Meta AIの研究チームは、静的なアーキテクチャの限界を打破するため、再帰的自己改善を設計思想に取り入れたフレームワーク「HyperAgents」を発表した。人間が記述したコードによる更新に依存する従来のシステムとは異なり、HyperAgentsは自身の内部ロジックや改善メカニズムそのものを自律的に修正できる。具体的には、タスク解決を担うエージェントとメタエージェントを編集可能な単一のプログラムへと統合した。これにより、問題解決の戦略と自己修正のプロトコルを同時に進化させることが可能になったのである。

このアプローチは、以前コーディングタスクでの自己改善に焦点を当てていたDarwin Gödel Machine（DGM）を基盤としている。HyperAgentsではこの機能を拡張し、ロボットの報酬設計や複雑な数学の採点など、あらゆる計算可能なタスクへの適用を実現した。システムは、自己修正を加えた複数の変種を生成し、その性能を評価した上で、最も優れたバージョンを次世代の基盤として採用する。このようなオープンエンドなループを繰り返すことで、より良い解決策を探索するための手法を絶えず洗練させていく仕組みだ。

研究によると、長期記憶の構築やパフォーマンス追跡の向上といったメタレベルでの改善は、異なるドメイン間でも転移可能であることが示されている。また、安全性を確保するために、すべての実験はサンドボックス化された隔離環境で実行され、人間による監視も行われた。本研究は、AIが単に問題を解くだけでなく、人間の継続的な介入なしに自らより優れた「問題解決者」へと能動的に成長していく未来を予見させるものである。

Meta AIの研究チームは、静的なアーキテクチャの限界を打破するため、再帰的自己改善を設計思想に取り入れたフレームワーク「HyperAgents」を発表した。人間が記述したコードによる更新に依存する従来のシステムとは異なり、HyperAgentsは自身の内部ロジックや改善メカニズムそのものを自律的に修正できる。具体的には、タスク解決を担うエージェントとメタエージェントを編集可能な単一のプログラムへと統合した。これにより、問題解決の戦略と自己修正のプロトコルを同時に進化させることが可能になったのである。

このアプローチは、以前コーディングタスクでの自己改善に焦点を当てていたDarwin Gödel Machine（DGM）を基盤としている。HyperAgentsではこの機能を拡張し、ロボットの報酬設計や複雑な数学の採点など、あらゆる計算可能なタスクへの適用を実現した。システムは、自己修正を加えた複数の変種を生成し、その性能を評価した上で、最も優れたバージョンを次世代の基盤として採用する。このようなオープンエンドなループを繰り返すことで、より良い解決策を探索するための手法を絶えず洗練させていく仕組みだ。

研究によると、長期記憶の構築やパフォーマンス追跡の向上といったメタレベルでの改善は、異なるドメイン間でも転移可能であることが示されている。また、安全性を確保するために、すべての実験はサンドボックス化された隔離環境で実行され、人間による監視も行われた。本研究は、AIが単に問題を解くだけでなく、人間の継続的な介入なしに自らより優れた「問題解決者」へと能動的に成長していく未来を予見させるものである。