TasteValベンチマークでAIの創造性が3ヶ月ごとに倍増——RSIのタイムラインが2027年に前倒しか

Anthropicの共同創業者Jack Clarkは、2026年10月12日にImport AI #476にてTasteValベンチマークの結果を公表した。AIの実験研究センスは2025年12月以降3ヶ月ごとに倍増しており、フラッグシップモデルのClaude Opus 5.5は、24名のトップAI研究者で構成された人間ベースラインを、専門家一人当たりの平均コストの約30分の1で上回ったとされる。

事実の整理

Jack Clarkの発表によると、TasteValはP-Zero Researchが開発したベンチマークで、最先端のAI開発を代表する8つのタスクにおけるAIシステムの性能を評価する。対象領域は、事前学習データのキュレーション、言語モデルの事前学習とファインチューニング、選好モデリング、および敵対的プロンプトへのロバスト性など多岐にわたる。このベンチマークの核心は、AIがテーマ選定から実験設計、結果の解釈に至る完全な研究プロセスを独立して遂行できるかを評価する点にある。Clarkはこの結果を踏まえ、AIが完全自律的な再帰的自己改善（RSI）を達成する確率が過半を超えるタイムラインを、2028年から2027年に前倒しした。

メカニズムの分析

TasteValのテスト設計は、AI研究におけるAIの創造性を直接的に評価することを目的としている。テーマ選定・実験設計・結果解釈の各段階で継続的な倍増が見られることは、新たな研究方向の生成と手法の検証において、AIの能力が人間の専門家水準に急速に近づいていることを示している。Claude Opus 5.5が人間チームをはるかに下回るコストでより高い成果を達成したことは、複雑な研究タスクを処理する際のモデルの効率的優位性を示すものである。RSIタイムラインの前倒しの根拠は、創造性というボトルネックの突破速度が従来の予測を上回ったことにある。

産業への影響

この進展は、AI各社が既存の評価フレームワークに「自律的研究能力」という新たな次元を追加する必要があるかどうかを再検討することを促す可能性がある。現行のベンチマークは特定タスクの性能評価に重点を置くものが多いが、TasteValはエンドツーエンドの研究プロセスを重視しており、今後の評価ではより多くの自律的反復指標が取り入れられていく可能性がある。AI企業にとっては、研究センスを備えたモデルへの早期投資が競争優位を形成し得る一方、AIの出力信頼性を検証するメカニズムへのより多くのリソース投入も求められる。

戦略的考察

（以下は分析であり、確定的事実ではない）TasteValが示すトレンドが継続した場合、研究におけるAIシステムの自律性向上は業界全体の技術イテレーションサイクルを加速させ得るが、同時にAIの出力に対する人的監督の難度も高まる。歴史的経験が示すとおり、能力の飛躍的向上には新たなアライメントおよび安全上の課題が伴うことが多く、2027年にRSIの確率が過半を超えるという見通しは、関係各方面が対応策を早期に計画しておく必要性を示唆している。