재귀적 자기 개선(Recursive Self-Improvement)의 경제학

AI 모델의 능력이 향상됨에 따라 다음 세대 모델의 성능이 얼마나 더 빠르게 증가하는지를 나타내는 **재귀적 자기 개선(RSI)**의 경제적 모델을 제시합니다. 연구진은 AI 발전의 핵심이 **피드백 루프(Feedback Loops)**의 강도에 달려 있다고 분석합니다.

주요 분석 내용은 다음과 같습니다:

• 피드백 루프 모델링: AI 역량의 순 가속도는 각 피드백 루프에 걸쳐 있는 탄성도(Elasticities)의 곱에 의해 결정됨을 수학적으로 보여줍니다.
• Narrow vs Broad AI: AI가 벤치마크 점수만 높이는 '좁은(Narrow)' 개선에 그칠지, 아니면 실제 경제적 가치가 있는 '광범위한(Broad)' 작업 능력을 향상시킬지를 구분하여 모델링했습니다.
• 현재 상태 진단: 기존 데이터를 바탕으로 모델을 보정(Calibration)한 결과, 현재의 피드백 루프가 **자립적인 가속(Self-sustaining acceleration)**을 일으킬 만큼 강력하지는 않으나, 그 강도가 점차 강화되고 있음을 확인했습니다.

이 연구는 AI 기업들이 피드백 루프의 강도를 측정하기 위해 공개해야 할 실증적 지표(Empirical objects) 목록을 제안하며, AI 발전의 가속화가 가져올 경제적, 사회적 파급력을 평가하는 프레임워크를 제공합니다.