AI가 밤새 자기 자신을 고쳤어요. 버그를 찾고, 수정하고, 검증까지 — 사람 없이. 이미 OpenAI의 GPT-5.3 Codex는 자기 훈련을 디버깅하고, Anthropic의 Claude는 코드의 대부분을 AI가 직접 쓴다고 해요. 그리고 이 루프를 처음으로 하나의 회사 단위로 닫으려는 팀이 스텔스에서 나왔습니다. $650M 들고.
이게 어떤 루프인 건데?
Recursive Superintelligence는 2025년 말 창립, 2026년 5월에 스텔스에서 나온 샌프란시스코 기반 AI 스타트업이에요. 리더는 Richard Socher — Salesforce 최고 과학자 출신이자 You.com 창업자로, NLP에 처음으로 딥러닝을 주류화한 연구자예요. 스탠퍼드 박사, 21만 5천 건 인용, NLP 분야 인용수 4위.
근데 더 인상적인 건 공동창업자 라인업이에요.
- Tim Rocktäschel
UCL 교수 겸 Google DeepMind 오픈엔드니스 그룹 前 디렉터. Rainbow Teaming 논문 공저자, Genie 3 월드모델 리드. - Alexey Dosovitskiy
Vision Transformer(ViT) 논문 공저자. 컴퓨터 비전에서 트랜스포머를 처음 써먹은 사람. - Jeff Clune
진화 알고리즘·오픈엔드니스 분야 선구자. Darwin Gödel Machine(AI 자율 코드 재작성) 연구 관련자. - Josh Tobin
OpenAI 초기 입사자, Codex·딥 리서치 팀 리드. - Yuandong Tian
Meta FAIR 연구 디렉터, DarkForest Go·ELF OpenGo 개발자.
어드바이저로 Peter Norvig까지 — AI 교과서 《Artificial Intelligence: A Modern Approach》의 저자이자 구글 리서치 전 디렉터(25년 근무). 한 회사에 이 이름들이 다 들어가 있어요.
이 회사가 하려는 건 딱 하나예요. AI 연구의 전 과정 — 아이디어 생성, 구현, 검증 — 을 AI가 자율로 수행하는 루프를 만드는 거예요. Socher는 이렇게 표현했어요: "우리의 핵심은 진정한 재귀적 자기개선 초지능을 구축하는 것이고, 그 의미는 연구 아이디어의 이상화·구현·검증 전 과정이 자동화된다는 거예요."
기존 AI 연구와 뭐가 다른 건데?
현재 AI 연구 방식은 사람 과학자가 가설을 세우고, 실험을 설계하고, 코드를 짜고, 결과를 분석하는 선형 구조예요. 각 단계에 AI가 보조로 들어오긴 하지만, 루프를 닫는 건 여전히 사람이죠.
Recursive Superintelligence가 노리는 건 이 루프를 AI 자신이 닫는 거예요. GV(Google Ventures)의 투자 논리가 이걸 잘 설명해요: "AI는 코드고, 이제 AI가 코딩할 수 있어요. 이 두 현실이 연결되면 자기개선 루프가 닫힙니다."
| 현재 AI 연구 | 재귀적 자기개선 | |
|---|---|---|
| 가설 생성 | 사람 연구자 | AI가 자율 생성 |
| 실험 구현 | 사람이 코딩 | AI가 자율 구현 |
| 결과 검증 | 사람이 분석 | AI가 자율 검증 |
| 개선 방향 | 다음 연구자가 이어받음 | 같은 AI가 재귀적으로 반복 |
| 병렬 실험 | 연구팀 규모에 한계 | "50,000명 박사" 수준 병렬 |
이미 징조는 있었어요. OpenAI의 GPT-5.3 Codex는 "자기 자신의 훈련을 디버깅하고 배포를 관리하며 평가를 분석한 최초의 모델"이라고 설명됐고, Anthropic에선 Claude 코드의 대부분을 AI가 직접 쓰고 있다고 해요. Google DeepMind의 AlphaEvolve는 신경망 최적화와 칩 설계에서 솔루션을 진화시키는 데 쓰이고 있어요.
Recursive는 이 흐름을 회사 단위로 처음 명시적으로 패키지화한 거예요. 직원 25명짜리 스타트업이 빅랩보다 더 직접적으로 "루프 닫기"를 사업 목표로 선언한 셈이에요.
핵심만 정리: Recursive가 쓰는 기술들
- 오픈엔드니스(Open-Endedness)
고정된 목표를 최적화하는 게 아니라, 시스템 스스로 새로운 목표를 생성하는 방식이에요. 생물 진화에서 영감을 받았고 — 환경이 계속 바뀌면서 적응을 유도하는 것처럼, AI도 끊임없이 새로운 과제를 만들어서 자신을 밀어붙여요. Rocktäschel이 DeepMind에서 수년간 연구한 분야예요. - 레인보우 팀잉(Rainbow Teaming)
두 AI가 공진화하는 방식이에요 — 하나는 공격하고 하나는 방어하면서 동시에 여러 각도에서 맞붙어요. NeurIPS 2024에 발표됐고, 테스트 모델 전체에서 90% 이상 공격 성공률, GPT-4o 같은 클로즈드 모델에도 평균 50% 전이율. 지금 주요 AI 연구소들이 안전성 테스트에 쓰고 있어요. - Darwin Gödel Machine
AI가 자기 코드를 직접 재작성하는 시스템이에요. Sakana AI와 UBC(Jeff Clune 참여)가 발표한 연구로, SWE-bench에서 20% → 50%로 성능이 자율 향상됐어요. Recursive는 이 계열의 연구를 회사 규모로 확장하려는 셈이에요. - World Models(세계 모델)
Rocktäschel이 이끈 Genie 3는 텍스트 프롬프트에서 인터랙티브 환경을 24fps 720p로 생성하는 범용 월드 모델이에요. Waymo 자율주행 훈련 환경 생성에도 협력 중이에요. 이 기술이 AI 자기개선 환경 생성에 적용돼요. - 목표: "자율 훈련 시스템 Level 1"
첫 단계 목표는 AI 과학 분야에서 5만 명의 박사·의사에 상당하는 능력을 가진 자율 훈련 시스템 구축이에요. 그다음은 물리, 화학, 전임상 생물학, 배터리 화학, 핵융합 물리학으로 도메인 확장이 로드맵이에요.
왜 지금인가?
Rocktäschel은 Stanisław Lem의 "정보 장벽" 개념을 인용해요 — 지식 축적 속도가 인간이 처리할 수 있는 속도보다 빠르게 커지는 임계점. Recursive의 미션은 AI 연구 방법론 자체를 자동화해서 이 장벽을 돌파하는 거예요. Jeff Clune은 "재귀적 자기개선 시스템이 과학·기술을 바꿀 코너를 막 돌았다"고 표현했어요.
