AIによる自己改善技術「RSI」研究チーム発足：Sakana AI、「アイデア主導の進歩」で性能向上目指す
半導体企業であるSakana AIは、人工知能（AI）自身がAIを開発する仕組みの研究に焦点を当てた専門チーム「RSI Lab」を6月6日に立ち上げました。この取り組みは、従来の計算資源の量的な増大に依存するのではなく、効率的かつ革新的な手法によってAIの性能向上を目指すという明確な方針に基づいています。
RSI Labが専門とするのは、「再帰的自己改善（Recursive Self-Improvement、RSI）」技術です。このチームは、新たなRSIの手法を考察するリサーチサイエンティストと、それを実際に実装するソフトウェアエンジニアで構成されています。Sakana AIはこれまでも最先端の研究に深く関わってきました。具体的には、オックスフォード大学およびケンブリッジ大学との共同研究「LLM-Squared」を通じて大規模言語モデル（LLM）の効率的な学習法を開発したり、カナダのブリティッシュ・コロンビア大学との共同研究「The Darwin Godel Machine」で自己改善するAIシステム構築に取り組んできました。
Sakana AIはこれらの実績を踏まえ、「計算資源の量ではなく、アイデアで進歩する」という哲学が根底にあると強調しています。RSI Labでは、過去の研究知見を最大限に活用し、巨大な計算基盤（スーパーコンピューターなど）に頼ることなく、「現実的な規模の計算資源」を用いてAIの性能を高める技術の実用化を目指すとしています。
背景
近年、大規模言語モデル（LLM）などのAIは飛躍的な進化を遂げましたが、その開発には膨大な計算資源とデータが不可欠でした。しかし、このコスト増大に伴う課題を受け、より効率的で持続可能なAIの進歩方法として「自己改善」や「アイデアによるブレイクスルー」に注目が集まっています。
重要用語解説
- 再帰的自己改善（RSI）: AI自身が自身の設計や性能を繰り返し改良していく技術。外部からの大規模な計算資源投入に頼らず、知的なプロセスを通じて進化を目指す概念です。
- LLM-Squared: オックスフォード大学などと共同研究したプロジェクト名で、大規模言語モデル（LLM）の学習効率を高める手法開発に取り組んだことを示す具体的な事例です。
- 計算資源: AIの処理能力を支えるための電力や高性能なコンピューター（GPUなど）のこと。AI開発におけるコストと性能の根幹に関わる要素です。
今後の影響
本技術が実用化されれば、AIの開発サイクルが劇的に加速し、より少ないリソースで高度な知能を持つシステムが実現可能になります。これは、AIの民主化を促進し、産業界全体のDX（デジタルトランスフォーメーション）に大きな変革をもたらす可能性を秘めています。