사카나AI, 위르겐 슈미트후버 수석 과학 고문 영입

일본 AI 스타트업 사카나AI가 9월 24일 위르겐 슈미트후버를 수석 과학 고문(Chief Scientific Advisor)으로 영입했다고 발표했어요. 슈미트후버는 지금 맡고 있는 자리를 그대로 둔 채 겸직으로 합류하고, 사카나AI가 꾸린 재귀적 자기개선(RSI) 연구실의 연구 방향을 이끄는 일을 돕기로 했어요. 회사는 그가 정기적으로 도쿄를 찾아 팀과 함께 일한다고 밝혔어요.

사카나AI는 발표문에서 슈미트후버를 현대 AI의 아버지로 널리 인정받는 인물이라고 소개했어요. 회사가 꼽은 업적은 세계 모델과 메타 학습, 괴델 머신, 그리고 지금의 AI 붐을 떠받치는 1991년의 딥러닝 기법이에요. 회사 공식 X 계정에 올라온 영입 소식은 하루가 지나기 전에 조회 30만 회를 넘겼어요.

슈미트후버는 합류 소감에서 "지능의 미래는 언어에만 있지 않고, 세계 모델이 움직이는 피지컬 AI에 있다"고 말했어요. 그는 일본을 신경망의 기초 구조와 고급 로보틱스가 태어난 나라로 부르면서 "이 두 세계를 잇는 일을 돕기 위해 사카나AI에 합류하게 돼 영광"이라고 덧붙였어요. 회사는 그의 연구를 바탕으로 행동의 물리적 결과를 실제로 움직이기 전에 미리 시뮬레이션하는 에이전트 네이티브 세계 모델을 만들고 있다고 밝혔어요.

그가 이끌 RSI 연구실은 AI 개발 과정 자체를 AI로 다시 설계하는 사카나AI 안의 전담 연구 조직이에요. 보도에 따르면 사카나AI는 6월 초 이 연구실의 출범을 알렸어요. 회사는 연구실의 최종 목표를 기계 지능을 높이는 과학적 발견이 다음 발견을 부르는 복리형 순환을 일으키는 것이라고 적었어요.

연구실은 빈손에서 출발하지 않아요. 2024년 옥스퍼드·케임브리지와 함께 만든 LLM²는 언어모델이 언어모델의 학습법을 스스로 찾게 했고, 여기서 언어모델이 처음부터 끝까지 써낸 선호 최적화 알고리즘 DiscoPOP이 나왔어요. 2025년 브리티시컬럼비아대와 만든 다윈 괴델 머신(Darwin Gödel Machine)은 자기 코드를 고쳐 쓰는 에이전트 계보를 이어 가며 SWE-bench 성능을 기준치의 두 배 넘게 끌어올렸어요. 절대 수치로는 30%포인트 개선이에요.

같은 해 공개한 ShinkaEvolve는 표본 150개만으로 복잡한 최적화 문제를 풀었고, 전문가 혼합(MoE) 모델을 개선하는 새 부하 분산 손실 함수를 만들어 냈어요. ALE-Agent는 AtCoder Heuristic Contest 058에서 사람 참가자 804명을 제치고 1위에 올랐어요. 2026년에는 MIT와 함께 코어 워(Core War) 샌드박스에서 언어모델끼리 코드를 겨루게 한 Digital Red Queen을 냈고, 아이디어부터 논문 작성까지 연구를 자동으로 수행하는 The AI Scientist 연구는 3월 26일 네이처에 실렸어요.

사카나AI가 그린 로드맵은 네 단계예요. 처음부터 에이전트용으로 설계한 모델과 세계 모델, 연구를 자동으로 해내는 AI 과학자, AI가 자기 기반 구조의 코드를 직접 쓰고 벤치마크하고 검증하는 재귀적 자기개선, 그리고 누구나 프런티어 AI를 만들 수 있는 민주화 단계예요. 회사는 이 곡선의 끝을 승자독식 자산이 아니라 공공재가 되는 지점이라고 설명했어요.

메탈이 확인한 슈미트후버의 1987년 뮌헨공대 학위 논문 원문 PDF는 64쪽 분량이고, 제목은 Evolutionary Principles in Self-Referential Learning, 날짜는 1987년 5월 14일이에요. 초록은 학습의 본질을 몇 개 알고리즘으로는 붙잡을 수 없다고 보고, 해법으로 "시스템에 학습하는 방법 자체를 배우는 능력을 주는 것"을 내놓았어요. 같은 초록에서 그는 당시 기계 용량이 필요한 수준보다 한참 낮아 이 논문이 실용 지침보다는 영감을 주는 글에 가깝다고 스스로 적었어요.

사회사의 눈으로 보면 이번 영입 발표는 누가 AI의 역사를 썼는지 다시 적는 글이기도 해요. 발표문은 1979년 네오코그니트론으로 합성곱 신경망의 원형을 만든 후쿠시마 구니히코와, 홉필드 네트워크의 진짜 개척자로 소개한 아마리 슌이치를 이름으로 불러냈어요. 슈미트후버가 오래전부터 두 사람의 업적을 알려 왔다는 대목이고, 같은 글에는 일본이 AI 혁명에 참여만 한 것이 아니라 불을 붙였다는 문장도 들어 있어요.

연산의 지리학도 이 발표의 한 축이에요. RSI 연구실 소개 글은 프런티어급 자기개선 연구가 거의 전적으로 세계에서 가장 큰 두 연산 클러스터 안에서 시도되고 있다고 짚었어요. 일본은 과학 인재와 공학 문화는 깊지만 연산 규모는 하이퍼스케일러보다 작아서, 표본 효율이 선호가 아니라 구조적 필수라는 게 회사의 논리예요. 사카나AI는 자기개선의 성과가 하이퍼스케일 예산이 아니라 국가 단위 예산 위에서 쌓여야 한다고 적었어요. 메탈은 사카나AI가 재귀적 자기개선을 로봇이 스스로 배우는 물리 AI로 넓히는 구상을 보도한 바 있어요.

위험을 둘러싼 논의도 함께 커지고 있어요. 보도에 따르면 앤스로픽은 완전한 재귀적 자기개선이 아직 이뤄지지 않았지만, 일단 이뤄지면 AI가 제도가 따라잡기 어려운 속도로 스스로의 개발을 끌고 갈 수 있다고 경고했어요. 사카나AI는 2년 동안 이런 시스템을 만들며 분포를 벗어나 표류하는 진화 루프, 벤치마크는 통과하지만 실제 배포에서 실패하는 자기 수정, 주어진 제약을 돌아가는 지름길 찾기를 직접 봤다고 밝혔어요. 회사는 실패한 결과까지 공개하고 검증 가능한 안전장치를 처음부터 설계하겠다며 "책임 있는 RSI는 능력을 묶는 제약이 아니라 능력을 지속 가능하게 만드는 조건"이라고 주장했어요.

사카나AI는 도쿄 본사의 연구·엔지니어링 인력을 공격적으로 늘리고 있고, 프런티어 연구 과학자와 고급 코어 엔지니어 두 부류를 국내외에서 뽑는다고 밝혔어요. 메탈은 트랜스포머 논문 저자 라이온 존스와 데이비드 하가 세운 사카나AI의 구조를 해부한 바 있어요. 1987년 학위 논문에서 기계가 모자라 영감에 그친다고 적었던 아이디어가 39년 뒤 한 회사의 연구 로드맵 한가운데로 들어왔어요. 연산을 덜 쓰면서 더 영리하게 스스로를 고치는 AI가 가능한지, 이제 도쿄의 한 연구실이 실험으로 답을 내야 하는 차례예요.