东京电——在人工智能技术竞赛日趋白热化的当下，一家名为Sakana AI的初创公司凭借其独特的“递归自我改进（RSI）”实验室，正悄然引领一场关于AI自我进化的范式变革。这家由前谷歌研究员创立的企业，正试图回答一个终极问题：机器能否像生物一样，通过不断迭代实现自主进化？
从自然灵感出发的技术突围
Sakana AI的名字源自日语“鱼”，寓意着像鱼群那样在技术海洋中灵活游弋。该公司由前Google Brain研究员David Ha和Llion Jones共同创立，专注于开发受自然启发的AI系统。不同于传统大型语言模型（LLM）依赖海量数据和算力的“大力出奇迹”路线，Sakana AI将目光投向了群体智能与递归自我改进的交叉领域。
其核心研发平台——RSI实验室，正是这一理念的具象化承载。所谓递归自我改进，是指AI系统能够在不依赖人类工程师直接干预的情况下，自动分析和优化自身的算法架构、训练策略乃至推理路径。这种能力让AI不再是被动接受指令的工具，而是拥有“自我迭代”潜力的进化主体。
RSI实验室的四大技术支柱
据Sakana AI官方披露，RSI实验室当前主要聚焦四大研究方向：
第一，神经架构自动演化。 通过引入进化算法，AI可以在数百万种可能的网络结构组合中寻找最优解，甚至生成人类从未设想过的全新架构。去年，该团队曾展示一个仅有5亿参数的模型，在特定推理任务上表现超越百亿级大模型，打破了“参数越多越强”的传统认知。
第二，训练目标的递归优化。 传统AI训练依赖人类设定的固定损失函数，而RSI实验室开发的自适应目标机制，允许模型根据中间结果动态调整优化方向，形成“目标-策略-评测”的闭环反馈。
第三，知识蒸馏与自蒸馏融合。 模型不仅可以从外部知识源学习，还能对自身不同阶段的版本进行“反思式蒸馏”，将高维认知压缩为更高效的表示，从而在保持性能的同时大幅降低计算成本。
第四，多智能体协同进化。 借鉴自然界中的共生关系，RSI实验室构建了由数十个不同专长AI“个体”组成的生态系统。这些个体相互竞争、协作，并通过共享“基因库”实现跨代际的知识积累。
从实验到落地的关键跨越
尽管RSI在理论上极具吸引力，但其从实验室走向商业应用仍面临巨大挑战。据Sakana AI首席科学家在接受采访时透露，团队在最新实验中遇到了“退化陷阱”现象——当AI进行多轮自我改进后，某些分支会陷入局部最优，甚至出现性能回退。为此，团队开发了名为“多样性保险”的机制，强制保留不同演化路径的候选方案。
值得关注的是，RSI实验室已经与多家日本制造业和医疗企业达成初步合作，试图将递归自我改进技术应用于工业质检和药物分子设计领域。在这些高复杂度、高数据成本的场景中，AI能够通过少量人类示范自行“生长”出专用模型，这比从零训练传统大模型节省超过80%的算力开销。
争议与展望：AI进化的“潘多拉魔盒”？
然而，RSI的深层潜力也引发学界广泛讨论。加州大学伯克利分校的AI安全专家指出，一旦递归自我改进进入不受控制的加速阶段，可能导致“智能爆炸”，即AI在极短时间内超越人类理解范围。Sakana AI对此回应称，其RSI实验室内置了“可逆性检查点”和“演化速率限制器”，所有自我改进过程均需通过人工设置的沙盒环境验证。
目前，Sakana AI的RSI实验室已吸引包括日本经济产业省在内的多家机构投资，预计今年第四季度将发布首份技术白皮书。这或许预示着，AI发展正从“堆数据、堆算力”的粗放模式，转向“让智能自己设计智能”的精细进化。
当机器学会改进自己，我们站在了一个十字路口：既可能是技术奇点的前夜，也可能是人类协作AI共创未来的新起点。而Sakana AI的RSI实验室，正在这扇大门前缓缓转动钥匙。