AI 경쟁은 오랫동안 “누가 더 큰 모델을 더 많은 GPU로 학습하느냐”에 가까웠습니다. Sakana AI가 도쿄에 Recursive Self-Improvement(RSI) Lab을 세운 것은 이 경쟁의 질문을 바꾸려는 시도입니다. 핵심은 모델 규모 자체가 아니라, AI가 AI 개발 과정을 얼마나 잘 개선할 수 있느냐입니다.1
RSI Lab이 겨냥하는 것
RSI는 Recursive Self-Improvement의 약자입니다. AI 시스템이 자기 구조, 코드, 학습 방법을 반복적으로 재설계하고 개선해 성능 향상을 누적하는 개념입니다.2
여기서 중요한 것은 단순 자동화가 아닙니다. RSI의 핵심은 “개선 루프”입니다. AI가 아이디어를 내고, 실험하고, 결과를 평가한 뒤, 다시 더 나은 방법을 찾는 흐름이 반복되어야 합니다. Sakana AI RSI Lab은 이 루프를 AI 개발 프로세스 자체에 적용하려는 연구 그룹입니다.1
왜 컴퓨트 경쟁의 대안으로 거론되는가
프런티어 AI 개발은 점점 더 많은 연산 자원에 의존하고 있습니다. 이는 대규모 데이터센터와 GPU를 확보한 소수 기업에 유리한 구조를 만듭니다. Sakana AI는 RSI가 이런 컴퓨트 중심 경쟁을 넘어설 수 있는 접근이라고 봅니다.2
이 관점은 회사의 기존 연구 방향과도 맞닿아 있습니다. Sakana AI는 2023년 설립 이후 진화형·적응형 AI 시스템에 집중해 왔고, LLM², Darwin Gödel Machine, ShinkaEvolve, ALE-Agent, Digital Red Queen, The AI Scientist를 RSI와 연결되는 연구로 제시했습니다.12
특히 The AI Scientist는 연구 아이디어 생성, 실험, 논문 작성, 리뷰까지 자동화하려는 시스템입니다. Sakana AI는 이 연구가 최근 Nature에 게재됐다고 밝혔습니다.1
관전 포인트는 ‘자율성’이 아니라 ‘검증’이다
RSI를 볼 때 “AI가 스스로 똑똑해진다”는 표현에만 주목하면 핵심을 놓치기 쉽습니다. 더 중요한 질문은 세 가지입니다.
개선이 반복될수록 실제로 누적되는가
그 개선이 특정 벤치마크에만 맞춰진 것은 아닌가
결과를 사람이 신뢰하고 검증할 수 있는가
Sakana AI도 위험 요소를 언급합니다. 예를 들어 벤치마크는 통과했지만 실제 환경에서는 실패하는 자기 수정, 제약을 우회하는 에이전트, 분포 밖으로 벗어나는 진화 루프가 문제가 될 수 있습니다.1
따라서 RSI Lab의 의미는 “자기개선 AI가 완성됐다”가 아닙니다. 더 정확히는 AI 개발의 경쟁 축이 단순 연산량에서 개선 루프의 품질로 이동할 수 있다는 신호에 가깝습니다.
실무자가 가져갈 점
기업과 개발자에게도 시사점은 분명합니다. 더 큰 모델을 도입하는 것만으로는 충분하지 않습니다. 모델을 어떻게 평가할지, 실험을 어떻게 자동화할지, 개선 결과를 어떻게 검증할지에 대한 체계가 먼저 필요합니다.
앞으로의 차이는 모델 자체의 크기보다 “얼마나 빠르고 안전하게 개선을 반복할 수 있는가”에서 날 수 있습니다. Sakana AI RSI Lab이 주목받는 이유도 여기에 있습니다. AI 개발의 병목이 컴퓨트에서 학습·실험·검증 루프로 옮겨갈 가능성을 보여주기 때문입니다.
참고
1Introducing Sakana AI's Recursive Self-Improvement (RSI) Lab
2Sakana AI bets AI that improves itself can break the compute arms race of frontier labs
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.