再帰的自己改善（RSI）とは、AIシステムが自身の能力を向上させるプロセスであり、そのアーキテクチャやトレーニングを直接編集するか、後継機を構築する研究を間接的に加速することで、各世代が次世代の作成を容易にするようにするものである。長らくAI安全文献における理論上の関心事であったが、2020年代半ばにフロンティア研究所が自社のモデルを研究コードの作成、実験の設計、トレーニングデータの生成、次世代モデルを訓練するシステムのデバッグに使い始めたことで、工学的現実へと移行した。
理論
このアイデアは、I・J・グッドの1965年の「知能爆発」論に遡る。すなわち、自身と同様の機械の設計を改善できる機械は暴走プロセスを引き起こし、「人類が最後に発明する必要のある発明」となるというものである。この概念はシンギュラリティ文献におけるハードテイクオフシナリオの基盤となり、アライメント研究の多くを動機付けている。すなわち、人間が監査できる速度よりも速く自己改善するシステムは、監視が捕捉しようとするリスクをまさに集中させるのである。
アナリストは、弱いRSI（人間主導の研究を加速するモデル：コーディング支援、データ生成、実験のトリアージ）と強いRSI（人間をループから外して自律的に自己再設計するシステム）を区別する。複利の議論は両方に適用されるが、ガバナンスへの影響は大きく異なる。
実践（2025-2026年）
2025年までに、研究所のリーダーたちは弱いRSIを実運用段階と表現した。サム・アルトマンのThe Gentle Singularityは、「幼虫期」の自己改善でさえ劇的に複利効果をもたらすと論じ、主要研究所の内部ツールは研究エンジニアリングの増大する割合をフロンティアモデルに依存していた。2026年には、ダリオ・アモデイが、Anthropicを含む業界全体でのRSIの加速を、フロンティア開発を意図的にペース配分するよう求めるWe Must Pace the Frontierの主要な触媒として挙げた。