この記事のポイント
- LSTMの論文は1997年にNeural Computation誌へ掲載され、1000ステップを超える時間間隔の学習を可能にした
- シュミットフーバー氏は1987年の学位論文で、再帰的自己改善とメタ学習を扱っていた
- 2026年9月24日、Sakana AIのチーフ・サイエンティフィック・アドバイザーに就任し、RSI Labの指導に携わる
- 同氏は「知能の未来は言語だけではなく、世界モデルを原動力とするフィジカルAIにある」と述べている
LSTMが開いた長期記憶
ユルゲン・シュミットフーバー氏の名を知らしめたのは、長期的な情報を扱うニューラルネットワーク技術LSTM(長短期記憶)だ。セップ・ホッホライター氏との共著論文「Long Short-Term Memory」は1997年、学術誌「Neural Computation」9巻8号(1735~1780ページ)に掲載された。
論文の要旨によると、LSTMは誤差の流れを一定に保つ仕組み(constant error carousel)によって、1000ステップを超える時間間隔を学習で橋渡しできる。従来の回帰型ネットワークでは、過去の情報が学習の過程で薄れてしまう問題があった。LSTMはその後の音声認識や機械翻訳など、系列を扱う技術の基礎の1つになった。
1987年以来の「自己改善」というテーマ
同氏の研究テーマは一貫して、AIが自ら学び方を改善することにある。Sakana AIの発表によると、シュミットフーバー氏は1987年の学位論文ですでに、再帰的自己改善とメタ学習を扱っていた。その後の世界モデルやゲーデルマシンの研究も、AIが環境を内側に再現し、自らの振る舞いを改めるという同じ方向を向いている。
同氏はSakana AIへの参画にあたり、「知能の未来は言語だけではなく、世界モデル(World Models)を原動力とするフィジカルAIにあります」と述べている。言語モデルの性能競争とは別の軸で、物理世界を理解し行動するAIを次の段階と位置づける見方だ。

Sakana AIでの役割
Sakana AIは2026年9月24日、シュミットフーバー氏が現職と兼任する形でチーフ・サイエンティフィック・アドバイザーに就任したと発表した。同氏は新設のRSI Lab(再帰的自己改善の研究グループ)の舵取りを支援し、定期的に東京を訪れてチームと協働する。
RSI Labが開発を進めるのは、行動の結果を実際に行動する前にシミュレーションできる「エージェントネイティブな世界モデル」だ。Sakana AIは、サプライチェーンの最適化やロボット導入など、産業現場への応用を想定している。基礎研究の源流にいる研究者が、日本の研究組織の実装側に加わった形になる。
AGIの時期は断定できず、備えは運用の側に
人間に匹敵する幅広い能力を持つAGI(汎用人工知能)がいつ実現するかについては、開いた資料の中に同氏の具体的な時期の予測はない。個別タスクのベンチマークの伸びと、未知の状況で安全に判断できる汎用性は別の問題であり、両者を同一視することはできない。
能力の上限が読みにくい技術に対して社会が先に用意できるのは、能力評価の方法、事故が起きた際の報告の仕組み、人間が停止を判断できる権限、責任の分担といった運用の枠組みだ。Sakana AIが進める世界モデルとRSIの研究成果が公表される過程で、その評価方法がどう示されるかが、研究の進み具合を外部から測る材料になる。
出典・参考資料
- The Next Frontier: Welcoming AI Pioneer Jürgen Schmidhuber to Sakana AI — Sakana AI
- Long Short-Term Memory — Neural Computation(MIT Press)
- 「現代AIの父」サカナAIアドバイザーに 再帰的自己改善など研究 — 朝日新聞


