Mogicはかんがえる

「自分たちの好きなように会社を作っていけばいい。
他と違っても、普通じゃなくても、“信じられること”をやっていく。
信じられること、それって案外と少ないものですから
本当に愚直に探してきたんです」

代表取締役　山根陽一

2026.10.02

情報のトレーサビリティの先に

今となっては遠い昔に感じますが、2年前の11月からClaude2.1 Proをまじめに使い始めて、途中からChatGPTやGeminiを並列化して、今ではGPT6 Astraを使っています。

会社としても新しいモデルはどんどん使っていこうという流れでしたから、2ヶ月に1度ほど部門ごとにどう使っているか持ち寄って共有会をしてきました。

使っていくと次第に部門ごとにサービスやモデルが違うようになりました。デザイナーやエンジニアだとClaudeCodeとか、マーケティングならGeminiのGemやNotebookLMなど。ただしこれらの組み合わせもすぐに変わりますから、とにかく数ヶ月前がずいぶんと前のことのように感じられるのです。

不思議なもので、モデルの変化に呼応するように自分たちのスタイルも変わってきます。

一つ例をあげれば、AI以前は1週間ごとに発売される全部の書籍タイトルに目を通し、うち7冊をピックアップして読むといった習慣がありましたが、まったくなくなりました。放送されるドキュメンタリ番組を全部見るということもなくなりました。

そのかわりに何が生まれたのかといえば、“従来のメディア流通で流れにくかった情報”を探すようになったことです。

本やニュースメディアなら編集者がいて、承認会議があって、校正のちに出てくるし、テレビは編成の意向や営業の思惑があり、SNSなら似たような意見のアルゴリズム（フィルターバブル）のエコーチェンバーがあり、論文なら査読や学会でのパワーバランスがある。

そういった情報の流通経路によって生まれざるをえない盲点。

それを探索するようになったということです。無論、自分の手元に到達する情報のトレーサビリティは完全にはわからないし、受け取る側が正しく精査できないという観測者問題もある。

それでも面白いなと思うことが増えてきました。裏付けはなく妥当性は怪しいけれど、説明できない曖昧な直観を多次元配列の計算問題として解くことが可能になったからです。

自ら問いを作り、多次元の計算で出てきた回答に新しい問いを見つけ、再び計算をかける（場合によって自己の改善ではなく、自己を再帰することになる）。最初の問いからはとても思いつかなかった問いを積み上げて、終いには見知らぬところでたちつくす。

いつも一体どこへいこうとしているのか、最初から分かっていない。

気づけば、そこはかとなくおぼろげな心持ちになることもしばしば。

ですけれど、なんというか、これが新しい時代の切っ先という感じだなと思うのです。

ーーーーー
再帰的自己改善
https://w.wiki/EAS2

再帰的自己改善（さいきてきじこかいぜん、英: recursive self-improvement、RSI）とは、人工知能（AI）が自分自身、あるいは自分の後継となるシステムを改良し、その結果「次の改良をする力」までが高まって、改良が改良を呼んでいく正のフィードバックの過程をいう。

略

「自己改善」と「再帰的自己改善」
似た言葉だが、中身はかなり違う。

自己改善
AIが自分の出力を批評して書き直す、別のAIの評価で回答の質を上げる、自分で作ったデータで追加学習する、といったこと。すでに研究でも製品でも広く行われている。

再帰的自己改善
一度だけ性能が上がるのではなく、「自分を改善する能力」そのものが上がり、その能力で次の世代を作り、その世代がまた次の改善をする、という多重のループ。

AI → 自分を改良 → より強いAI → より強いAIが自分を改良 → さらに強いAI → …

ここで大事なのは、改善の対象が「回答の出来」ではなく、「AI研究開発の腕前」になりうる点である。たとえば、AIがより効率のよい学習アルゴリズムを見つけ、それで次のモデルを訓練し、そのモデルがさらによいアルゴリズムを見つけるなら、ループの対象は「AIの性能」から「AIを改善する力」へ移ったことになる。
ーーーーー

最新記事

代表インタビュー

月別アーカイブ