Sakana AIは東京本社で専任研究グループ「Sakana AI RSI Lab」を始動すると発表した。
AIの開発プロセスそのものを設計し直し、AIが研究を行い、さらに優れたAIを生み出す再帰的自己改善の実装を目指す取り組みである。
Sakana AI、東京でRSI Lab始動
2026年6月5日、Sakana AIは、現代の基盤モデルを取り入れた再帰的自己改善（※）技術を担う専任研究グループ「Sakana AI RSI Lab」の始動を発表した。
同社は、AIの開発プロセスそのものを設計し直すことを目的に、東京本社で専任の研究・エンジニアリングチームを立ち上げる。
同社はこの2年間、RSIを実際に動くシステムとして構築する研究に取り組んできた。
RSI Labはゼロから始まる組織ではなく、これまで進めてきた研究成果を土台にする。
構想の中核には、エージェント用途のために設計された「Agent Native Model」が、研究を自動で行う「AI Scientist」を生み、そのAIがさらに優れたモデルを生み出す循環がある。
背景には、単体モデルにデータと計算資源を投入して巨大化させる従来型のAI開発がある。
Sakana AIは、計算資源の拡大だけでなく、集合的な自己改善を行うオープンエンドなシステムの研究を進める方針を示した。
RSI Labでは、リサーチサイエンティストとソフトウェアエンジニアを中心にチームを構成する。
リサーチサイエンティストは、必要な計算量を減らす機械知能の新しい法則や、サイバーセキュリティ、自動レッドチーミングへの応用を探究する。
ソフトウェアエンジニアは、探索パイプラインの最適化、分散計算環境、自動コード生成の仕組みを実運用の規模で扱う役割を担う。
※再帰的自己改善：AIが自らの設計、学習、評価、改良に関与し、より高性能なAIや開発手法を継続的に生み出す考え方。
少ない計算資源が競争力に
RSI Labの取り組みは、AI開発において計算資源以外の競争軸を模索する試みとして位置付けられる。
巨大な計算基盤を持つ国や企業が有利な状況では、同じ土俵で規模を競うだけでは差別化が難しい。
少ない試行で前に進む自己改善の仕組みを磨ければ、日本のAI開発に新たな競争余地が生まれる可能性がある。
この方向性は、ソブリンAIの観点からも重要だと考えられる。
自国で主体的にAIを開発、運用するには、海外の巨大クラウドや一部の計算基盤に過度に依存しない技術が求められる。
計算効率の高い自己改善が実現すれば、限られた資源でも継続的に性能を高める開発モデルにつながるだろう。
一方で、AIがAIを作る仕組みにはリスクも考えられる。
自己改善の速度が上がるほど、評価基準、安全性検証、意図しない挙動への監視はより重要になるだろう。
特にサイバーセキュリティや自動レッドチーミングへの応用では、防御力の向上と悪用可能性の管理を両立する設計が欠かせないとみられる。
それでも、制約を前提にしたAI開発は、日本にとって現実的な戦略になりうる。
計算規模で最上位の国と正面から競うのではなく、少ない資源で成果を積み上げる仕組みを作ることができれば、AI開発において新たな競争力の源泉となる可能性がある。
RSI Labは、その可能性を工学的に検証する試みだと言える。
関連記事：
SNSの誤情報対策が進化 Sakana AIが検知から対策まで一体化
