Google DeepMindとRSI：AI最後のフロンティアはついに突破されたのか？

@haider1 は、6週間で3つの新モデルが登場したとし、それを「sign of early RSI」だと見ている。その主張の全文は重要である。

"google is definitely using some form of RSI to progress this quickly" @haider1

この一文は踏み込んだ内容ではあるが、Google が 完全な自律ループ という意味で「reached RSI」、つまりRSIに到達したとは述べていない。「some form of RSI」と初期の兆候に言及しており、これは生産性、自動化、または反復の高速化に関する内部メカニズムについての仮説である。

@lender980 が提示したリストは、8月13日の Gemini 3.7 Flash から、Gemini 3.8 Flash、Gemini 3.8 Flash Cyber、WeatherNext 3、TimesFM-3、さらに8月末から9月初旬にかけてのその他のリリースまで、実際に観測されたペースを示している。この頻度は、開発体制が高速化している可能性を確かに示唆しうる。

しかし、より一般的な複数の要因でも説明できる。

• 類似した製品バリエーションを異なる日付で公開したこと；
• 学習と評価に投入する計算資源が増えたこと；
• チームとエンジニアリング・パイプラインが効率化したこと；
• 推論、速度、コストを調整したこと；
• リリースを加速させる商業戦略。

@JakeKAllDay は、Gemini 3.7 から 3.8 への移行について、まさに従来型の説明を提示している。

"i like gemini but the jump from 3.7 vs 3.8 is mostly just a boost in juice/thinking effort. 3.8 med ~ equals 3.7 high on thinking effort. its partially masked by a ~10% speed up in tps." @JakeKAllDay

彼の主張は、より高度な内部能力が存在しないことを証明するものではない。しかし、リリースのペースや製品に見られる改善だけでは、再帰的自己改善が行われていると判断するには不十分であることを改めて示している。

反復の高速化は運用上のシグナルである可能性はあるが、自律的かつ閉じたRSIを証明するものではない。

@haider1 のパラドックス：初期の兆候を見いだしながら、RSIにすでに到達したとの見方には疑問を呈する

この議論で最も興味深い点の一つは、@haider1が論争の両側に立っていることだ。9月6日には、Geminiの出力を「初期段階のRSI」を示すシグナルと解釈している。ところが9月12日には、@kimmonismusの投稿への返信で、公開製品を見る限りRSIがすでに達成されたという考えに論理的な異議を唱えている。

"実は数日前にも同じことを言ったが、Googleのモデルがコーディングではまだかなり後れを取っている状況で、どうやってこれが実現するのか、いまだによく分からない だから、もしGoogleがRSIに到達したと主張しているのなら、OpenAIとAnthropicはもっとずっと前に同様のものへ到達していた可能性が高い" @haider1

この異論は、驚異的な内部成果という仮説と、ユーザーがGeminiのコーディングモデルを使用した際の実体験との間にある隔たりを直接突いている。もしGoogleが実際に非常に高性能な再帰的改善ループを完成させていたのなら、なぜ同社の公開モデルは、コーディング、推論、あるいはエージェント型タスクにおいて、しばしば業界のリーダーと見なされる競合他社を明確に圧倒していないのだろうか？

@kimmonismusは、戦略上の仮説を提示して応じている。

"問題は、Googleが単に最先端技術を消費者へ提供することを見送り、代わりにすべてをRSIへ投資している可能性があるかどうかだ。" @kimmonismus

その可能性はある。研究所が必ずしも最高の能力を公開するとは限らない。特に、安全性、コスト、信頼性、あるいは競争上の理由があるからだ。しかしこのスレッドには、Googleが機能する最先端技術を、社内のRSIループを優先するために意図的に出し惜しみしていることを裏付けるデータはない。

Googleの内部能力と公開製品との間に隔たりがあることは十分に考えられるが、ここではあくまで一つの可能な説明にすぎず、確立された事実ではない。

Gemini製品は依然として懐疑派の異論の中心にある

複数の参加者は、Googleが世界最高水準の研究力を有しているという考えを否定しているわけではない。むしろ、その科学的な強みをRSIの証拠へと転換する論理的な飛躍に異議を唱えている。

@lyraxanaの投稿に対し、@DeepLearn007は研究と製品との間にあるこの隔たりを次のように表現している。

"Googleは素晴らしい研究力を持っている。何しろ、Self-Attention Mechanismを備えたTransformerを先駆けて開発し、LLMを支える初期のRL研究の多くも手がけた。 しかし、研究成果を製品へ落とし込む点では隔たりがあった。@demishassabis @lyraxana" @DeepLearn007

@VibeDevolliも同様の批判を、公開モデルの使用経験により直接的に基づいて述べている。

"信じたいとは思うが、彼らの公開モデルについて知っているだけに、なかなかそうは思えない。:) 他の高性能モデルと比べると、少しBard時代に逆戻りしたようなものだ。" @VibeDevolli

@kimmonismusは、新たな根拠を示すことなく、次のように返答している。

"公平に言えば、GDMは今も有力な競争相手だ" @kimmonismus

Google DeepMindが依然としてAI分野の主要プレイヤーである以上、この返答は妥当だ。しかし、提起された問いには答えていない。競争力のある企業からRSIを達成した企業へと評価を引き上げるには、どのような公開実績、技術論文、あるいは運用上の証拠が必要なのだろうか？

@Politas180は、この異論を特に明快な一文に凝縮している。

"もし本当にループを完成させていたのなら、Geminiはすでに私が一晩中動かしておくモデルになっているはずだ。だが、そうではない。すべて大文字で書いても、その事実は変わらない。" @Politas180

これはユーザーによる評価であって、学術的なベンチマークではない。しかし、複数の参加者が共有する見方を反映している。現在、Geminiの公開利用体験からは、すでに閉ループ化された再帰的自己改善と整合する決定的な優位性を示す明白な証拠は得られていない。

決定的な技術的区別：研究支援とエンドツーエンドのRSI

このスレッドで最も説得力のある回答は、@MTorygreenによるものだ。Googleの進歩も、将来のモデルの研究やトレーニングにAIが与え得る影響も否定していない。ただ、極めて重要な問いを投げかけている。人間の介入は、今もどこに残っているのか？

"人間によるボトルネックが今もどこに存在するのか分かるまでは、何であれRSIと呼ぶことには慎重であるべきだ。 モデルがより優れた実験を生成し、コードを改善し、次回のトレーニング設計を支援しているのなら、それは大きな進歩だ。しかし、それと、システムがエンドツーエンドで再帰的に自己改善することとの間には、依然として大きな隔たりがある。" @MTorygreen

Google DeepMindのAGIをめぐる噂を読み解くうえで、この区別は不可欠だ。

システムは、次のような作業に貢献できる。

1. 研究仮説を生成する；
2. トレーニングコードの一部を記述または修正する；
3. アーキテクチャや合成データを提案する；
4. 評価を高速化する；
5. エンジニアが次回のトレーニングを選択できるよう支援する。

これらすべてにより、研究所の作業を大幅に加速できる可能性がある。しかし、強いRSIにはさらなる条件が求められる。システムが自らの能力を累積的に向上させられるほど人間の介入を十分に減らしたうえで、成果の選別、検証、統合、訓練、デプロイが行われなければならない。

その場合、検証、アーキテクチャ上の意思決定、安全性チェック、計算資源の配分判断、データへのアクセス、結果のレビューに、依然として人間がどこまで関与しているのかを把握する必要がある。このスレッドは、これらの疑問に何一つ答えていない。

したがって、@MTorygreenの主張が最も十分な根拠に基づいている。この議論は自動化の可能性を示唆しているものの、エンドツーエンドの自律的な改善ループを裏付けるものではない。

戦略的な物語は技術的な実証の代わりにはならない

@kimmonismusは投稿の中で、Demis Hassabis、Sergey Brin、Reuters、そしてAGIをめぐる競争におけるRSIの戦略的重要性にも言及している。これらの要素は、Googleがこうした技術に関心を持つ理由を説明するものではある。しかし、その技術が実現されたことを証明するものではない。

Google DeepMindがAGI、研究の自動化、モデルの改善を優先事項と見なしていることは、すべての大手研究所に共通する戦略と整合している。産業上の野心は、技術的な検証にはならない。

@kimmonismusはまた、自身のニュースレターSuperintelligenceでこのテーマを取り上げる予定だと述べている。このページは「win the future」を目指すAIブリーフィングを掲げ、日次購読者数16万人超をうたっている。こうした位置付けは、このテーマへの関心の高さを説明するものではあるが、噂に関する新たな独立データを提供するものではない。

それでもこの噂を真剣に受け止める価値がある理由

公に確認できる証拠がないからといって、この件全体に何の根拠もないわけではない。検証可能な2つの戦略的シグナルが、なぜこの噂が現在とりわけ広まりやすい状況にあるのかを説明している。

まずGoogleは2026年8月、Demis HassabisがGoogle DeepMindのChairおよびAlphabetのChief Scientistに就任すると発表した。同社によれば、この新たな役職により、HassabisはAGIの未来を形作ることに「full attention」を注げるようになる。公式発表はGoogleのブログで確認できる。

次に、Reutersは2026年8月12日、Sergey BrinがGoogleのAI事業再編の一環として、recursive self-improvementに向けた取り組みを推進していると報じた。この報道では、RSIはリソース配分やチーム編成に影響を及ぼすほど戦略的な重点分野として描かれている。これは、機能するループが実現されたことを裏付けるものではない。一方で、このテーマがX上の憶測にとどまらず、Google社内で戦略レベルの課題として存在していることは確認できる。Reutersの報道はこちらで確認できる。

この違いは決定的に重要だ。Googleが自社システムの自己改善を加速させようとしていることを示す確かな手掛かりはある。しかし、ソーシャルメディアがすでに「RSI」と呼んでいる段階にGoogleが到達したことを示す公的な証拠はない。

Googleが本当にRSIループを実現しているなら、AI競争の性質は一変する

ここに至って、この話は単なるモデルに関する噂以上の重要性を帯びる。真のRSIループは、単に「より賢いGemini」にとどまらない。次世代のGeminiを生み出すプロセスそのものを変えることになる。

1. 進歩のペース自体が競争力になる

これまでGoogle、OpenAI、Anthropicの競争は、主として相次ぐモデル世代、ベンチマーク、製品リリースを通じて捉えられてきた。自己改善ループが実現すれば、競争はさらに上のレベルへ移行する。すなわち、研究所が自らの研究機構を改善できる速度を競うことになる。

有益な実験の特定をシステムが支援し、コードのうちシステムが記述する割合が増え、失敗を自動的に分析して次の訓練を提案するようになれば、研究所が得るのはベンチマーク上の数ポイントだけではない。世代間のサイクルそのものが短縮される。このシナリオでは、ある時点の公開モデルを比較することよりも、社内における進歩の傾きを測ることの方が重要になる。

また、これこそがGeminiのリリース頻度を興味深いものにしているが、それ自体が証拠になるわけではない。短期間に3つのモデルがリリースされたという事実だけでは、何も証明できない。しかし、そのペースが研究開発の徹底した自動化によるものなら、より構造的な優位性を示す指標となる。

2. Googleの最高性能モデルは、公開製品にならない可能性がある

@kimmonismus が提示した仮説は検討に値する。Google は最先端のシステムをすぐに消費者向けに公開するのではなく、社内研究用に留保している可能性がある。

この戦略には経済的な合理性がある。データ、訓練コード、評価手法、アーキテクチャを改善できる社内モデルは、数週間早く販売されるチャットボットよりも、研究開発の乗数効果をもたらすものとして大きな価値を持ち得る。その場合、一般公開される製品は一見すると後れを取っているように見えても、その背後にははるかに高度な社内インフラが隠されている可能性がある。

これは、このスレッドの中心的な逆説を説明し得るが、それは独立した証拠によっていつか裏付けられた場合に限られる。現時点では、整合性のある仮説ではあるが、実証された説明ではない。

3. コンピュートは、自らの収益性を高める研究資本になる

部分的な RSI でさえ、計算資源の経済性を変える可能性がある。現在、GPU を増やすことで主に可能になるのは、より多くの実験を実行すること、より大規模なモデルを訓練すること、あるいはより多くのユーザーにサービスを提供することだ。自動化された改善ループでは、コンピュートの一部が、将来のコンピュートをより有効に活用する方法の設計にも使われる。

言い換えれば、計算資源が支えるのは、もはや単一のモデルだけではない。次のサイクルをより効率的にしようとするプロセスそのものを支えることになる。このループが実際に機能すれば、最大規模のクラスター、最高性能のチップ、エネルギー、垂直統合を備えた企業グループの優位性は、さらに拡大する可能性がある。

Google は、TPU、データセンター、研究チーム、そして成果を世界規模のインフラに展開する能力を有しているため、この分野で特に有利な立場にある。だからといって、RSI が保証されるわけではない。だが、DeepMind でこの種のブレークスルーが起きた場合、産業界に不釣り合いなほど大きな影響を及ぼす理由にはなる。

4. OpenAI と Anthropic は、機密性の強化と社内利用の拡大を迫られる

ある企業が、後継システムを構築するプロセスをシステム自体が実質的に改善できることを証明した場合、競合他社にとって、一般公開によってのみ対抗するメリットはほとんどないだろう。競合他社もまた、自社の最高性能モデルを、社内の研究者、エンジニア、評価者、オペレーターとして活用しようとするはずだ。

目に見える結果は逆説的なものになり得る。社内能力の戦略的重要性が増すほど、公開モデルだけでは競争の全貌が見えなくなる。一般向けベンチマークは引き続き重要だが、それが示すのは製品レイヤーにすぎない。真の競争は、社内エージェントの質、実験の自動化、コンピュート効率、そしてアイデアを信頼性の高い訓練へと転換する能力をめぐって展開されるだろう。

したがって、「一般公開版の Gemini が首位ではないのだから、Google が RSI を実現しているはずがない」という反論は不十分である。しかし、その逆の「Gemini は急速に進歩しているのだから、Google は RSI を実現している」という主張も同様に弱い。どちらも、観測可能な製品と、それを生み出す研究インフラを混同している。

5. 安全性と規制は、言葉ではなく能力を監視すべきである

RSI という用語は曖昧すぎるため、それ自体を有用な規制基準とすることはできない。問うべきなのは、より具体的な問題である。システムは人間の介入なしに、どのような研究タスクを、どの程度の成功率で、何サイクル連続して遂行できるのか？

より適切な指標としては、訓練コードを変更する能力、実験を設計・選択する能力、結果を診断する能力、次のアーキテクチャを提案する能力、計算資源を管理する能力、そして複数回の反復を通じて測定可能な改善を維持する能力が挙げられる。

研究機関は、エンドツーエンドで自律的な RSI を実現していなくても、この一連のプロセスを構成する要素を複数保有している可能性がある。短期的に最も重要なのは、おそらくこの中間領域だろう。X で RSI という言葉が飛び交う際にしばしば想像される「指数関数的ループ」のような形を取らなくても、すでに進歩を大幅に加速させ、少数の企業に優位性を集中させ、安全性評価を複雑化させる可能性がある。

この一連の投稿から読者が理解すべきこと

Google DeepMind の RSI という噂は、混同してはならない3つの情報レベルに基づいている。

• @lyraxana は、RSI にも AGI にも言及せず、曖昧な祝福の言葉を投稿した。
• @haider1 はそれ以前に、Gemini の開発ペースを「sign of early RSI」と捉えていた。つまり、自動化の加速の可能性についての限定的な仮説を示していた。
• @kimmonismus は、これらのシグナルを、Google DeepMind が RSI を達成したというより具体的な噂と結び付けつつ、依然として噂にすぎないことを認めている。

このスレッドでは、いくつかの疑問が未解決のまま残されている。

• @lyraxana は実際には何を言おうとしていたのか？
• AI関連情報のリーク元としての信頼性を裏付ける、検証可能な要素は何か？
• 自動化された開発パイプラインと完全な再帰的自己改善を区別するには、どのようなデータが必要か？
• Googleの公開モデルは実際の内部能力を過小評価させるものなのか、それとも同社のシステムの現状をより直接的に反映しているのか？
• Geminiの発表ペースは、より自律的なAI、より優れたチーム、より多くの計算資源、あるいは公開戦略のいずれに起因するのか？

したがって、最も厳密な結論は、当初の噂ほど衝撃的なものではない。Googleが社内プロセスを加速し、コード、実験、トレーニングの改善にAIを活用し、AGIに多額の投資を行っている可能性は十分にある。しかし、このスレッドで公開されている情報の中に、Google DeepMindが完全なRSIを達成したことを証明するものは何もない。さらには、@lyraxanaのメッセージがまさにこの考えを指していたことさえ証明されていない。