AI開発の歴史において、人間は常に「教師」であり、アーキテクトであった。しかし、その前提が根底から覆されようとしている。近年の大規模言語モデル（LLM）の急速な進歩、特にコーディング能力の飛躍的な向上により、AIが自らの構成要素である「コード」を理解し、修正し、最適化する可能性が現実味を帯びてきた。
この潮流の最前線に躍り出たのが、Richard Socher氏が設立した新興スタートアップ「Recursive Superintelligence」だ。同社はステルス状態から脱却すると同時に、GV（旧Google Ventures）やGreycroft、さらには半導体大手のNvidia、AMDなどから計6億5,000万ドル（約1,000億円）という巨額の資金を調達した。設立からわずか半年、従業員30名未満の組織でありながら、その評価額はすでに46億ドル（約7,100億円）に達している。
この異常とも言える市場の期待は、同社が掲げる「再帰的自己改善（Recursive Self-Improvement: RSI）」というゴールに向けられている。これは、AIが自らのアルゴリズムやインフラを自律的に改良し続け、指数関数的に知能を高めていくという、AI研究における究極の目標の一つなのだ。
人間という「ボトルネック」の解消：Open-endednessへの挑戦
現在のAI開発における最大の制約は、皮肉なことに「人間」である。新しいアーキテクチャの考案、ハイパーパラメータの調整、データの選別、順序、そしてモデルの検証。これらすべての工程に人間のリサーチエンジニアが介在しており、その思考スピードと作業時間がAI進化の速度を規定している。
Recursive Superintelligenceが提示する解決策は、自動化の枠に留まらず、「Open-endedness（オープンエンデッドネス／開放型の進化）」の実装へと踏み込んでいる。共同創業者の一人であり、Google DeepMindで同分野を率いたTim Rocktäschel氏は、生物の進化をアナロジーとして用いる。環境に適応し、さらにその適応に対して他の個体が対抗適応を繰り返すことで、数十億年にわたって複雑性が増し続ける自然界のプロセスを、デジタル空間上のAI開発に持ち込もうとしているのだ。
具体的には、AIが自ら新しい研究のアイデアを生成し、それをシミュレーション環境で実装し、結果を検証して優れたものを自らのコードベースに統合するというループを、人間の介入なしに数百万回、数千万回と繰り返す。Socher氏はこれを、知性が自らを根本から再定義し続ける「再帰的なプロセス」であると強調している。
豪華な布陣が示す「研究」から「製品」への執念
Recursive Superintelligenceの特筆すべき点は、その異常なまでに密度の高い才能の集結にある。Socher氏自身、You.comの設立者であり、Salesforceのチーフサイエンティストを務めた業界の重鎮だが、脇を固めるメンバーも同様に強力だ。
Googleで25年間リサーチディレクターを務め、AIの標準的教科書の著者でもあるPeter Norvig氏、OpenAIのCodexチームを率いたJosh Tobin氏、MetaのYuandong Tian氏など、業界の主要ラボからトップクラスの才能が集まっている。
同社はいわゆる「Neolab（リサーチ重視の新型ラボ）」と目されることもあるが、Socher氏はその呼称を明確に拒絶する。同氏は、Crestaをユニコーン企業に育て上げたTim Shi氏などのエンジニアリングに長けた人材の存在を挙げ、学術的な探求にとどまらず、数四半期以内という短期間で具体的なプロダクトを市場投入する強い意志を示している。理論上のRSIという長期的なビジョンを掲げつつも、それを支えるための実用的なソフトウェアインフラとしての価値を並行して追求する現実的な姿勢は、投資家にとって極めて強い安心材料となっている。
技術的特異点へのマイルストーン：AI研究から科学全般へ
同社のロードマップは段階的かつ野心的である。第一段階として注力するのは「AI研究そのものの自動化」だ。自らの学習アルゴリズムや、推論時の並列化処理（ハーネス）の最適化をAIに行わせる。すでにOpenAIはGPT-5.5を用いて、推論時のトークン生成速度を20%向上させる並列化手法をAI自らに発見させているが、Recursive Superintelligenceはこのプロセスをより根本的、かつ広範に適用しようとしている。
さらに、この「自己改善ループ」が確立された先には、物理、化学、そして生物学というドメインへの拡張が待っている。Socher氏は「AIは生物学にとって、かつての微積分が物理学にとって果たした役割と同じものになる」と語る。複雑なシステムを理解し、工学的に制御するための新しい言語としてAIを位置づけ、創薬や新素材開発のリードタイムを劇的に短縮することを目指している。
潜在的リスクと「Rainbow Teaming」による防御策
AIが自律的に進化し続けるという構想には、制御不能になるリスクが常に付きまとう。予期せぬ挙動や、安全性のガードレールを回避するような進化をAIが選ぶ可能性は否定できない。
これに対し、同社は「Rainbow Teaming（レインボー・ティーミング）」と呼ばれる手法を提唱している。これは、攻撃側のAI（レッドチーム）と防御側のAIを戦わせるプロセスを高度化したもので、単一の攻撃パターンではなく、あらゆる角度（多色）からの攻撃をAI同士にシミュレーションさせることで、モデルの堅牢性を自動的に高めていくアプローチだ。具体的には、言語モデルが自律的に何百万もの特異なプロンプトインジェクションやロジックの脆弱性を生成し、それを別の検証用モデルがブロックする手順を高速に繰り返す。人間の想像力や手作業によるテストの限界を超えた攻撃シナリオをAI自らが絶え間なく生成し、それに対する免疫を事前に獲得させることで、自律進化の過程で発生しうる致命的な暴走リスクを根本から封じ込めようとしている。
計算資源が知能を規定する未来
Recursive Superintelligenceの挑戦が成功すれば、知能の源泉は「人間のひらめき」から「計算資源（Compute）」へとシフトする。癌の治療法や新しいウイルスの解析にどれだけの計算リソースを割り当てるかという、リソース配分の問題が人類最大の関心事になるだろう。
もちろん、現時点では人間によるアイデアの提供が依然として不可欠であり、Socher氏自身も完全な自動化には数年の歳月が必要だと認めている。しかし、NvidiaやAMDといった競合する半導体巨頭が異例とも言える同時出資に踏み切っている事実は重い。自己改善ループが稼働し始めれば、AIは新たなアーキテクチャの検証のために天文学的な規模のコンピュート（計算資源）を絶え間なく要求するようになる。チップメーカーにとって、RSIの実現は自社のハードウェア需要を指数関数的に押し上げる究極のキラーアプリケーションに他ならない。この資本の動きは、知能の限界が人間の頭脳から物理的な計算能力の上限へと完全にシフトする未来が、すぐそこまで来ていることを示唆している。
「AIはコードであり、今やAIはコードを書くことができる。材料はすべて揃っている」
Socher氏のこの言葉は、人間がプログラムを書く時代の終焉と、知能が自律的に増殖を始める新しい時代の幕開けを象徴している。
