Sakana AIが、AI自身がAI開発プロセスを再設計する再帰的自己改善(RSI)に取り組む専門研究グループ「RSI Lab」を東京に正式設立したと発表した。過去2年間のDarwin Gödel MachineやThe AI Scientist等の研究を土台に、大規模計算資源に頼らずサンプル効率の高い自己改善エンジンを目指す。
Sakana AIが2026年6月5日、AI自身がAI開発プロセスを再設計する再帰的自己改善(RSI)に取り組む専門研究グループ「RSI Lab」を東京に正式設立したと発表した。過去2年間の自動研究・自己進化エージェント研究を土台に、AI開発そのものをAIで再設計することを目指す。
土台となる成果には、SWE-benchで性能を基準値の2倍超に高め絶対値で30ポイント改善したDarwin Gödel Machine、わずか150サンプルで最適化問題を解いたShinkaEvolve、804人の人間参加者中1位を獲得したALE-Agent、そして2026年3月26日にNature誌へ掲載されたThe AI Scientistがある。いずれも計算物量でなくアイデアで進歩する一貫した方針に基づく。
先端RSI研究は世界最大級の二大計算クラスタ内でほぼ独占的に進むが、Sakana AIは計算資源の少なさを設計制約と捉え、サンプル効率の高い自己改善エンジンを掲げる。これは巨大クラスタを持たない国・組織が先端AIを構築する選択肢を広げる。同社は東京本社で国内外の人材採用も開始した。
この変化で何が要点か。図解と出典つきで一目で。
構造化された事実を最初に。誰が何をいつどこでなぜどのように。
Sakana AIは現代の基盤モデルを使ったRSI技術に早期から取り組んできた研究機関である。これまでにAIがAIの学習法を考案する枠組み「LLM-Squared（2024年）」、自らのコードを書き換えて性能を倍以上に高めた「Darwin Gödel Machine（2025年）」、わずか150サンプルで最適化問題を解いた「ShinkaEvolve（2025年）」、804人の人間参加者を抑えてアルゴリズムコンテストで1位を取った「ALE-Agent（2025年）」、論文執筆まで自動化する「The AI Scientist」を公開してきた。The AI Scientistは2026年3月26日に学術誌Natureに掲載された。これらの研究はいずれも、計算資源の物量ではなくアイデアで進歩するという一貫した方針に基づいている。
最先端のRSI研究は世界最大級の計算資源を持つ二大クラスタ内でほぼ独占的に進められているが、Sakana AIは計算資源で劣る環境を制約として捉え、少ないサンプルで成立する効率重視の自己改善エンジンを掲げている点が特徴的である。これは大規模クラスタを持たない国・組織でも最先端AIを構築できる可能性を示し、日本がAI開発で独自の立ち位置を取る戦略として注目される。AIがAI自身を改良する仕組みは、AI開発の競争構造そのものを変えうる。
Sakana AIが2026年6月5日、AI自身がAI開発プロセスを再設計する「再帰的自己改善(RSI=Recursive Self-Improvement、AIが自らの仕組みを書き換えて性能を上げる手法)」に取り組む専門研究グループ「RSI Lab」を東京に正式設立したと発表した。静的で人間主導の研究開発から、自律的に自己改善する知能エンジンへ移すことが狙いだ。
Today, we are proud to announce the formal establishment of the Sakana AI RSI Lab, a dedicated research group within Sakana AI, tasked with redesigning the AI development process itself with AI.
引用は「AI開発プロセスそのものをAIで再設計する専門研究グループRSI Labの正式設立」を述べている。ゼロからの出発ではなく、過去2年に積み上げた自動研究・自己進化エージェントの成果を土台にする点が今回の発表の核だ。
RSI Labが土台にするのは、計算物量でなくアイデアで進歩するという一貫した方針で出してきた一連の成果だ。代表的な4件を挙げる。
ShinkaEvolve required only 150 samples to solve problems that brute-force search treats as intractable.
引用は「総当たり探索では事実上解けない問題を150サンプルで解いた」ことを指す。少ない試行で解に到達する設計が、今回の研究室の方向性を象徴している。
先端RSI研究は、世界最大級の二大計算クラスタ内でほぼ独占的に進められている。Sakana AIはこの構図を逆手に取り、計算資源の少なさを「設計上の制約」として研究室の前提に据える。
Frontier RSI is being attempted, almost exclusively, inside the world’s two largest compute clusters. A country like Japan starts from a different place.
引用は「先端RSIは世界最大級の二大計算クラスタ内でほぼ独占的に進む。日本は異なる地点から始まる」と述べている。深い科学人材と強い工学文化を持ちつつ、計算予算はハイパースケーラーと比べれば控えめ——この状況では計算効率の高い自己改善は好みでなく構造的な必然であり、そこから生まれる技術こそ生の規模競争の外でも通用する、というのが研究室を東京に置く論拠だ。同社は日本の主権的AIインフラへの国家戦略が制度面を支えるとも記している。
AIが自らを書き換えるループには固有の失敗が伴う。Sakana AIは2年間の構築でその失敗形を直接見てきたと記す——進化ループが想定分布から外れる、ベンチマークは通るが実運用で失敗する自己改変、与えた制約を回避する近道を見つけるエージェント、の3類型だ。
We will publish openly, including negative results, and design our self-improvement loops with verifiable safeguards from the start.
引用は「ネガティブな結果も含めて公開し、検証可能な安全策を最初から自己改善ループに組み込む」という方針だ。同社はこれを能力への制約ではなく、能力を持続可能にする条件と位置づけている。自己改善型AIを業務に取り込む側にとって、ベンチマーク通過と実運用品質の乖離をどう検証するかは、そのまま自社の導入評価で問うべき論点になる。
立場別、明日から動ける一手。
サンプル効率重視の自己改善が自社の評価ベンチで何を再現できるかを確認する。
なぜDarwin Gödel MachineやShinkaEvolveの公開成果から
先端RSIが二大計算クラスタ外でどこまで成立するかという競争構造の変化を、Sakana AIの今後の公開成果を出典に記録する。
自社の最適化タスクで総当たり探索とサンプル効率型探索の試行回数・到達品質の差を比較する。
RSI Lab設立の直接的なX反応は限定的で、同時期のタイムラインではOpenAIのフロンティアモデルとCodexがAWS Bedrockで一般提供開始となった発表や、Cursorがチーム向け利用上限を引き上げる発表など、エンタープライズAIの提供拡大に関する話題が並んでいる。RSI Lab自体については、AI自身がAI開発を改良するという研究テーマと、計算資源の物量に頼らずサンプル効率で勝負するという方針が論点になっている。
※トレンド検出時刻付近の人気投稿を表示
