理查德·索彻（Richard Socher）在人工智能领域深耕多年，曾创立早期聊天机器人公司 You.com 并在 ImageNet 项目中取得重要成果。如今，他加入以研究为核心的新一代 AI 初创公司 Recursive Superintelligence。这家总部位于旧金山的企业于周三结束保密状态，宣布完成 6.5 亿美元融资。
索彻与彼得·诺维格（Peter Norvig）、Cresta 联合创始人 Tim Shi 等知名 AI 研究人员共同致力于研发递归自我改进 AI 模型。该模型能够自主识别自身弱点并重新设计修复，无需人类介入，旨在实现当代 AI 研究长期追求的“圣杯”目标。
项目发布后，通过 Zoom 访谈深入探讨了 Recursive 独特的技术路径，以及为何其定位并非传统意义上的“新实验室”（neolab）。以下为精简编辑后的采访内容：
“递归”已成为各大实验室的普遍目标，Recursive 的独特方法是什么？
我们的核心在于利用“开放性”实现尚未达成的递归自我改进。这并非简单的自动优化，而是大规模构建真正递归、自我改进的超级智能，使研究想法的构思、实施和验证全流程自动化。
该系统将首先自动化 AI 研究，最终扩展至物理领域。当 AI 作用于自身时，能发展出对自身不足的新颖自我意识，这种方法尤为强大。
“开放性”（open-ended）是否有特定技术含义？
确实有。联合创始人蒂姆·罗克塔施泰尔（Tim Rocktäschel）曾在 Google DeepMind 领导相关团队，参与世界模型 Genie 3 开发。如同生物进化中物种间的适应与反适应过程，开放性意味着系统能持续创造交互性概念与世界。
例如“彩虹对抗”（rainbow teaming）：在 LLM 安全测试中，让一个 AI 不断从多角度攻击另一个 AI，使其尝试输出有害内容；随后对防御方进行“免疫”处理。这种双 AI 共同进化机制已被主流实验室广泛采用。
如何判断递归自我改进何时完成？
某些维度永无终点，如编程与数学能力的提升。尽管智力存在理论界限且极其庞大，但我们目前距离这些极限仍非常遥远。
作为 neolab，是否意味着主流实验室现有方法无法实现 RSI？
我们拥抱开放性愿景，团队在该领域已有十年研究积累及产品交付记录（如 Cresta 成为独角兽、OpenAI Codex 团队背景等）。我不认同单纯的“neolab”标签，目标是打造用户喜爱且对人类产生积极影响的卓越产品。
首款产品预计何时推出？
团队进展超出预期，产品将在数个季度内问世，而非数年之后。
未来算力是否会成为决定系统改进速度的唯一关键资源？
算力至关重要，但核心问题在于人类如何分配计算资源解决癌症、病毒等全球性挑战。这本质上是资源分配问题，将成为未来最重大的议题之一。