# 再帰的自己改善と「ユーレカ・マシン」――Richard Socher 氏が語る科学的手法の自動化 - 番組: [Super Data Science: ML & AI Podcast with Jon Krohn](https://ai-curator.jp/podcasts/shows/cmv3z5c0j000j5o10v3e8e8p9)（Jon Krohn） - 元のタイトル: 1037: Recursive Self-Improvement: The Eureka Machine, with Dr. Richard Socher - 配信日: 2026年10月20日 - 長さ: 1時間12分 - 要約作成日: 2026年10月20日 - トピック: [#再帰的自己改善（RSI）](https://ai-curator.jp/topics/%E5%86%8D%E5%B8%B0%E7%9A%84%E8%87%AA%E5%B7%B1%E6%94%B9%E5%96%84%EF%BC%88RSI%EF%BC%89) [#AI for Science](https://ai-curator.jp/topics/AI%20for%20Science) [#Bitter Lesson](https://ai-curator.jp/topics/Bitter%20Lesson) [#LLM](https://ai-curator.jp/topics/LLM) [#コーディングエージェント](https://ai-curator.jp/topics/%E3%82%B3%E3%83%BC%E3%83%87%E3%82%A3%E3%83%B3%E3%82%B0%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88) [#AI 安全性](https://ai-curator.jp/topics/AI%20%E5%AE%89%E5%85%A8%E6%80%A7) - URL: https://ai-curator.jp/podcasts/cmvgl7nw700015p10hu6k5krt ## 要約 Recursive の CEO で、書籍『The Eureka Machine』の著者である Richard Socher 氏が、科学的手法そのものを自動化して AI の再帰的自己改善（RSI）を実現する構想を語った。ユーレカ・マシンの四つの柱、幻覚を科学の武器とみなす考え方、生物学や経済学の「工学化」を説明。RSI が一〜二年で実現しても、計算資源や実験の制約から突然の暴走的離陸は起きないと主張し、今後も残るソフトウェアや職業にも言及した。 ## ポイント - Socher 氏は、特徴量設計からアーキテクチャ設計へ、さらに単一モデルへと、専門家の手作業をスケールが置き換えてきた流れの次に、研究プロセス自体の自動化があると述べている。 - 現在の「Codex を使って改善が進む」といった話は人間が深く関与する弱い RSI であり、Recursive が目指すのは、目標・報酬・環境のみ人間が設定し、アイデア創出から実装・検証まで AI が行う最強の形だという。 - ユーレカ・マシンの四本柱は、世界の知識、科学的測定、シミュレーション、実世界の実験であり、その上でエージェント群が動く。幻覚は探索には利点だが、事実確認には検索と出典が必要と説明した。 - 生物学・神経科学・経済学などを、データとニューラルネットで「プログラム可能な科学」＝工学へ変えられるとし、AI Economist やオルガノイド試験を例に挙げた。 - RSI が一年から二年で実現し得るとしつつ、計算資源・物理的制約・実験の反復があるため、一夜で支配に至る離陸シナリオは成り立たないと述べた。 - 独自データ、ネットワーク効果、ブランドを持つソフトウェアと、エンターテインメント・医療・研究などの職業は残ると予想し、「未来は予測ではなく構築のゲーム」という建設的楽観主義を提唱した。 ## 章立て - [02:17] **Recursive の目的と二種類の RSI** — 手作業の特徴量・アーキテクチャ設計をスケールが置き換えてきた歴史を踏まえ、研究自体を自動化する強い RSI と、人間が関与する弱い RSI の違いを説明する。 - [05:26] **AI への恐れと楽観論、書籍の主題** — 原子力や GMO など過去の恐怖との比較、データセンターへの反対論への見解、『The Eureka Machine』が描く各分野への貢献を語る。 - [10:56] **Bitter Lesson と科学の工学化、幻覚は機能** — 生物学を言語処理のようにスケールで攻略する構想と、幻覚が探索空間の拡大に役立つ点、you.com の役割を論じる。 - [19:59] **四つの柱と検証・シミュレーション** — 世界知識、測定、シミュレーション、実験の四本柱と、説明不能なモデルとの付き合い方、AI Economist などのシミュレーション例。 - [33:18] **長寿とオルガノイド** — 老化を治療対象とみなす見方や、動物実験に代わるオルガノイドの活用、倫理面のやり取りを紹介する。 - [39:28] **RSI は一夜の離陸を意味しない** — RSI は一〜二年で可能かもしれないが、計算資源や物理的制約で急激な暴走は起きないと説明。成果の一部公開方針にも触れる。 - [51:16] **コーディングと「心のジム」** — コーディングエージェントの進化、シミュレーション可能で検証可能な領域は AI が超人化するという見立て、思考を鍛える重要性。 - [58:05] **建設的楽観主義と聴衆の質問** — 未来は構築のゲームだという哲学、ゼロショット革新、大学研究の変化、残るソフトウェアと職業について答える。 ## 解説記事 AI 研究者で起業家の Richard Socher 氏が、Super Data Science ポッドキャストに登場した。現在は Recursive の CEO を務め、新著『The Eureka Machine』の著者でもある。同氏は、科学的手法そのものを自動化し、それを AI 自身に適用することで再帰的自己改善（RSI）を目指す構想を語った。以下、番組での発言を整理する。 #### 手作業からスケールへ、そして研究の自動化へ Socher 氏は自然言語処理の歴史を、専門家の手作業をスケールの大きい自動化が置き換えてきた流れとして説明する。まず特徴量エンジニアリングがあり、次にアーキテクチャエンジニアリングへ移り、同氏が 2016〜18 年に提案した Deca NLP は、あらゆる質問を一つのニューラルネットにプロンプトで与えるという発想だったという。同論文は当時却下されたが、初期の GPT 系論文に引用されたと述べている。 同氏によれば、現在この分野は一段上のメタレベルで再び行き詰まっている。アイデア出し、実装、検証を人間の研究者が手作業で担っている点である。ここを自動化すれば RSI に到達するというのが Recursive の発想だ。同氏は、各社が「Codex の活用で自己改善が進んでいる」と述べるのは、人間の専門家が深く関与する弱い RSI にすぎないと見る。目指すのは、目標・報酬・環境は人間が設定し、その内側でアイデア創出・実装・検証まで AI が行う強い形である。 #### ユーレカ・マシンの四本柱と「幻覚は機能」 ユーレカ・マシンは、世界知識、科学的測定、シミュレーション、実世界の実験という四つの柱で構成され、その上でエージェント群が動くと説明された。新しい発見を安全に検証する手順としても、既存知識との整合確認、測定、シミュレーション、慎重な実験という段階を挙げている。 幻覚については、組み合わせが膨大な思考の空間を探索するうえで、過去を事前知識としつつ「興味深く異なる」案を出せる点が利点だと述べた。一方で事実を問う場面では誤りになるため、出典付きで最新の情報を返す検索エンジンが必要だとし、同氏が運営する you.com の位置づけもそこに置いている。ブラウザや GPU、検索といった人間向けの技術を、エージェント向けのインフラ層として再構想できるという見方も示した。 また、モデルが複雑すぎて人間が直感的に説明を理解できない場面があり得るとも認めた。ただ、脳より神経ネットの方がはるかに調べやすいので、折り合いをつけながら検証していけばよいという立場である。 #### 科学を工学に変える Socher 氏は、Bitter Lesson（Richard Sutton 氏の 2019 年のブログ。人間の知見の作り込みより計算とデータのスケールが最終的に勝つという主張）を軸に、生物学や神経科学を言語処理と同じ道筋で捉える。言語学者が規則を手で書いていた領域が大規模ニューラルネットに置き換わったように、データが集まれば生物学も「プログラム可能な科学」になるという主張である。原子の理解が原子力発電所の建設につながるように、科学は最終的に工学になるのが望ましい姿だと述べた。 具体例として、ニューラルネットによる気象予測の近似、LLM に属性を与えて模擬的な回答者集団を作る手法、同氏が Salesforce 時代に論文化した AI Economist が挙がった。AI Economist は、課税と補助を提案する AI と、自己利益を最大化する多数のエージェントを組み合わせた二層の強化学習である。現状の経済学は「一段階の経済」を前提とした数理や、イデオロギー色の強さにとどまっていると批判し、より客観的な政策助言への期待を語った。 さらに、動物実験より予測性が高いと同氏が述べるオルガノイド（ミニ臓器）による創薬試験や、老化を治療対象とみなす長寿研究にも期待を示した。 #### RSI は一夜の離陸ではない 同氏は、RSI が早ければ一年、遅くとも二年程度で実現し得ると述べる一方、それが直ちに制御不能な離陸（テイクオフ）を意味するわけではないと強調する。理由は物理的制約にある。ロボット軍団を一夜で作るには完璧なサプライチェーンと資源が要り、モデルが大きくなるほど必要な計算資源も増える。5 兆パラメータのモデルを 5 分で学習することはできず、生物学の実験でも情報なしに知能だけでは答えに届かないという議論に、聞き手も同意した。チップ上やソフトウェアの実験は生物学よりはるかに速い、という利点も認めている。 Recursive の成果については、社内ではすでに全面的に活用しており、生成物の一部はオープンソース化したい意向だが、システム全体へのアクセスは提供しないと述べた。 #### 仕事・ソフトウェア・学び、そして建設的楽観主義 コーディングについて、同氏はシミュレーション可能で検証可能な領域では AI が超人的になると以前から予想していたと述べる。抽象度の階層を上がり続けるのはコンピュータ科学の強みであり、今後は生物学や医療でも同じことが可能になるはずだという。一方で、筋トレをロボットに任せても筋肉はつかないのと同様に、思考力を鍛える「心のジム」としてコーディングや論理的思考の学習は重要だと語った。 残るものとして、ソフトウェアでは独自データ、ネットワーク効果、マーケットプレイス、ブランドを持つもの、職業ではエンターテインメント、医療、研究、AI 周辺の仕事を挙げた。大学研究についても、一人で週末に 1 万件の実験を回せるようになった自らの経験を紹介し、今後は研究者が高い抽象度で方向を定め、AI と協働する管理能力が重要になると述べている。 最後に同氏は、未来は予測のゲームではなく「構築のゲーム」であり、どんな未来を作りたいかを考えて動く建設的楽観主義が必要だと語った。AI は人の力を奪う可能性もあるが、起業を加速させる力にもなるという。 #### まとめ 本エピソードは、AI 研究の自動化を事業として掲げる当事者の見通しとして興味深い。強い RSI と弱い RSI を区別する整理や、計算資源と実験という物理的制約を理由に急激な離陸を否定する論点は、リスク議論を考える際の材料になる。一方、一〜二年での実現や科学的発見の一〇年への圧縮は、いずれも本人の見通しであり、番組内で実証されたわけではない。日本の読者にとっては、検証可能性やシミュレーションの精度が AI 活用の鍵になるという指摘や、抽象度の高い指示と管理の力が重視されるという示唆が、実務や人材育成を考える手がかりになるだろう。 > この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: Super Data Science: ML & AI Podcast with Jon Krohn「1037: Recursive Self-Improvement: The Eureka Machine, with Dr. Richard Socher」