WIREDのAI記者が、大手AI企業だけでなく個人でも実践できる「自己改善型AI」の構築方法を実例とともに紹介。AutoResearchやPrime Intellectといったツールを使った具体的な手順を解説します。
個人でも実践できる自己改善型AIの構築方法：WIREDライターの実験レポート
大手AI企業が競って開発を進める「自己改善型AI」とは、AIが自らを改良し続けるシステムのことです。WIREDのAI担当記者ウィル・ナイト氏が、この最先端技術を個人レベルで実践できるかを検証しました。彼は自身のニュースレター制作の効率化を目指し、約1週間の実験を行いました。結果は驚くべきものでした。大手企業の専有技術と思われていた自己改善型AIが、一般の開発者でも構築可能であることが実証されたのです。この記事では、ナイト氏が実際に使用したツールと手順、そして得られた成果を詳しく紹介します。AI開発の民主化を目指す人、業務自動化に関心のある人に役立つ内容です。
このガイドについて
このガイドは、WIRED誌のAI担当記者ウィル・ナイト氏が自身の実験を通じて執筆したものです。ナイト氏は定期的にAIニュースレターを発行しており、その制作における反復作業を自動化する目的でこの実験を開始しました。対象読者は、プログラミングの基礎知識を持ち、AIツールの実用的な活用に興味がある人です。大規模な計算資源や専門的なAI研究の経験は必須ではありません。このガイドでは、既存のツールを組み合わせることで、個人でも自己改善型AIシステムを構築できることを実証しています。
最初の実験：AutoResearchを使った小規模言語モデルの訓練
ナイト氏が最初に試したのは、AutoResearchというツールを使った小規模言語モデルの訓練です。AutoResearchは、OpenAIの共同創設者でテスラのAI部門を率い、最近Anthropicに加わったアンドレイ・カルパシー氏が開発したツールです。このツールは、既存のAIモデル（この場合はClaude）を使って、より小さなモデルを構築し改善する作業を自動化します。
具体的な手順は次の通りです。まず、ナイト氏はAutoResearchをインストールし、Claudeに「program.mdを見て、新しい実験を始めよう」という推奨指示を与えました。ハードウェアとしては、Nvidia DGXというAI実験用のデスクトップ型スーパーコンピューターを使用しました。重要なのは、Claudeがすべての通常の許可チェックをスキップして作業できるようにした点です。これにより、Claudeは自律的にパラメータや訓練方式を調整できました。
ナイト氏は数時間ごとにプロジェクトをチェックしました。Claudeは小規模モデルの出力を確認し、それに基づいてさらなる改良を続けました。初期バージョンのモデルに「In the beginning…」という文の続きを生成させたところ、「In the beginning of the beginning of the end of the end of the end end of end end end end end end end end beginning end end end end…」という無意味な繰り返しが出力されました。しかし、Claudeが自律的に改善を重ねた後のバージョンでは、より一貫性のある文章が生成され、無限ループのような繰り返しも減少しました。完璧なGPT-5レベルには達していませんが、継続的改善への有望な道筋が示されたのです。
より複雑で実用的なプロジェクト：Prime Intellectを使った論文キュレーションモデル
次にナイト氏は、より実用的なプロジェクトに挑戦しました。彼はすでにClaudeを使って注目すべき研究論文を見つけるエージェントを使用していましたが、それを超えるものを構築できるか試みました。
ここで使用したのは、Prime Intellectというスタートアップ企業のツールです。このツールはAIを使って特定のタスク用にカスタムモデルを訓練します。ナイト氏はまず、自身のニュースレターの過去の「Elsewhere on the frontier of AI」セクション（メインエッセイに続く研究紹介部分）から約100件のエントリーを収集しました。これが訓練データの基礎となります。
次に、Prime Intellectの訓練環境を作成し、Claudeに支援を依頼して「Frontier_Paper_Curator」という名前のカスタムモデルを構築しました。このモデルの目的は、興味深い論文を見つけて要約することです。Claudeはさらに多くの論文を見つけ、訓練を助けるための合成データを大量に生成しました。その後、別のモデルがFrontier_Paper_Curatorの出力を評価し、訓練環境は強化学習を使ってモデルをさらに改善しました。
Prime IntellectのCEOであるヴィンセント・ワイザー氏によれば、同社は再帰的自己改善を大手研究所だけでなく誰もが利用できるようにすることを目指しています。大手研究所のモデルは優秀ですが、このようなAI訓練を民主化することで、同等に有能な特化型モデルを生み出せると彼は言います。ワイザー氏は「すべての企業に最先端の訓練インフラへのアクセスを提供すれば、市場の集合的創造性が、少数の研究所が生み出せるものをはるかに超える成果を解き放つ」と述べています。
訓練プロセスの詳細と結果
Prime Intellectでの訓練は1日未満で完了しました。この短期間で、ナイト氏は研究論文の発見と要約において驚くほど優れたモデルを作成できました。モデルが生成した実際のエントリー例を見てみましょう。
「iFLYTEKの研究者たちは、視覚、言語、行動生成を単一のフレームワークに統合した統一マルチモーダルAIモデル、iFLYTEK-Embodied-Omniを開発しました。視覚理解、将来状態予測、行動生成を別々に扱う従来の具現化エージェントとは異なり、このモデルは共有マルチモーダル自己注意機構を使用して、視覚言語の『高レベル脳』と行動生成の『低レベル小脳』の緊密な協調を可能にします。これは脳と小脳の協働に類似しています。このアプローチは、カスケード型パイプラインで一般的なエラーの蓄積とインターフェースのボトルネックを削減します。人間とロボットが注釈を付けた具現化ビデオや画像テキストデータを含む大規模で多様なデータセットでの訓練と、段階的訓練戦略により、彼らは推論、予測、制御を統合できる汎用具現化エージェントを実証しました。これは、より統合された多用途なロボットAIシステムに向けた新しいアーキテクチャと訓練パラダイムを提供します。」
ナイト氏は、初回の試みとしては悪くない結果だと評価しています。ただし、新しいモデルはまだやや積極的すぎて、彼がスキップするような論文も多く選んでしまい、要約もやや一般的すぎる傾向があります。しかし、有望なスタートであり、将来的にはこのモデルを使って反復作業から解放されることを期待しています。
AI訓練の民主化という大きな視点
Prime Intellectは、この分野で活動する唯一の企業ではありません。Adaptionという別のスタートアップは、AutoScientistというAIモデル訓練を自動化するツールを提供しています。CEOのサラ・フッカー氏によれば、Adaptionは大量のトークンを消費しながらも社内にAI専門家がいない複数の大企業と協力しています。
大手AI企業への依存にはリスクがあります。Anthropicが最新モデルFable 5への特定のリクエストをブロックすることを決定したとき、単一の最先端モデルに過度に依存するリスクが露呈しました。また、Palantirのアレックス・カープ氏のような経営者は、大手研究所を使用することは自社のデータと技術の制御を手放すことを意味すると警告しています。
再帰的自己改善の究極の目標は、AIがモデルに新しいアイデアを適用し、独自の洞察を生み出すことです。一般の人々が利用できるツールはより限定的ですが、それでも印象的な成果を上げられます。ナイト氏の実験は、個人や中小企業でも、特定のニーズに合わせた自己改善型AIシステムを構築できることを示しています。
注目すべきポイント
このガイドで特に参考になる部分は以下の通りです。
既存ツールの組み合わせで実現可能：AutoResearchやPrime Intellectといった既存のツールを組み合わせることで、専門的なAI研究の経験がなくても自己改善型AIを構築できます。重要なのは、適切なツールを選び、明確な目的を持つことです。
段階的なアプローチ：ナイト氏は最初に簡単な言語モデルの訓練から始め、次により複雑で実用的なプロジェクトに進みました。この段階的アプローチにより、技術を理解しながら徐々に難易度を上げることができます。
訓練データの重要性：Frontier_Paper_Curatorの構築では、過去のニュースレターエントリー約100件を訓練データとして使用しました。質の高い訓練データを用意することが、有用なモデルを作る鍵となります。自分の業務に関連する既存のデータを活用することで、特化型モデルを効率的に訓練できます。
AI訓練の民主化：Prime IntellectのCEOが述べるように、「10億の知能がすべてのニッチに入り込んで美しいものを創造する」という未来像は、少数の企業が支配する中央集権的なAIとは異なるビジョンを示しています。個人や企業が独自のAIを訓練できることは、技術の多様性と革新を促進します。
こんな人におすすめ
業務自動化を目指すビジネスパーソン：反復的な作業を自動化したい人にとって、このガイドは実践的な道筋を示します。ナイト氏のように、自分の業務に特化したAIモデルを構築することで、時間を節約し、より創造的な仕事に集中できます。
AI開発の初心者から中級者：大規模なAI研究所の技術が手の届かないものだと感じている開発者にとって、このガイドは希望を与えます。既存のツールを活用することで、専門的な研究経験がなくても自己改善型AIを構築できることが分かります。
中小企業の技術責任者：大手AI企業のサービスに依存せず、自社データの制御を維持したい企業にとって、このアプローチは魅力的です。Prime IntellectやAdaptionのようなツールを使えば、社内にAI専門家がいなくても、カスタムモデルを訓練できます。
研究者やコンテンツクリエイター：大量の情報を処理し、関連性の高いものを抽出する必要がある人にとって、論文キュレーションモデルのような特化型AIは強力なツールとなります。自分の専門分野に合わせたモデルを構築することで、情報収集の効率が大幅に向上します。
よくある質問
Q1. 自己改善型AIを構築するには高価な計算資源が必要ですか？
A1. 必ずしも必要ではありません。ナイト氏はNvidia DGXを使用しましたが、Prime IntellectやAdaptionのようなクラウドベースのツールを使えば、自前のハードウェアなしでも訓練が可能です。初期実験なら一般的なGPU搭載PCでも始められます。
Q2. AutoResearchやPrime Intellectは無料で使えますか？
A2. 詳細は各サービスの公式サイトで確認する必要があります。Prime Intellectは最近1500万ドルの資金調達を受けたスタートアップで、商用サービスを提供しています。AutoResearchはオープンソースツールですが、実行には計算資源が必要です。
Q3. 訓練したモデルの精度が低い場合、どう改善すればよいですか？
A3. まず訓練データの質と量を見直してください。ナイト氏のモデルも初回は過剰に論文を選択する傾向がありました。より多くの高品質な例を追加し、フィードバックループを通じて継続的に改善することで、精度は向上します。強化学習を活用することも効果的です。