Sakana AIの再帰的自己改善（RSI）研究所

Sakana AIは本日、再帰的自己改善（RSI）研究所の正式設立を発表しました。これは、AIを用いてAI開発プロセス自体を再設計することを任務とする専任研究グループです。東京に拠点を置くこの研究所は、生物学的進化が過去の発見に基づいて無限に革新するように、オープンエンドで適応的なアーキテクチャを構築することに焦点を当てます。

RSI研究所はゼロから始めるのではなく、Sakana AIが過去2年間にわたって達成した画期的な研究のポートフォリオを基盤としています。その研究ポートフォリオには、オックスフォード大学およびケンブリッジ大学との協力により開発されたLLM-Squared（LLMがより良いトレーニング方法を発明するためのAI駆動自動化を開拓）、ブリティッシュコロンビア大学との協力によるダーウィン・ゲーデルマシン（DGM、オープンエンドな継続的自己改善を実現し、ソフトウェアエンジニアリング性能を2倍以上に向上）、ShinkaEvolve（オープンソースフレームワーク、わずか150サンプルで複雑な最適化問題を解決）、ALE-Agent（AtCoder Heuristic Contest 058で804人の人間参加者を破り1位を獲得）、Digital Red Queen（マサチューセッツ工科大学との協力、Core Warのチューリング完全サンドボックス内でオープンエンドな敵対的共進化を確立）、そしてAI Scientist（2024-2026年、完全自動化されたオープンエンドな科学的発見を可能にし、その研究成果は最近Nature誌に掲載されました）が含まれます。

Sakana AIのアプローチは、ブルートフォース計算ではなくサンプル効率を重視しています。例えば、ShinkaEvolveはわずか150サンプルで従来の検索では扱いにくい問題を解決し、ALE-Agentはより多くの推論リソースを消費するのではなく、自身の失敗から構造化された教訓を抽出することで人間の専門家を上回りました。この同じ信念がRSI研究所の追求を形作ります：最もサンプル効率の高い自己改善エンジンを構築し、その進歩がハイパースケールではなく国家レベルの計算予算で複合的に成長するようにします。

研究所のビジョンは4つのフェーズで構成されています：エージェントネイティブモデル、AI Scientist、再帰的自己改善、そして民主化されたAI。彼らは、再帰的自己改善は控えめなサンプル効率的な計算で達成可能であり、それによってフロンティアAIの地理的分布が変わると信じています。国、機関、ドメインは、生のクラスタサイズで競争できなくても、自分たちの問題に必要なAIシステムを構築できるようになります。

RSI研究所の設立は、日本の主権AIインフラ戦略の加速と時を同じくしています。研究所は日本の科学的人材とエンジニアリング文化を活用し、計算上の制約を利点に変えます。研究所はオープンな研究（否定的な結果を含む）を約束し、最初から検証可能な安全策を備えた自己改善ループを設計します。

Sakana AIは、このミッションを推進するために、フロンティア研究科学者と高度なコアエンジニアを積極的に募集しています。