AI가 스스로 자신을 고칩니다 — Recursive Superintelligence의 6억 5천만 달러 베팅

Richard Socher가 선택한 다음 도전은 AI 연구의 오래된 성배다. AI가 스스로 약점을 발견하고, 아이디어를 내고, 코드를 짜고, 결과를 검증하는 루프 — 이 전 과정이 인간 없이 돌아간다면 연구의 병목은 어디로 이동할까? Recursive Superintelligence는 이 질문에 6억 5천만 달러를 걸고 스텔스에서 나왔다. 흥미로운 건 ‘더 큰 모델을 만들겠다’는 선언보다, 자기개선의 정의를 아주 좁게 잡는 방식이다. 다른 AI 시스템을 개선하는 자동화는 아직 자기개선이 아니다. 진짜 RSI는 모델이 자기 자신의 결함을 찾고, 수정안을 만들고, 검증까지 반복하는 닫힌 루프다. 기사에서 Socher는 생물 진화를 예로 든다. 생물은 환경에 적응하고, 다른 생물은 그 변화에 다시 반응한다. 이 끝없는 공진화가 눈 같은 복잡한 구조를 만들었다. RSI가 노리는 것도 비슷하다. Rainbow Teaming처럼 공격과 방어를 반복하는 AI 시스템은 이미 주요 연구소에서 쓰이고 있고, Recursive Superintelligence는 그 반복을 연구 아이디어·구현·검증 전체로 확장하려 한다. 팀 구성도 이 방향을 설명한다. Tim Rocktäschel은 DeepMind에서 오픈엔드니스와 자기개선을 오래 연구했고, Josh Tobin은 OpenAI에서 Codex와 Deep Research를 이끈 인물이다. Socher가 ‘리서치 전용 랩’이 아니라 사람들이 실제로 쓰는 제품을 만들겠다고 강조하는 이유도 여기 있다. 이 회사의 베팅은 논문 하나가 아니라, 연구 자동화가 제품 형태로 내려오는 속도에 있다. 하지만 루프가 닫히면 질문은 더 무거워진다. AI가 더 빨리 자기 자신을 개선할수록, 남는 병목은 컴퓨트다. 암 연구에 먼저 쓸 것인가, 바이러스 연구에 먼저 쓸 것인가. Socher가 던진 이 질문은 기술 로드맵이 아니라 자원 배분의 문제다. RSI가 현실이 되는 순간, ‘무엇을 자동화할 수 있는가’보다 ‘어디에 컴퓨트를 쓸 것인가’가 더 큰 정책 질문이 된다.