Японский стартап Sakana AI запустил исследовательскую лабораторию RSI Lab, которая займётся рекурсивным самоулучшением ИИ. Речь идёт о подходе, при котором системы ИИ шаг за шагом перерабатывают и улучшают сами себя, создавая накапливающийся эффект прогресса.
Компания рассматривает RSI как возможную альтернативу гонке вычислительных ресурсов. Вместо обучения всё более крупных моделей с ростом затрат на вычисления Sakana делает ставку на эволюционные и адаптивные системы, которые должны находить лучшие решения за меньшее число попыток.
Sakana AI основали в 2023 году. С самого начала стартап занимался эволюционными и адаптивными системами ИИ, а позже перешёл к практическим шагам в сторону рекурсивного самоулучшения.
В сообщении о запуске лаборатории компания перечислила несколько своих исследовательских результатов за последние два года. В их числе LLM-Squared — проект, где языковые модели создают более эффективные методы обучения для других языковых моделей, а также Darwin Gödel Machine, которая генерирует, тестирует и дорабатывает варианты собственного кода.
Sakana также упомянула проекты ShinkaEvolve и ALE-Agent. Они связаны с эволюционной оптимизацией программ и агентами, которые вырабатывают новые стратегии через циклы проб и ошибок.
Отдельно компания выделяет систему The AI Scientist, которая автоматизирует часть научной работы. По данным Sakana, более поздняя версия этой системы написала статью, прошедшую рецензирование. Исследование, лежащее в её основе, было опубликовано в журнале Nature в марте 2026 года.
По версии Sakana, эти проекты показывают, что рекурсивное самоулучшение ИИ уже вышло за рамки теории и тестируется в контролируемых исследовательских условиях.
В блоге компания описала четырёхэтапный переход от обычной, управляемой человеком оптимизации ИИ к системам, которые улучшают себя сами.
- Сначала создаются модели, изначально рассчитанные не на формат чат-бота, а на открытые агентные задачи.
- Затем такие системы применяются в автоматизации исследований — от генерации идей и экспериментов до подготовки научных статей.
- Следующий этап — собственно рекурсивное самоулучшение, когда агенты пишут, проверяют и тестируют код для собственных архитектур.
- Долгосрочная цель — сделать передовой ИИ доступнее за счёт меньшей зависимости от крупных вычислительных кластеров.
Компания считает, что такой подход потенциально может работать даже при умеренных вычислительных ресурсах. Это снизило бы зависимость от крупных GPU-кластеров, которыми сегодня располагают ведущие американские лаборатории ИИ и облачные провайдеры.
При этом подтверждений, что самоулучшающиеся системы действительно смогут компенсировать структурное преимущество больших дата-центров, пока нет. Сейчас это исследовательская гипотеза и стратегическая ставка компании.
Запуск RSI Lab также привлёк внимание к вопросу безопасности. Недавно на него указывала Anthropic: компания признаёт потенциал RSI, но предупреждает и о рисках.
По оценке Anthropic, полноценное рекурсивное самоулучшение пока не достигнуто. Но если оно станет возможным, системы ИИ смогут ускорять собственную разработку быстрее, чем за ними будут успевать институты и механизмы контроля. На такой случай Anthropic допускала, что стоит рассмотреть глобальную паузу в разработке передового ИИ.
Sakana AI считается одним из заметных ИИ-стартапов за пределами США. Компанию основали бывшие исследователи Google, включая Ллиона Джонса, одного из авторов статьи Attention Is All You Need о Transformer, и Дэвида Ха, который ранее работал в Google Brain и Stability AI.
В отличие от многих лабораторий, работающих с передовым ИИ, Sakana меньше сосредоточена на наращивании размеров отдельных больших моделей. Вместо этого стартап развивает многокомпонентные, эволюционные и адаптивные системы. Название Sakana переводится с японского как «рыба» и отсылает к роевому поведению, эволюции и коллективному интеллекту.
Источник: The Decoder, блог Sakana AI.
