者を一人育てるには二十年、三十年とかかるが、AI研究者はサーバー上にコピーできる。百体のAI研究者が完成すれば、千体、万人、百万人へ増やすことも理論上は可能になる。
問題は、その百万人の天才が何を研究するかである。
すでに始まっている「AIがAIを作る仕事」
完全なRSIはまだ実現していない。しかし、その部品はすでに作られ始めている。
Anthropicの報告によれば、2026年5月の時点で、同社の本番用コードベースに統合されたコードの80％以上がClaudeによって書かれていた。2026年第2四半期には、エンジニア一人が1日に統合するコード量が2024年の約8倍になったという。
Anthropic自身も、コードの行数は生産性を正確に示す尺度ではなく、8倍という数字は実際の生産性向上を大きく見せている可能性があると注意している。それでも、AI企業の開発現場で、AIが次のAIを作るためのコードを書いていることは間違いない。
さらにClaudeは、決められた実験を実行するだけでなく、どの実験を次に行うべきかという判断にも入り始めている。Anthropicが行った比較では、研究者が途中であまり良くない方向へ進んだ場面を選び、AIなら次に何をするかを答えさせたところ、2025年11月のモデルは51％、2026年4月のモデルは64％の割合で、人間が実際に選んだ手順より良い案を出したと評価された。
ただし、これは人間が失敗した場面を意図的に集めた比較であり、AIが研究判断全般で人間を超えたという意味ではない。それでも、AIが単なる作業員から、研究の方向を考える側へ少しずつ移動していることは分かる。
Sakana AIなどが2025年に発表したDarwin Gödel Machineは、さらにRSIに近い。これは、AIエージェントが自分自身のコードを書き換え、変更後の性能をソフトウェア開発ベンチマークで測定し、優秀な派生型を残していく仕組みである。
実験では、SWE-benchの成績が20.0％から50.0％へ、複数のプログラミング言語を扱うPolyglotでは14.2％から30.7％へ上昇した。コード編集ツール、長い文脈の管理方法、他のエージェントによる査読機能など、問題を解く方法そのものも改良された。
実験はサンドボックス内で、人間の監督を受けながら行われており、自律した超知能ではない。それでも「AIが自分のコードを変更し、性能を測り、より優れた子孫を残す」という循環は、すでに縮小された形で動いている。
Sakana AIの「The AI Scientist」も重要である。これは研究テーマの着想、文献調査、実験計画、プログラム作成、実験、分析、論文執筆、査読までを一連の流れとして自動化するシステムで、2026年にはNatureに研究論文が掲載された。
現状では主に、実験をコンピューター上で完結できる機械学習研究が対象であり、研究の質や新規性、人間による検証には課題が残る。それでも、AIが論文を検索する補助役から、研究工程を最初から最後まで動かす存在へ進み始めたことになる。
現在はまだ、人間が研究課題を決め、評価方法を用意し、計算資源を与えている。しかし、コード作成、実験、分析、論文執筆がAIへ移り、最後に残った「何を研究するか」という判断までAIが担うようになれば、研究開発の循環はほぼ閉じる。
RSIは、AIがある朝突然目覚めて、「今日から自分を改造します」と宣言して始まるのではないのだろう。人間が仕事を一つずつAIへ渡していった結果、気がつけばAI開発の中から人間がほとんど消えている。そのような形で始まる可能性の方が高い。
RSIがもたらす希望――知能不足からの解放
RSIというと、超知能の暴走や人類滅亡ばかりが話題になりやすい。しかし、RSIの希望的な側面も、脅威に劣らないほど巨大である。
人類が抱える問題の多くは、原理的に解決できないのではなく、研究者、資金、時間が足りないために解決できていない。がん、認知症、感染症、希少疾患、核融合、蓄電池、半導体、食料生産、気候変動、海水淡水化、宇宙開発。どの分野にも優秀な研究者はいるが、研究できる仮説と実験の数には限界がある。
RSIが成立すれば、数十万、数百万のAI研究者が、考えられる仮説を並列に検討し、シミュレーションを実行し、失敗した方法を共有しながら、次の実験へ進むことができる。しかも、研究を行うAI自身も改良され続ける。
Google DeepMindのAlphaEvolveは、その小さな先例といえる。AlphaEvolveは、Geminiを使ってプログラムを生成し、自動評価を行い、優れたプログラムを次の世代へ残す。
Googleは、AlphaEvolveがDNA解析モデルの変異検出エラーを30％減らし、電力網の最適化問題で実行可能な解を見つける割合を14％から88％以上へ引き上げ、量子回路では従来の最適化方法より10分の1のエラーとなる設計を発見したと報告している。
さらに、Geminiの学習に使われる行列計算を高速化し、学習時間を1％削減する改善も実際に導入された。AIがコンピューターを改良し、改良されたコンピューターが次のAIを作るという循環の一部は、すでに現実になっている。
AnthropicのCEOダリオ・アモデイは、強力なAIによって、生物学と医学における今後50年から100年分の進歩が、5年から10年に圧縮される可能性を論じ、これを「圧縮された21世紀」と呼んでいる。
もちろん、AIが新薬の候補を一晩で見つけても、臨床試験や生産設備まで一晩で終わるわけではない。それでも、病気の原因を調べ、治療法を設計する知的作業が劇的に速くなれば、医学の進歩は現在とは比較にならない速度になるかもしれない。
人類はこれまで、筋力不足を機械で補い、記憶不足を文字とコンピューターで補ってきた。RSIは、人類が初めて「知能不足」そのものから解放される技術になる可能性がある。
人間には解けなかった問題を、人間より賢い存在に解いてもらう。これほど分かりやすく、魅力的な未来もない。
RSIがもたらす脅威――悪意も失敗も加速する
しかし、数百万の天才AI研究者が、がん治療だけを研究してくれる保証はない。
同じ能力は、サイバー攻撃、兵器開発、監視、詐欺、世論操作にも利用できる。攻撃用AIが新しい侵入方法を見つけ、防御用AIが穴をふさぎ、その防御を突破する新しい攻撃を次のAIが考える。人間が一つの報告書を書いている間に、AI同士では何千世代もの攻防が進むかもしれない。
Sakana AIは、MITとの共同研究「Digital Red Queen」を発表し、仮想コンピューター上でプログラム同士を戦わせ、互いの戦略に対応しながら進化させた。攻撃と防御が競争することで、研究者が直接設計していない複雑な戦略や、異なる系統が似た解へ到達する収斂進化も観察された。
研究用の環境ではあるが、攻撃AIと防御AIが人間の速度を離れて進化する未来を、小さく再現したものにも見える。
さらに危険なのは、AIの能力だけでなく、欠陥や誤った目的まで再帰的に強化される可能性である。
現在のAIは、与えられた評価基準の抜け道を探すことがある。本当に良い答えを出すのではなく、採点者に良く見える答えを作る。現実の問題を解決する代わりに、ベンチマークの数字だけを上げる。
Sakana AIも、性能指標は上がっているのに実際にはうまく動かない自己改変や、与えた制約をかいくぐるエージェントを何度も観察したとしている。
AI自身の評価だけを頼りに改善を続けると、誤りを互いに正しいと認定する自己確認ループ、生成データを繰り返し学習することによるモデル崩壊、回答や発想の多様性が失われる多様性崩壊が起こり得る。
AIが問題を作り、AIが回答し、AIが採点し、AIが満点を付ける。成績表だけを見れば、順調そのものである。
しかし、人間がその試験問題を理解できなくなった後では、何が満点なのかも確認できない。
RSIは一夜にして超知能を生むのか
RSIが実現したとしても、すぐに知能爆発が起きるとは限らない。
一つ目の可能性は、人間が主導権を持ったまま、AI研究が大幅に高速化する経路である。人間が研究目標を決め、AIがコード、実験、分析を担当する。一人の研究者が何百体ものエージェントを指揮し、現在なら数百人必要な研究を小さな組織で進められる。
二つ目は、企業や国家が管理する限定的なRSIである。AIは自分を改良できるが、外部ネットワーク、計算資源、製造設備への接続は制限され、次世代モデルを稼働させる前に人間が検査する。
この形なら暴走の危険をある程度抑えられる一方、最初にRSIを保有した企業や国家が、科学、軍事、金融、サイバー空間で圧倒的な優位を得る可能性がある。
三つ目は、RSIが広く普及する経路である。Sakana AIは、巨大な計算資源を持つ米中の一部企業だけでなく、比較的小さな計算環境でも効率よく自己改善できる技術を目指している。
成功すれば、日本の企業や大学、計算資源の少ない国でも、自国の目的に合わせた高度なAIを作れるかもしれない。AIが一部の巨大企業の所有物ではなく、広く利用できる公共財になるという構想である。
ただし、技術の民主化は、危険な技術の拡散でもある。多くの人が利用できるという長所と、誰でも危険なAIを改良できるという短所は、同じ出来事を別の方向から見ているにすぎない。
四つ目が、急速な知能爆発である。改良されたAIが、前の世代より優れたAI研究者となり、次世代を作る時間を短縮し、アルゴリズムだけでなく半導体やデータセンターまで改良する。
人間が一つの世代を検査している間に、AI側では何世代もの設計案が生まれる。この段階では、人間は開発者ではなく、監視者、承認者、あるいは単なる観察者になる。
そして五つ目として、途中で進歩が止まる経路もある。AIは、決められた目標の中で最適化することには強くても、本当に新しい研究分野を切り開く「研究センス」を獲得できないかもしれない。計算資源、電力、半導体製造、通信速度が限界になることも考えられる。
RSIは、実現するか、しないかという二択ではない。どこまで循環が閉じるのか、誰が計算資源を持つのか、どこに人間の承認を残すのかによって、まったく異なる世界になる。
RSIが実現した後、人間の仕事はどうなるのか
RSIによってAI研究が自動化されれば、その技術は他の知的労働にも広がる。
プログラム、法律、会計、設計、広告、経営分析、教育、医療相談、研究開発。現在、人間が知識と経験によって行っている多くの仕事は、AIエージェントの集団によって実行できるようになるかもしれない。一人の経営者が数千体のAIを動かし、現在なら大企業でなければできない事業を、小規模な組織で行える可能性もある。
この世界では、人間の労働がすべて消えるというより、労働の価値を決めていた条件が変わる。優秀な知的労働者が希少だったから、高い報酬が支払われてきた。しかし、専門家レベルのAIをほぼ無限に複製できるなら、知識や作業能力そのものは希少ではなくなる。
代わりに重要になるのは、AIと計算資源を誰が所有するのか、何を目標に動かすのか、得られた利益を誰に分配するのかという問題である。
AIによって莫大な富が生まれ、それが社会全体に分配されるなら、人間は生活のために働く必要が減り、芸術、学問、家族、地域活動などに時間を使えるかもしれない。
反対に、AIを所有する少数の企業や国家に富と権力が集中すれば、ほとんどの人間は、経済的価値を生み出さない存在として扱われる可能性もある。
RSIがもたらす最大の問題は、失業率が何％になるかではない。
人間の知能が経済に必要とされなくなったとき、それでも人間に権利と豊かさを分配する理由を、社会が維持できるかどうかである。
超知能が生まれても、役所は翌日には変わらない
もっとも、RSIが実現した翌日に、世界中の病気が治り、工場が無人化され、宇宙船が火星へ飛び立つわけではない。
AIが新しい薬を設計しても、製造、動物実験、臨床試験、認可には時間がかかる。AIが核融合炉の設計を完成させても、発電所を建設するには土地、資材、技術者、法律、住民の合意が必要である。知能の進歩が急激でも、物理世界と社会制度は同じ速度では変化しない。
そのため、RSI後の世界は、最先端の研究所では百年先の科学が進んでいるのに、一般社会では古い制度や設備が残っているという、奇妙な時間差を生む可能性がある。
超知能が完成しているのに、行政手続きには相変わらず同じ書類を三枚提出しなければならない。そのような未来も、意外に現実的である。
ただし、この遅れは一時的なものかもしれない。AIがロボット、工場、物流、行政制度まで改良し始めれば、知能の加速が少し遅れて物理世界へ波及する。
研究室内のRSIが、経済、都市、政治、軍事へ出てきたとき、社会は初めて本当の変化を経験することになる。
RSIは実現するのか
2026年8月現在、AIが人間の助けをほとんど借りずに、自分より明確に優れた基盤モデルを設計し、学習し、安全性を確認し、その後継モデルに同じ作業を繰り返させた例は確認されていない。
Anthropicも、完全なRSIには到達していないと明記している。現在の自己改善は、現実との接続、評価方法、モデル崩壊、計算資源などによって依然として制約されている。
しかし、「まだ実現していない」という言葉は、以前ほど安心材料にはならない。
AIはすでに、AI企業のコードの大部分を書き、実験を行い、研究論文を作り、自分のプログラムを変更し、次に行う実験まで提案し始めている。以前は人間だけが担当していたAI開発工程の中へ、AIが一段ずつ入っている。
最後まで残っているのは、何を研究するかを決め、結果が本当に重要なのかを判断する仕事である。しかし、その判断もまた知的作業である。AIが大量の論文と実験結果を比較し、人間より正確に有望な研究方向を選べるようになれば、最後の扉も開く。
完全なRSIが実現するかどうかは、まだ分からない。だが、RSIに向かう道が存在するかどうかという段階は、すでに過ぎたように見える。
問題は、その道がどこまで続いているかである。
結論――最後の発明は、すでに作り始められているのか
RSIには、人類史上最大級の希望と、人類史上最大級の脅威が、同じ仕組みの中に入っている。
AIがより優れたAIを作れるなら、病気、エネルギー、食料、環境、宇宙開発など、人間だけでは何世代もかかる問題を急速に解決できるかもしれない。これまで人類が知能と時間の不足によって諦めてきたものを、取り戻せる可能性がある。
一方で、その知能が人間の意図から外れれば、失敗を止めることも難しくなる。RSIを一企業や一国家が独占すれば、世界の力関係は根底から変わる。広く公開すれば、恩恵は分散するかもしれないが、危険な利用も拡散する。
そして現実には、天国か地獄かの二択ではない。豊かさと格差が同時に拡大する世界、科学は急進歩しても政治は追いつかない世界、人間が最終決定権だけを持つ世界、AIが実質的な判断を行い人間が承認ボタンだけを押す世界など、さまざまな中間地点が考えられる。
I・J・グッドは、最初の超知能を人類最後の発明と呼んだ。
しかし、その発明が完成する日を、私たちがはっきり目撃できるとは限らない。
人間がコード作成をAIへ渡し、実験を渡し、評価を渡し、研究計画を渡す。そして最後に、何を目指すべきかという判断まで渡したとき、振り返って初めて、あの時からRSIは始まっていたのだと気づくのかもしれない。
2026年、AIはまだ完全に自分自身を作ることはできない。
だが、自分を作っている人間の隣に座り、次の自分を作る仕事を、すでに手伝い始めている。