과학을 위한 AI는 단순 데이터가 아닌 추론이 필요하다

구글 딥마인드가 개발한 알파폴드는 반세기에 걸친 노력 끝에 단백질 구조 예측 문제를 해결했지만, 그 성공을 가능하게 한 조건—방대한 단백질 데이터 뱅크와 신뢰할 수 있는 실험 데이터—는 대부분의 분야에서 재현하기 어렵고 비용이 많이 듭니다. 그 대신, 대규모 언어 모델로 구동되는 AI 에이전트가 과학을 위한 보다 일반적인 도구로 부상하고 있습니다. 구글의 AI 공동 과학자와 같은 에이전트는 추론하고, 계획하고, 가설을 테스트할 수 있습니다. 그러한 에이전트 중 하나는 항생제 내성이 어떻게 퍼지는지에 대한 가설을 올바르게 세웠는데, 이는 임페리얼 칼리지 연구진이 10년이 걸려 도달한 결론이었습니다. 이러한 에이전트는 모든 행동을 기록하여 재현성 위기를 해결하고, 조직의 지식을 보존하며, 실험 비용을 줄여 연구 속도를 획기적으로 높일 수 있습니다. 환각 현상이나 메모리 한계와 같은 과제가 남아 있지만, 에이전트는 미적분학이나 컴퓨터에 비유될 수 있는 근본적인 변화를 나타내며 모든 분야의 과학을 변화시키고 있습니다.