Googleの共同創業者セルゲイ・ブリン氏の発言が示しているのは、AIモデルが次世代モデルの開発を手伝うようになったという変化だ。ただし、AIが自ら研究課題を決め、後継モデルをつくり、そのサイクルを人間の指示なしに繰り返す「完全に自律した再帰的自己改善(RSI)」が実現したことを示すものではない。現時点で裏付けられるのは、人間とAIによる開発の初期的な協業だ。
4
35
ブリン氏の発言が示すもの
ブリン氏は、GoogleのFlashモデルの開発を振り返りながら、研究者とモデルが次の世代の開発に協力するようになったと説明した。この取り組みを、立ち上がりつつある「RSIのトレッドミル」と表現したという。
4 Business Insiderも、Geminiのモデルが後継モデルの開発を支援していると報じている。
35
これは重要な変化だが、「開発を支援すること」と「自律して開発すること」は同じではない。モデルが研究や開発に貢献していても、何を解決するかを自分で決めること、学習の過程を管理すること、後継モデルの完成を判断することまで担っているとは限らない。発言や報道からは、Googleが開発サイクル全体を自動化したとは確認できない。
より強い意味での再帰的自己改善とは、AIが後継システムを設計・開発し、その後継も同じプロセスを続けられる状態を指す。Anthropicは、AIに委ねる開発作業が増えれば将来的にその可能性につながり得ると説明する一方、完全に自律した自己改善にはまだ至っていないとしている。
20
コード生成が多くても、それだけではRSIの証明にならない
Googleの安全性報告に関する報道では、AIエージェントがコードの「大半」を生成しているとされる。
19 これはコーディングへのAIの関与が大きいことを示す一方、どの範囲のコードを指すのか、バグ修正がどの程度含まれるのか、人間がどのように確認しているのかは、報道された情報だけでは明らかでない。
仮にAIが大量のコードを書いていても、それだけでAIが自律的に研究を進めているとは言えない。コードの作成や補助はモデル開発の一工程であり、後継モデルをつくる全過程を独力で計画し、完了できることの証明にはならない。
この話題に関連して語られる「チームがチップではなくArgonの利用枠を求めた」「社内モデルはすでに何世代も先行している」といった主張は、ここで確認できる情報では裏付けられていない。RSIが実現した証拠として扱うべきではない。
Carbonについて分かっていること
Carbonは、Google社内でテストされているGemini 4のチェックポイント(開発途中のモデル)だと、二次報道で伝えられている。従業員の一人がコーディング性能について「Opus 5.5のように感じる」と話したとも報じられたが、これは個人の感想であり、公表されたベンチマークによる比較ではない。公開ベンチマークやリリース時期は、現時点で報道されていない。
6
したがって、Carbonから読み取れるのは社内でモデルのテストが行われていることまでだ。能力や自律性が高いことの証明ではなく、アーキテクチャー、測定された性能、独立してAI研究を行う能力も、利用できる情報からは確認できない。
Argonの公開時期から分かること、分からないこと
Googleは9月30日、Gemini 4 Argonを発表し、まずFairwind Programを通じて、信頼できるサイバーセキュリティ担当者に提供すると説明した。
13 10月13日には、開発者や企業向けのプラットフォームに加え、対象となるGoogle AI ProおよびUltraの利用者向けに、Geminiアプリや検索のAIモードでの提供を発表した。
14
1
この経緯から分かるのは、対象を限定した初期提供の後、利用範囲が広がったことだ。Fairwindでのテストが一般提供を引き起こした、あるいは直接可能にしたとまでは確認できない。また、Gemini 3.1 Proの後に約7カ月の空白があったという説明や、コーディング性能への懸念が遅延の原因だったという見方も、ここで確認できる情報では裏付けられていない。
別の報道によれば、Googleが競合に追いつこうとするなか、ブリン氏は主要なAIチームにGeminiへ注力するよう促したという。
18 これはGemini開発の優先度を高めようとする動きは示すが、RSI向けの特定予算、計算資源の配分、あるいは資源の移転計画まで明らかにするものではない。
RSIの見通しを考えるときのポイント
Anthropicの公表内容は慎重だ。AIに開発作業をより多く任せる流れが、将来的には自律的な後継モデル開発につながる可能性を認めつつ、完全な形はまだ実現しておらず、必ず起きるとも限らないとしている。
20 RSIの到来時期をめぐる予測や「目前」という主張を評価するうえで、この区別は重要だ。
見るべきなのは、モデルがどれだけコードを書けるかだけではない。開発工程のどこまでを担えるのか、目標を誰が決めるのか、結果をどう検証するのか、そして人間が介入できるのかも問われる。現時点の情報は、モデル開発におけるAIの役割が大きくなっていることを示す一方、人間が制御を失ったとも、完全に自律した研究サイクルを支える安全策が十分だとも証明していない。
最も確かな結論は、「再帰的自己改善」という言葉から想像されるものより限定的だ。Googleのモデルは研究者による後継モデル開発を支援しており、AIコーディングツールも重要な役割を担っているようだ。これはAIを活用した開発の重要な進展だが、それだけでAIが自律的に後継モデルを設計し、構築し、開発方針まで主導できると証明されたわけではない。