Recursive Superintelligenceとは何か？「AIがAIを改良する」時代は本当に来るのか？

はじめに

AI業界でいま注目されているのが、Recursive Superintelligenceという新興スタートアップです。同社は2026年5月、GVとGreycroftが主導し、NvidiaやAMDも参加する形で6億5000万ドルを調達し、評価額は46億5000万ドルに達したと報じられました。公式サイトでも、同社は「安全で、オープンエンドで、再帰的に自己改善するAI」を大規模に進めると掲げています。

この会社が話題になる理由は、単に大型資金調達をしたからではありません。狙っているのが、AIが自分自身の限界を見つけ、自分で実験を設計し、自分のコードや研究プロセスを改良していく「recursive self-improvement」、つまり再帰的自己改善だからです。成功すれば、AI開発の速度そのものが人間の研究者のペースから切り離される可能性があります。ただし、現時点ではまだ製品もなく、長期的な自己改善ループが実証されたわけでもありません。

背景と概要

Recursive Superintelligenceの中心人物は、Richard Socher氏です。Socher氏はSalesforceの元Chief Scientistで、AI検索サービスYou.comの創業者としても知られています。GVの紹介によれば、同社にはTim Rocktäschel、Alexey Dosovitskiy、Josh Tobin、Caiming Xiong、Yuandong Tian、Tim Shi、Jeff Cluneらが共同創業者として加わっています。経歴を見ると、Google DeepMind、OpenAI、Meta、Salesforce、Uber AIなどの出身者が集まる、かなり強い研究者チームです。

同社の主張を一言でいえば、「AIはコードであり、AIはコードを書ける。ならばAIが自分自身を改良するループを閉じられるのではないか」というものです。GVの記事では、Recursiveが、人間のエンジニアが手作業で最適化を設計するのではなく、システム自身が実験を行い、自分の限界を特定し、自分のベンチマークを作り、自分のコードベースを書き換えて能力を高める仕組みを目指していると説明しています。

これは、従来の「大きなモデルを訓練して性能を上げる」という発想から一歩進んだものです。これまでのフロンティアAI開発は、より多くのデータ、より大きなモデル、より多くの計算資源、人間研究者による手法改善に依存してきました。Recursiveが狙うのは、その研究開発プロセス自体をAIに担わせることです。言い換えれば、「AIを作るAI」を作る競争です。

現在の状況

Recursive Superintelligenceは、2026年5月にステルス状態から姿を現しました。TechCrunchは、同社が6億5000万ドルの資金調達を伴って登場したサンフランシスコ拠点のスタートアップだと報じています。一方、同社公式サイトでは、オフィスはサンフランシスコとロンドンにあると説明されています。つまり、米国の資金と人材を軸にしながら、英国・欧州のAI研究人材とも強く接続した会社と見るのが自然です。

資金面では、GVが早期6億5000万ドル調達を共同主導し、評価額が46億5000万ドルに達したと公表しています。The Next Webも、同社が6億5000万ドルを調達し、チームは30人未満で、まだ製品を公開していないと報じました。これは、売上や製品実績ではなく、研究チームの質と技術仮説に対して巨額の評価がついた典型例です。

技術的には、同社は「open-endedness」と「recursive self-improvement」を組み合わせると説明しています。TechCrunchのインタビューでSocher氏は、単にAIに別のシステムを少し改善させるだけでは「再帰的自己改善」ではなく、研究アイデアの発想、実装、検証の全プロセスが自動化される必要があると述べています。つまり、目標はコード補助や研究支援ではなく、AI研究開発の循環全体をAIに回させることです。

ただし、現時点では慎重に見る必要があります。Financial Timesは2026年4月の報道で、Recursiveが人間の介入なしに継続的に自己改善するAIを最終的に作ろうとしている一方、その概念はまだ研究段階であり、長期間にわたって機能することは証明されていないと伝えています。つまり、Recursiveは「自己改善AIを完成させた会社」ではなく、「それを本気で作るために資金と人材を集めた会社」です。

注目されるポイント

第一に、Recursiveの狙いは「AIモデルを一つ作ること」ではなく、「AI開発の速度を変えること」です。通常、AIの性能向上には、人間研究者が仮説を出し、実験を行い、失敗を分析し、新しい手法を設計する過程が必要です。しかし、その過程をAIが自動化できれば、改善速度は人間の労働時間に縛られにくくなります。これは、単なる生産性向上ではなく、研究開発の時間構造を変える話です。

第二に、Recursiveの仮説は、現在の大手AI企業の方向性とも重なっています。Axiosは2026年1月、自己改善するAIモデルがスタートアップだけでなくGoogle DeepMindなど大手ラボの関心領域になっていると報じました。DeepMindのDemis Hassabis氏は、訓練後もモデルが現実の中で学び続ける可能性を探っていると述べています。またOpenAIのSam Altman氏も、2028年3月までに「真の自動AI研究者」を作る構想に言及したとAxiosは伝えています。

第三に、この分野はAI安全性の観点からも極めて重要です。CSETの2026年報告書「When AI Builds AI」は、主要AI企業がすでに自社のAIシステムを研究開発の加速に使い始めており、AI研究開発の自動化は大きな戦略的サプライズの源になり得ると整理しています。同報告書は、AI研究開発が高度に自動化されれば、AI能力の伸びが急加速し、人間が理解・制御しにくいシステムが生まれる可能性があるため、いまから準備が必要だと指摘しています。

第四に、自己改善AIは「AI終末論」とも接続します。これまでの超知能リスク論では、AIが自分より強いAIを作り、その新しいAIがさらに強いAIを作ることで、能力が急激に爆発する可能性が論じられてきました。Recursiveがこのテーマを事業の中心に据えたことで、かつては理論的・哲学的だった「再帰的自己改善」が、ベンチャー投資と企業競争の対象になりました。これは、AIリスク論が抽象的議論から産業戦略の問題へ移ったことを意味します。

第五に、ただし「限りなく自己改良するAI」がすでに現実化したわけではありません。TechCrunchのインタビューでも、Socher氏自身が、真の再帰的自己改善はまだ達成されていないと述べています。また、Axiosも、チェスや囲碁のような閉じたゲーム空間での自己改善と、現実世界での自己改善は難易度がまったく違うと整理しています。現実世界では、目標設定、検証、予期せぬ副作用、誤用、環境変化、安全性の確認がはるかに複雑です。

第六に、投資の規模そのものも注目点です。まだ製品がなく、チームも30人未満とされる会社に、数千億円規模の評価額がついたことは、AI投資市場の過熱を示しています。一方で、NvidiaやAMDの参加は、自己改善AIが実現すれば膨大な計算資源を必要とすることを示しています。AIがAI研究を自動化する時代になれば、競争の中心は「人材」だけでなく、「計算資源をどれだけ投じられるか」にも移っていきます。

今後の見通し

今後の焦点は、Recursiveが本当に自己改善ループを実証できるかどうかです。まず注目すべきは、同社がどのような初期製品を出すかです。TechCrunchのインタビューでSocher氏は、製品投入は「年単位ではなく四半期単位」で待つことになると述べています。もし最初の製品が単なるコード生成エージェントや研究支援ツールにとどまれば、再帰的自己改善という大構想とはまだ距離があります。一方、研究仮説の生成、実験、評価、改善までを自動で回す実用的な基盤を示せれば、AI開発競争の見方は大きく変わります。

第二の焦点は、安全性です。Recursiveの公式サイトは「安全を優先する」と掲げていますが、再帰的自己改善は安全性評価を難しくします。なぜなら、システムが自分のコード、評価指標、実験環境を変えていくなら、外部監査や事前評価だけでは足りなくなるからです。CSETも、AI研究開発の自動化が進めば、政策担当者は企業の自主的な情報開示に依存しすぎており、進展を測る信頼できる指標が不足していると指摘しています。

第三の焦点は、国際競争です。自己改善AIが本当に有効なら、最初に自己改善ループを閉じた企業や国家は、AI研究開発の速度で大きな優位を得る可能性があります。これは、AIが単なる製品競争ではなく、科学研究、軍事、サイバー、半導体設計、創薬、エネルギー開発まで波及する基盤技術になることを意味します。RecursiveのGV記事でも、同社は最初にAI科学そのものへ取り組み、将来的には治療薬、電池化学、核融合などの定量的フロンティアへ応用する構想が語られています。

第四の焦点は、過大評価と現実のギャップです。自己改善AIは、理論的には非常に魅力的ですが、実際には性能の頭打ち、誤った自己評価、合成データの劣化、評価指標への過剰適合、安全性の低下、計算資源コストの爆発といった問題にぶつかる可能性があります。特に、AIが自分のベンチマークを作る場合、そのベンチマークが本当に能力向上を測っているのか、それとも評価の抜け穴を作っているだけなのかを見極める必要があります。

結論として、Recursive Superintelligenceは、まだ実績で世界を変えた会社ではありません。しかし、同社が正面から掲げたテーマは、AI時代の最も重要な争点の一つです。AIがAIを作り、AIがAI研究を進め、AIが自分自身を改良するループが本当に成立するなら、AI開発は人間中心の研究競争から、計算資源と自動実験の競争へ移ります。

現時点で最も正確な見方はこうです。Recursiveは「限りなく自己改善する超知能」を完成させた会社ではなく、その可能性に市場が巨額の資金を賭け始めた象徴です。だからこそ、この会社を見ることは、単なるスタートアップ観察ではなく、AI開発競争が次にどこへ向かうのかを読む手がかりになります。