굵은 가지 하나가 뻗은 나무 모양 옆에 같은 모양이 옅게 여러 겹 겹쳐 있는 그림

재귀적 자기개선, 논문에서 확인된 것과 루머가 갈리는 지점

작성자:

재귀적 자기개선은 AI가 자기 성능을 고치고, 그 고친 결과로 다음 개선을 더 잘하게 되는 구조를 가리키는 말이다. 영어 약어 RSI로 더 자주 불린다. 9월 중순에 이 말이 갑자기 검색되기 시작한 이유는 논문 때문이 아니라 소문 때문이었고, 같은 주에 실제 논문도 두 편 공개됐다. 둘이 섞여 돌면서 “구글이 이미 도달했다”는 문장과 “비용을 얼마 줄였다”는 문장이 한 덩어리로 인용되고 있다.

두 문장은 근거의 종류가 다르다. 하나는 소셜미디어 게시물의 대문자 배열이고, 하나는 공개된 논문의 측정값이다. 아래는 그 둘을 갈라서, 2026년 9월 20일 기준으로 문서에 적혀 있는 것만 정리한 것이다.

굵은 가지 하나가 뻗은 나무 모양 옆에 같은 모양이 옅게 여러 겹 겹쳐 있는 그림
이미 끝난 탐색 기록을 되감아 새 실행 없이 다시 훑는 구조다.

재귀적 자기개선은 어느 단계부터를 가리키나

정의만 보면 넓다. 경험과 피드백을 지속적인 변화로 바꾸고, 그 변화가 이후의 개선 과정 자체를 더 좋게 만드는 시스템이다. 문제는 지금 나온 AI 도구 대부분이 이 정의의 어느 한 조각에는 걸린다는 점이다. 그래서 9월 10일 공개된 서베이 논문(The Last AI Built by Humans, 저자 35명)은 RSI를 하나의 상태가 아니라 자율성이 어디까지 넘어갔는지로 나눈 단계로 제시한다.

단계 AI가 넘겨받는 것 사람이 아직 쥐고 있는 것
개선 실행 자율성 정해진 개선을 직접 수행 무엇을 개선할지
개선 전략 자율성 개선 방법을 스스로 고름 어떤 경험을 줄지
경험 획득 자율성 필요한 데이터·시도를 스스로 만듦 환경 설정
환경 적응 자율성 환경이 바뀌어도 스스로 맞춤 개선 절차의 틀
재귀적 메타 개선 개선 절차 자체를 개선 —

한 단어로 “도달했다”고 말할 수 있는 지점이 아니라는 뜻이다. 어느 단계를 말하는지 빠진 주장은 검증할 대상도 없다.

구글이 도달했다는 말은 어디서 나왔나

출처는 2026년 9월 12일 새벽 X 계정 하나의 게시물이다. 축하 문구 안에 대문자 R, S, I를 흩어 놓아 이어 읽으면 RSI가 되도록 쓴 글이었고, 조회 389만 회를 기록했다. 이후 “유출자가 숨은 메시지로 확인해 줬다”는 2차 게시물이 붙으면서 확인된 사실처럼 돌기 시작했다.

네 지점이 둥근 고리 위에 시계 방향으로 놓인 순환 도해
한 바퀴가 끝나면 고른 전략이 다음 탐색에 다시 들어간다.

9월 20일 기준으로 구글과 구글 딥마인드는 이 건에 공식 입장을 내지 않았고, 주요 기술 매체도 보도하지 않았다. 즉 부인도 확인도 없는 상태이고, 근거로 제시된 것은 게시물의 대문자 배열이 전부다. AI 서비스의 기능 범위를 다룰 때 공식 문서에 적힌 것만 세는 기준(네이버 AI 에이전트가 지금 되는 일)과 같은 기준을 여기에도 적용하면, 이 주장은 아직 아무 칸에도 들어가지 않는다.

논문에서 실제로 측정된 것은 탐색 비용이다

같은 주에 공개된 다른 논문이 수치를 가진 쪽이다. 9월 14일 공개된 Dream-RSI(저자 17명, 구글·구글 딥마인드·메릴랜드대·버지니아대)는 코딩 에이전트가 이미 끝낸 탐색 기록을 트리로 쌓아 두고, 그 기록을 되감아 새 실행 없이 수천 개의 탐색 전략을 채점한 뒤 이긴 전략만 다음 회차에 투입하는 방식이다. 모델 가중치는 바뀌지 않는다 — 바뀌는 것은 에이전트를 둘러싼 운용 층이다.

과제 비교 대상 결과
수학 최적화 SimpleTES의 생성 51,200개 1,000개 미만 생성으로 동등하거나 나은 품질
알고리즘 엔지니어링 고정 탐색 방식 550회 호출 317회 호출 (Gemini-3.1 Pro 기준)
GPU 커널(VGG16) 동일 품질 기준 생성 2.43배 절감
GPU 커널(LayerNorm) 동일 품질 기준 생성 1.79배 절감
수학 최적화 일부 과제 SimpleTES 자기상관 과제는 미치지 못함

숫자의 단위가 정확도가 아니라 호출 횟수와 생성 개수라는 점이 중요하다. 논문이 초록에서 쓴 표현도 “여러 설정에서 발견 비용을 상당히 줄였다”이고, 실험에 쓰인 기반 모델은 주로 Gemini-3.1 Pro와 Gemini-3.7-Flash다. 같은 방법을 다른 모델에 붙였을 때의 값은 이 논문에 없다.

이런 주장을 읽을 때 확인하는 네 가지

  • 어느 단계를 말하는가. 위 표의 다섯 단계 중 무엇인지 빠져 있으면 검증할 대상이 없는 문장이다.
  • 무엇이 바뀌는가. 모델 가중치가 바뀌는 것과 운용 층만 바뀌는 것은 다른 주장이다.
  • 무엇 대비 몇 배인가. 베이스라인 이름과 기반 모델이 함께 적혀 있지 않은 배수는 비교가 불가능하다.
  • 안 된 항목이 적혀 있는가. 모든 과제에서 이겼다고만 쓰인 요약은 원문의 표와 대조해 본다.

정리하면

재귀적 자기개선은 지금 두 종류의 문장으로 돌고 있다. 구글이 도달했다는 쪽은 9월 12일 X 게시물의 대문자 세 글자가 전부이고 공식 확인이 없다. 수치를 가진 쪽은 9월 14일 Dream-RSI 논문이며, 그 값은 정확도가 아니라 탐색 비용이고 생성 51,200개 vs 1,000개 미만 같은 호출량 비교다. 기반 모델과 베이스라인이 붙어 있는 수치만 인용하고, 단계가 빠진 “도달” 주장은 그대로 두면 된다.

참고