AIの再帰的自己改善とは何か — Anthropicが描く3つの未来シナリオ

AIの再帰的自己改善とは何か

再帰的自己改善(recursive self-improvement)とは、AIシステムが人間の手を介さずに自分の後継モデルを設計・開発できるようになった状態を指します。Anthropic Instituteが公開したレポート「When AI builds itself」は、この状態にはまだ到達していないと明言しつつ、社内の実測データをもとに「その手前まで来ている」根拠を示しました。

Anthropicの定義はシンプルです。人間がAI開発のすべての工程を担っていた時代から、チャットボットが断片的なコード生成を手伝う時代を経て、いまはエージェントが自律的にコードを実行し数時間分の作業を他のエージェントへ委譲する段階に来ています。次の一線は、エージェントが後継モデルの学習まで自分たちで回せるかどうかです。

社内データが示す3つの根拠

結論から言うと、エンジニアリングと研究の両方で「実行」の大部分はすでにAIに移っています。人間に残っているのは「何を目指すか」を決める判断だけです。

もっとも分かりやすい数字がコード生成量です。Claude Codeがリサーチプレビューとして登場する前、Anthropicの本番コードのうちClaudeが書いた割合は一桁台前半でした。2026年5月にはこの割合が80%を超え、エンジニア1人あたりのマージ行数は2024年比で8倍に伸びています。この数字自体は「質より量に偏った不完全な指標」という留保付きですが、それでも加速の傍証にはなります。

ベンチマークの推移も同じ方向を向いています。実世界のバグ修正を測るSWE-benchは、2年でほぼ0%から飽和点近くまで到達しました。研究再現性を測るCORE-Benchは、2024年の成功率約20%から15か月で飽和しています。METRが計測する「AIが50%の信頼度でこなせるタスクの長さ」は、以前の7か月ごとの倍増ペースから4か月ごとの倍増へと加速しました。Claude Opus 3(2024年3月)が約4分のタスクをこなしていたのに対し、Claude Opus 4.6は12時間分のタスクを任せられるまでになっています。

コード生産の質についても具体例があります。2026年4月、Claudeはある種のAPIエラーを1,000分の1に減らす800件超の修正を出荷しました。担当エンジニアは「人間なら4年かかる作業」と見積もっています。他人のバグを地道に潰す作業は、慣れない文脈を大量に頭に入れ続ける必要があり、人間がもっとも苦手とする種類の仕事です。

こうしたコード生産量の急増は、外部インフラにも負荷をかけ始めています。世界のソフトウェア開発の中心であるGitHubは、2025年通年で約10億件のコミットを記録しましたが、2026年半ばには週2億7,500万件のペースに達し、年換算で約140億件に届く勢いです。GitHubのCOOは「容量確保のために猛烈に頑張っている」とコメントしています。

3つ目の根拠は、研究の「実行」から「提案」への染み出しです。2026年4月には、弱いモデルが強いモデルを監督できるかという未解決問題を、Claudeエージェントだけに解かせる実験が公開されました。人間の研究者2人が1週間かけて到達したギャップ改善が約23%だったのに対し、エージェント群は800時間・約1万8,000ドルの計算資源で97%まで到達しています。ここでも人間の役割は「問題を選ぶ」ことだけでした。

2021年から続く開発自動化の系譜

Anthropicが示すタイムラインは5段階です。2021〜2023年は人間がラップトップでコードとドキュメントを書く、他社と変わらない開発体制でした。2023〜2025年にチャットボットが短いコード片の生成を手伝う段階に移り、2025〜2026年にはエージェントがファイル単位でコードを書き換えるようになりました。現在は自律エージェントが自分でコードを実行し、他のエージェントに数時間分の作業を委譲する段階です。Anthropicが「20XX?」と留保付きで示す次の段階が、エージェント自身がモデルを構築・学習する「ループが閉じる」瞬間です。

この系譜と並走してきたのがSWE-bench Verified 49%を達成したClaude 3.5 Sonnetの最小スキャフォールド設計で扱った、モデル単体の性能向上です。今回のレポートが新しいのは、ベンチマークではなくAnthropic社内の実運用データで同じ加速を裏付けた点にあります。

コード品質の逆転とAmdahlの法則というボトルネック

Anthropicは「良いコード」を2つの基準で見ています。動くかどうかと、他のエンジニアが理解して拡張できるかどうかです。1つ目の基準ではすでに差が消えつつあります。Claudeが担当中のタスクで人間が修正・引き継ぎに入る頻度は1年かけて下がり続け、最も曖昧で難しいタスクでも2026年5月の成功率は76%に達しました。半年で50ポイント伸びた数字です。

2つ目の基準、つまりコードの可読性・保守性はまだ人間が優位ですが、差は急速に縮んでいます。「2025年後半はClaudeのコードが人間より劣っていたが、現在はほぼ互角で、1年以内に人間を上回る」と社内では見ています。実際、Anthropicは自動化されたClaudeレビュアーを本番コードのマージ前チェックに導入しており、過去のインシデントの原因となったバグの約3分の1を、このレビュアーが検知できたはずだという遡及分析結果も出ています。

一方で、加速はボトルネックを別の場所へ移すだけだという教訓も見えてきました。組織全体にコード生成が広がった結果、今度は人間によるコードレビューが新しい詰まりどころになりました。この現象はコンピューティングの世界でAmdahlの法則として知られる「一部だけを高速化しても全体の速度は高速化されない部分に律速される」という原理そのものです。エンジニアリング以外の領域でも同じ摩擦が起きており、Claudeを使ったアイデア・ツール・シミュレーションの量が、Anthropicが実際に検証・採用できるペースを上回り始めています。

Anthropicが描く3つの未来シナリオ

Anthropicはこの先の分岐点を3つのシナリオに整理しています。どのシナリオが実現するかは、①指数関数的なトレンドが続くか、②続いた場合に何を選択するかの2点で決まります。

3つの中で「複合的効率化型」がもっとも起こりやすいという見立てです。停滞シナリオを完全に排除しない理由として、コンピューターのアーキテクチャそのものを置き換えるような新しいアイデアが必要になる可能性や、電力・半導体供給といったサプライチェーン側の制約が先に効いてくる可能性を挙げています。それでも、モデル性能が今の水準で凍結したと仮定しても世界は変わり続けるとして、Project Glasswing 1ヶ月レポートで報告された「開始数週間で1万件超の重大脆弱性を発見し、防御側のボトルネックが発見から修正へ移った」という事例を、完全な自律を待たずに社会が変わり始めている証拠として引用しています。

完全な再帰的自己改善シナリオについては、楽観・悲観のどちらにも振れうるという整理です。モデルが十分に整合的で研究の勘所も備えていれば、人間がまだ到達していない解決策を自ら見つけ出すかもしれません。逆に、現在のモデルにわずかに見られる不整合が、後継モデルを設計する過程で気づかれないまま積み重なっていく可能性も否定していません。

減速や一時停止を検証可能にする仕組みという提案

Anthropicはレポートの結論部分で「フロンティア開発を一時的に減速・停止できる選択肢を持つことは、世界にとって良いことだろう」と明言しています。ただし条件付きです。一社だけが自制しても、慎重さに劣る他社が追いつくだけなら、世界全体としてはむしろ安全性が下がりかねません。

そこで提案されているのが、他の開発者が実際に停止・減速していることを相互に検証できる仕組みづくりです。核不拡散の分野でいえば中距離核戦力を全廃する条約(INF条約)のような検証体制が過去に存在しますが、それらの構築には数十年単位の時間がかかっています。AI開発の減速・検証は、学習の痕跡を隠すことが容易で、汎用的な計算資源を用途で判別しにくく、黙って開発を続けた企業が先行者利益を得やすいという点で、ミサイルサイロの査察よりも技術的に難しい問題です。

一社だけの一方的な停止では実現できることが限られるという留保も添えられています。フロントランナーが入れ替わるだけで、業界全体で足並みをそろえる仕組みにはならないためです。今後数か月かけて政策担当者・研究者・市民社会・他のAI企業との対話を組織し、その結果を公開する計画を明らかにしています。

この研究をどう受け止めるべきか

編集部として注目したいのは、Anthropicがこの発表を「祝う」トーンでは書いていない点です。レポートの後半は、実効性のある減速・一時停止の仕組みをどう作るかという政策的な提言に大きく紙幅を割いています。フロンティア開発企業どうしが互いの停止を検証できる仕組みがなければ、一社だけの自制は「先行者が交代するだけ」で終わるという指摘は、AI開発競争の構造そのものへの言及です。

もう1点、このレポートはAnthropic Institute研究アジェンダが掲げる4本柱のうち「自律的なAI研究開発」を初めて数字付きで裏付けた文書という位置づけでもあります。同様の実測データが継続公開されなければ、この分野の外部検証は今回の一度きりで途切れます。

自社の生産性データを根拠に自制を呼びかけるという構図には、当然ながら利害の対立も指摘できます。8倍のコード生産性という具体的な数字を公表しながら「減速のオプションを持つべきだ」と述べる姿勢は、成長を止めない前提での安全策の提案とも読めます。この非対称性を割り引いて読む視点も必要です。

まとめ

Anthropicは再帰的自己改善が「まだ実現していない」としながらも、社内のコード生成量・ベンチマーク飽和・研究提案の実験という3系統の実測データで、その手前まで来ていることを示しました。3つのシナリオのうちAnthropic自身が最有力視するのは、開発の大部分が自動化されつつも人間が方向性を握り続ける「複合的効率化型」です。ただしAmdahlの法則が示すとおり、加速は必ず別のボトルネック(人間のレビュー能力や社会の受け入れ速度)へ形を変えて現れます。Claude製品を業務に組み込む開発者にとっては、モデルの生成速度そのものより、レビュー体制や検証プロセスをどう追いつかせるかが、次に効いてくる論点になりそうです。