Google의 새로운 AI “공동 과학자”는 과학적 발견을 가속화하는 것을 목표로 한다

당신이 읽은 모든 과학적 논문을 읽은 연구 파트너가 생각할 수 있는 새로운 실험을 밤낮으로 고안해낸다고 상상해 보세요. Google은 이 비전을 현실로 만들기 위해 공동 과학자로 행동하는 새로운 AI 시스템을 개발하고 있습니다.

이 AI 기반 어시스턴트는 방대한 연구 라이브러리를 거르고 새로운 가설을 제안하며 인간 연구자와 협력하여 실험 계획을 개요할 수 있습니다. Google의 최신 도구는 Stanford University와 Imperial College London에서 테스트되었으며, 고급 추론을 사용하여 과학자들이 방대한 문헌을 종합하고 새로운 아이디어를 생성하도록 도와줍니다. 목표는 정보 과부하를 이해하고 인간이 놓칠 수 있는 통찰력을 제안함으로써 과학적 발견을 가속화하는 것입니다.

Google이 “AI 공동 과학자”라고 부르는 이 시스템은 연구실의 물리적 로봇이 아니라 복잡한 소프트웨어 시스템입니다. 이는 Google의 최신 AI 모델(주로 Gemini 2.0 모델)을 기반으로 하며 과학자가 생각하는 방식을 반영합니다. 즉, 아이디어를 모으는 것부터 아이디어를 비판하는 것까지입니다. 알려진 사실을 요약하거나 논문을 검색하는 것보다 원래의 지식을 발견하고 기존 증거에 기반한真正 새로운 가설을 제안하도록 설계되었습니다. 즉, 질문에 대한 답변을 찾는 것뿐만 아니라 질문할 새로운 질문을 도와줍니다.

Google과 그들의 AI 유닛 DeepMind는 AI의 과학 응용 프로그램에 우선순위를 부여했으며, AlphaFold와 같은 성공을 보여왔습니다. AlphaFold는 50년 된 단백질 접히기 퍼즐을 해결하기 위해 AI를 사용했습니다. 공동 과학자 AI를 통해 그들은 생물의학에서 물리학까지 다양한 분야에서 발견을 가속화하기를 희망합니다.

AI 공동 과학자 (Google)

AI 공동 과학자 작동 방식

내부적으로 Google의 AI 공동 과학자는 실제로 여러 전문 AI 프로그램으로 구성되어 있습니다. 이것을超高速 연구 보조원으로 생각해 볼 수 있습니다. 각 보조원에는 특정 역할이 있습니다. 이러한 AI 에이전트는 과학적 방법을 모방하는 파이프라인에서 함께 작동하여 아이디어를 생성하고, 그것을 비판하고, 정제하여 인간 과학자에게 최고의 아이디어를 전달합니다.

Google의 연구 팀에 따르면, 이 과정은 다음과 같이 진행됩니다:

• 생성 에이전트 – 관련 연구를 채굴하고 기존의 발견을 종합하여 새로운 가설이나 아이디어를 제안합니다.
• 반성 에이전트 – 동료 리뷰어로서 제안된 가설의 정확성, 품질, 그리고 нов성을 확인하고, 결함이 있는 아이디어를 걸러냅니다.
• 랭킹 에이전트 – 아이디어를 모아 “토너먼트”를 진행하여 가상 논쟁을 통해 가장 유망한 아이디어를 랭킹합니다.
• 근접 에이전트 – 유사한 가설을 함께 그룹화하고 중복을 제거하여 연구자가 반복적인 아이디어를 검토하지 않도록 합니다.
• 진화 에이전트 – 상위 랭크된 가설을さらに 정제하여 유사성이나 개념을 단순화하여 제안을 개선합니다.
• 메타 리뷰 에이전트 – 최종적으로 최고의 아이디어를 인간 과학자가 검토할 수 있는 일관된 연구 제안이나 개요로 컴파일합니다.

중요한 것은 인간 과학자가 모든 단계에서 루프에 남아 있다는 것입니다. AI 공동 과학자는 고립되어 작동하지 않으며 독자적으로 결정을 내리지 않습니다. 연구자는 자연어로 연구 목표나 질문을 입력하고 관련 제약 또는 초기 아이디어를 제공합니다. AI 시스템은 그러면 위의 사이클을 통해 제안을 생성합니다. 과학자는 피드백을 제공하거나 매개변수를 조정할 수 있으며, AI는 다시 반복합니다.

Google은 시스템을 “협력하기 위해 목적적으로 설계”했으며, 과학자는 자신의 초기 아이디어나 비평을 AI의 프로세스中に 삽입할 수 있습니다. AI는 외부 도구를 사용하여 사실을 확인하거나 데이터를 수집하여 가설이 최신 정보에 기반한 것임을 보장할 수 있습니다.

AI 공동 과학자 에이전트 (Google)

발견을 가속화하는 더 빠른 경로

연구의 단조로운 작업 – 철저한 문헌 검토와 초기 브레인스토밍 – 을 끊임없이 작동하는 기계에 아웃소싱함으로써 과학자들은 발견을 극적으로 가속화하기를 희망합니다. AI 공동 과학자는 인간보다 훨씬 더 많은 논문을 읽을 수 있으며, 시도할 새로운 아이디어의 조합이 결코 고갈되지 않습니다.

“이것은 과학과 의학의 대규모 과제에 대한 과학자의 노력을 가속화할 수 있는 잠재력을 가지고 있습니다.” 프로젝트의 연구자들은 논문에서 썼습니다. 초기 결과는 권장됩니다. 한 시험에서 간 섬유화(간의 상처)에 초점을 맞춘 결과, Google은 AI 공동 과학자가 제안한 모든 접근법이疾病의 원인을 억제하는 유망한 능력을 보여주었다고 보고했습니다. 실제로, 그 실험에서 AI의 추천은 전문가들이 합理적인 개입으로 간주하는 것과 일치했습니다.

또한, 시스템은 시간이 지남에 따라 인간이 고안한 솔루션을 개선할 수 있는 능력을 보여주었습니다. Google에 따르면, AI는 전문가들이 처음 제안한 솔루션을 계속해서 정제하고 최적화하여, 각 반복마다 인간 전문 지식 이상의 가치를 추가할 수 있음을示しました.

또 다른 놀라운 테스트는 항생제 내성의 문제를 포함했습니다. 연구자들은 AI에게 특정 유전적 요소가 어떻게细菌이 항생제 내성 특성을 전파하는지 설명하도록 지시했습니다. AI는 기본적인 배경 정보와 관련 논문 몇 개만을 제공받고, 2일 이내에 인간 과학자들이 이미 발견한 것과 동일한 가설에 도달했습니다.

“이 발견은 공동 과학자가 가설을 생성하는 동안 알지 못했던 독립적인 연구에서 실험적으로 검증되었습니다.” 저자들은 적었다. 즉, AI는 인간의 직관과 경쟁할 수 있는 방식으로 데이터가 충분히 있는 경우 점을 연결할 수 있음을 보여주었습니다.

이러한 속도와 종횡적인 범위의 의미는 엄청납니다. 획기적인 발견은 종종 다양한 분야의 통찰력이 충돌할 때 발생합니다. 그러나 한 사람이 모든 것에 전문가가 될 수는 없습니다. 유전학, 화학, 의학 등 다양한 지식을 흡수한 AI는 인간 전문가가 간과할 수 있는 아이디어를 제안할 수 있습니다. Google의 DeepMind 유닛은 이미 AlphaFold를 통해 과학에서 AI의 변혁적인 잠재력을 보여주었습니다. AlphaFold는 단백질의 3D 구조를 예측하여 생물학에서 주요 발전을 이루었으며, 이는 약물 발견과 백신 개발을 가속화했습니다. 이러한 성과는 과학의 최고 영예(노벨상과 관련된 인정 포함)를 얻었습니다.

新的 AI 공동 과학자는 일상적인 연구 브레인스토밍에 유사한 도약을 가져올 것을 목표로 합니다. 초기 적용은 생물의학에 있었지만, 이 시스템은 원칙적으로任何 과학적 분야 – 물리학에서 환경 과학까지 – 에 적용될 수 있습니다. 연구자들은 새로운 물질을 찾거나, 기후 솔루션을 탐색하거나, 새로운 수학적 정리를 발견하기 위해 이를 사용할 수 있습니다. 각 경우에, 약속은 동일합니다: 질문에서 통찰까지 더 빠른 경로, 잠재적으로 수年的 시도와 오류를 훨씬 더 짧은 시간으로 압축합니다.