動察 Beatingのモニタリングによると、AIの自律的な反復能力は、あらゆる予想を超えて進化している。Anthropic研究所(The Anthropic Institute)は6月5日、報告書『AIが自らを構築する時』を発表し、「再帰的自己改善」に関する研究開発の進捗を詳細に公開した。データによると、2026年5月時点で、Anthropicのメインコードベースにマージされたコードの80%以上がClaude自身によって書かれたものである。一方、2025年2月にClaude Codeがリリースされる前は、Claudeが書いたコードはわずか一桁台だった。智譜AIの創業者である唐杰氏は5月12日、大規模モデルの最終的な姿は自己進化であり、Claudeはすでに「コードを書き、データをクリーニングし、自らを訓練する」という自己訓練のベースラインを確立している可能性があると予測した。しかし、Anthropicは報告書の中で、完全に自律的に後継モデルを設計・開発する再帰的自己改善はまだ実現していないと明確に述べている。
AIが開発チェーンにおいて果たす役割は、部分的な効率化から自律的な意思決定への移行段階にある。2026年第2四半期、Anthropicのエンジニアが1日あたりにマージするコード量は、2024年の8倍に達した。現在の開発プロセスはシンプルだ。エンジニアは目標の計画とレビューのみを担当し、Claudeが具体的なコードの記述と実行を担当する。Anthropicはまた、Claudeを自動コードレビュアーとして導入し、バグやセキュリティ上の脆弱性を阻止している。これは、唐杰氏が指摘した「自己評価」の柱がエンジニアリング側で実装されたことを示しているが、人間によるレビューは依然として最後の安全弁である。
モデルが長期間のタスクを独立して実行する信頼性も倍増している。モデルが自律的に継続して作業できる時間は、約4ヶ月ごとに倍増している。2024年3月のClaude 3 Opusは、わずか4分の単純なタスクしか処理できなかった。1年後のClaude 3.7 Sonnetは、1.5時間のタスクに耐えられるようになった。2026年3月には、Claude 4.6 Opusが12時間の複雑なタスクに対応できるようになった。評価機関METRのデータによると、最新のClaude Mythosプレビュー版は16時間以上自律的に作業を継続でき、現在の評価ツールの上限に迫っている。現在のペースで進めば、2027年までにAIは人間が数週間かかる研究タスクを自律的に処理できるようになり、企業が「一人会社」から「無人会社」への移行を実現するのに役立つだろう。
唐杰氏が推測した「自己訓練のベースライン」について、報告書が明らかにしたのは、実際には部分的な「縮小版の実験ループ」である。小規模モデルの訓練コード高速化実験では、2025年5月のClaude 4 Opusはコード速度を3倍にしか向上できなかったが、2026年4月のClaude Mythosプレビュー版は52倍の高速化を実現した。これに対し、人間のトップクラスの研究者は通常、4~8時間で4倍の向上を達成できる。しかし、実験の最適化目標と成功指標はすべて人間が事前に設定したものである。「データのクリーニング、合成データの生成、自己訓練」というより複雑なエンドツーエンドの完全なチェーンに直面した場合、AIの意思決定能力は依然として欠如している。
研究開発チェーンの自律的なクローズドループは、人間をシステムの最終的な制御権を失う瀬戸際に追いやっている。唐杰氏が予測した「LLM OSが従来のアーキテクチャを置き換え、アプリケーションがオンデマンドで即座に生成される」という未来は、コンピュータ上で実行されるものがすべて事前にレビューできない動的なコードになることを意味する。一方、Anthropicが警告する「人間のレビューがAIの自己進化に追いつかない」という問題は、コードを生成する源流さえも管理できなくなることを意味する。AIが後継モデルを自律的に設計・訓練し始めれば、ソフトウェアの進化は完全にブラックボックス化する。ブラックボックスシステム内で、人間による監査なしにAIの自己反復を放置すれば、その後の自己改善システムの安全な隔離、監視、行動の調整は極めて困難になる。