「再帰的超知能」の内側：自己改良型AIにかける6500億円の賭け

人工知能は今、より大きなデータセットやより巨大なモデルではない、次の飛躍の岐路に立っています。その鍵となるのが、AI自身が自らの改良を助けるシステムです。新興企業 Recursive Superintelligence は、この分野では異例の巨額な初期資金と、世界トップクラスのAI研究所から集結した創業チームを武器に、この競争に参入しました。

共同創業者には、Metaの基盤的AI研究部門である FAIR の元リサーチディレクター、ティエン・ユエンドン（田淵棟） 氏が名を連ねています。彼の大手テクノロジー企業から先端AIスタートアップへの移籍は、「再帰的自己改良」という能力こそが、次のマイルストーンになり得るという研究者と投資家の間で高まる信念を象徴しています。

ティエン・ユエンドン、MetaからRecursive Superintelligenceへ

ティエン・ユエンドン氏がAIコミュニティで広く名を知られるようになったのは、Meta FAIR在籍時です。彼が主導した ELF OpenGo プロジェクトは、DeepMindのAlphaZeroの中核的アイデアをオープンソースで再現し、強化学習と自己対戦（セルフプレイ）によって超人的なゲーム戦略を生み出せることを実証しました。

Meta退社後、ティエン氏は著名なAI研究者グループと共に Recursive Superintelligence を立ち上げました。このスタートアップは、自動化された実験を通じて自らを改良できるAIシステムの構築に特化しています。

同社はステルスモードを脱し、Meta AI、Google DeepMind、OpenAI、Salesforce AI、Uber AI といった主要なAI研究機関から集ったチームを公開しました。 経験豊富な研究者のこの結集は、「機械が自らの開発を加速させる」という新しい種類のAI研究ループを作り出すという、プロジェクトの野心の大きさを物語っています。

AIにおける「再帰的自己改良」が意味するもの

再帰的自己改良とは、AIシステムがより優れた自分自身のバージョンを設計するのを支援するプロセスを指します。人間のエンジニアだけに頼るのではなく、システム自体が以下のようなタスクに参加します。

• コードの作成や最適化
• 新しい研究アイデアの提案
• 実験の実行
• モデルのパフォーマンス評価と改善提案

このようなシステムが安定的に機能すれば、AIの進歩を劇的に加速させることができます。これまで人間の研究者だけに依存していた改善が、自動化された実験と反復によって実現可能になるのです。

投資家や研究者がこのアイデアを特に強力だと考える理由は、AI自体がソフトウェアだからです。この取り組みに関わるある研究者が述べたように、「AIはコードだ。そして今、AIはコードを書ける」のです。

これが意味するのは、AIシステムが自らのアップグレードを効果的に設計・テストできるようになれば、継続的な改善ループが実現可能になるということです。GV（Google Ventures）のような投資家によれば、長期的な目標は「継続的な科学的発見を推進できる、制約のないアルゴリズム」を通じて学習するAIです。

650億円の資金調達ラウンド

Recursive Superintelligenceは、ステルス状態から現れたばかりのスタートアップとしては異例の大型資金調達を発表しました。その額は**6億5000万ドル（約1000億円）以上、評価額は46億5000万ドル（約7200億円）**に達します。

ラウンドを主導したのは GV（Google Ventures） と Greycroft で、大手半導体メーカーの NVIDIA と AMD も参加しています。

この資金調達の規模が注目される理由はいくつかあります。

• 先端研究への特化: 同社は、典型的なエンタープライズAI製品のスタートアップというよりも、主に研究活動に焦点を当てています。
• AIインフラとの投資家連携: NVIDIAとAMDの関与は、高度なコンピューティングハードウェアの需要を促進する可能性のある技術への戦略的関心を示唆しています。
• 創業チームへの信任: 技術的な道筋は不確実であっても、変革の可能性を秘めている場合、投資家はしばしば経験豊富な研究者に賭けます。

また、このラウンドは大規模な応募超過だったと報じられており、投資家の間で参加への強い需要があったことを示しています。

投資家が主要なAIマイルストーンと見る理由

再帰的自己改良がAIの潜在的な転換点になり得ることは、AI理論において長らく議論されてきました。もし機械が、次世代モデルを生み出すアルゴリズムや学習プロセス、アーキテクチャを確実に改良できるようになれば、AIの進歩は手動による研究のペースをはるかに超えて加速する可能性があります。

その可能性こそが、このアプローチを追求するスタートアップが注目を集める理由です。その狙いは、単により良いモデルを構築することではなく、次世代のAIシステム自体を発明するのを支援するシステムを構築することにあるのです。

とはいえ、その構想はまだほとんど証明されていません。現在のAIがコーディングや実験、分析を支援できるとはいえ、人間の監督なしに最先端モデルを一貫して進歩させることができる完全に自律的な改善ループは、まだ実証されていません。

より大きな視点で見る

Recursive Superintelligenceは、AI業界で進行中の大きな転換、すなわち個々のモデル構築から「自動化された研究システム」の構築への移行を象徴しています。

著名な創業チームと巨額の初期資金を組み合わせることで、このスタートアップは、再帰的改良がAI能力の次の段階を切り開けるかどうかを探求する研究機関の一角に名を連ねました。

そのビジョンが成功するかはまだ不透明です。しかし、今回の投資規模と、関与する研究者の才能は、テクノロジーとベンチャーキャピタルの世界の多くが、「自己改良型AI」の追求がこの分野の次の章を定義するかもしれないと信じていることを示しています。