Sakana AI、「自己改善するAI」で計算資源競争を打破へ

日本のAIスタートアップSakana AIは、「Sakana AI RSIラボ」という、再帰的自己改善（Recursive Self-Improvement, RSI）に特化した新たな研究グループを立ち上げました。RSIとは、AIシステムが反復的に自らを再設計・改善し、進歩の好循環を生み出すというアイデアです。SakanaはこのRSIを、計算資源競争を突破する潜在的な道と位置づけています。

2023年の創業以来、Sakanaは進化的で適応的なAIシステムに注力し、徐々に再帰的自己改善への実践的なステップを進めてきました。発表の中で同社は、過去2年間の複数の研究マイルストーンを挙げています。LLM-Squared（言語モデルが他の言語モデルの訓練方法を設計）、Darwin Gödelマシン（自身のコードベースの変種を生成・テスト・反復）、ShinkaEvolveとALE-Agent（進化的プログラム最適化と試行錯誤による戦略獲得）、そしてAIサイエンティストシステム（科学研究の自動化、論文は査読を通過し、2026年3月のNature誌に掲載）などです。Sakanaはこれらのプロジェクトを、RSIがもはや理論上のものではなく、制御された研究環境ですでにテストされている証拠だとしています。

Sakanaはブログ記事で、従来の人間主導の最適化から自己改善システムへの移行を示す4段階のロードマップを概説しています。第一段階は、チャットボットではなく、オープンエンドなエージェントタスクのためにゼロから設計されたモデル。第二段階ではAIサイエンティストのようなシステムがエージェント能力を自動研究に応用。第三段階はRSIそのもの：AIエージェントが自らの基盤技術に積極的に取り組み、アーキテクチャのコードを記述・ベンチマーク・検証します。第四段階で長期的目標は、フロンティアAIへのより広範なアクセスです。SakanaはRSIを支配的なスケーリングパラダイムへの対抗手段と位置づけています。巨大な単一モデルをより多くの計算資源で訓練する代わりに、適応的システムと進化的最適化を採用し、AIが可能な限り少ない試行でより良い解決策を見つけることを目指します。このアイデアは、RSIが中程度の計算資源で機能し、大手米国AIラボやクラウドプロバイダーが現在運用する巨大なGPUクラスターへの依存を減らせる可能性があるというものです。しかし、説得力のある研究方向である一方、自己改善システムが大規模データセンターの構造的優位性を実際に相殺できるという証明はまだありません。

RSIラボの立ち上げは、Anthropicが最近安全上の懸念として指摘した問題にスポットライトを当てています。SakanaはRSIの利点に焦点を当て、より効率的で広く利用可能なフロンティアAIへの道と位置づけていますが、Anthropicはそのリスクについても警告しています。完全な再帰的自己改善が実現すれば、AIシステムは自らの開発を機関の追跡能力を超えて加速させる可能性があります。このシナリオに対し、AnthropicはフロンティアAI開発のグローバル一時停止を検討する価値があると提案しています。

Sakana AIは米国以外で最も注目すべきAIスタートアップの一つです。同社は元Google研究者（Transformer論文「Attention Is All You Need」の共著者Llion Jones、およびGoogle BrainやStability AIで活躍したDavid Ha）によって設立されました。多くのフロンティアAI研究所と異なり、Sakanaは個々の大規模モデルのスケーリングではなく、進化的で適応的、かつマルチコンポーネントのAIシステムに焦点を当てています。社名「Sakana」は日本語で「魚」を意味し、群れの行動、進化、集合知を暗示しています。つまり、SakanaはTransformer研究に深く根ざしながら、支配的なスケーリングパラダイムに代わる道を明確に追求する点で際立っています。