최근 몇 년간, 구글은 생성적 AI를 모든 가능한 제품 및 이니셔티브에 통합하는 임무를 수행하고 있습니다. 여기에는 검색 결과를 요약하고, 애플리케이션과 상호작용하며, 사용자 휴대폰에서 수집한 데이터를 분석하는 로봇이 포함됩니다. 이러한 AI 시스템이 생성하는 출력물은 종종 예상치 못한 뛰어난 성과를 보일 수 있지만, 진정한 이해는 부족합니다. 그러나 이들이 진정으로 과학 연구를 수행할 수 있을까요? 구글 리서치는 "공동 과학자"로서 작용하는 AI 개발에 집중하고 있습니다. 최신 다중 에이전트 AI 시스템인 제미니 2. 0 프레임워크 기반의 이 시스템은 생명 의학 연구자를 대상으로 하며, 새로운 가설과 연구 분야를 제안하여 지원하도록 설계되었습니다. 그러나 이 AI 공동 과학자는 본질적으로 고급 챗봇처럼 작동합니다. 실제 과학자는 자신의 연구 목표, 개념, 그리고 이전 연구의 인용을 입력하여 구글의 공동 과학자를 활용할 수 있으며, 이는 AI가 새로운 연구 방향을 제안할 수 있도록 합니다. 이 시스템은 입력 데이터 처리를 위해 다양한 상호 연결된 모델로 구성되어 있으며, 온라인 리소스를 활용하여 제안을 개선합니다. 이 프레임워크 내에서, 다양한 에이전트들이 서로를 도전하며 제미니 플래시 사고 및 OpenAI의 o3와 같은 다른 추론 AI 모델처럼 "자기 개선 루프"를 생성합니다. 제미니와 같은 생성적 AI 시스템임에도 불구하고, 진정한 새로운 지식이나 아이디어는 없습니다. 대신, 기존 데이터를 바탕으로 합리적인 외삽을 할 수 있습니다. 궁극적으로, AI 공동 과학자는 연구 제안과 가설을 생성하고, 인간 연구자는 챗봇 인터페이스를 통해 이 아이디어에 대해 논의할 수 있습니다. AI 공동 과학자를 정교한 브레인스토밍 도구로 볼 수 있습니다.

개인이 소비자 수준의 AI와 파티 계획 아이디어를 공유할 수 있는 것처럼, 과학자들은 과학적 탐구를 위해 특별히 설계된 AI와 새로운 연구 개념을 생성할 수 있습니다. 과학에서 AI 테스트 현재 널리 사용되는 AI 시스템은 정확성과 관련된 악명 높은 문제가 있습니다. 생성적 AI는 올바른 훈련 데이터나 모델 가중치와 상관없이 응답을 생성하는 경향이 있으며, 추가 AI 모델을 통한 사실 검증도 정확성을 보장하지 않습니다. AI 공동 과학자는 추론 능력을 통해 내부 평가를 수행하여 자체 출력을 향상시키며, 구글은 이러한 자기 평가 점수가 개선된 과학적 정확성과 연관이 있다고 주장합니다. 그러나 내부 메트릭스는 유익하지만, 실제 과학자들은 어떻게 생각할까요?구글은 인간 생명 의학 연구자들에게 로봇이 제안한 연구 계획을 평가하도록 요청했으며, 그들은 AI 공동 과학자가 일반적인 비전문 AI 시스템보다 더 긍정적인 평가를 받았다고 보고했습니다. 전문가들은 또한 AI 공동 과학자의 출력이 일반 AI 모델에 비해 혁신적인 영향을 미칠 잠재력이 더 크다고 언급했습니다. 그렇다고 해서 AI의 모든 제안이 반드시 타당한 것은 아닙니다. 그럼에도 불구하고 구글은 여러 대학과 협력하여 AI가 생성한 연구 제안을 실험실 환경에서 시험해 보았습니다. 예를 들어, AI는 급성 골수성 백혈병 치료를 위한 특정 약물 재활용을 제안하였으며, 초기 실험실 테스트 결과 이 접근 방식이 실행 가능하다는 것을 나타냈습니다. 또한 스탠포드 대학교에서 진행된 연구는 AI 공동 과학자의 간섬유증 치료 제안이 추가 조사를 받을 가치가 있다고 시험해 보았습니다. 이 연구가 확실히 흥미롭기는 하지만, 이 시스템을 "공동 과학자"라고 부르는 것은 다소 과장된 표현일 수 있습니다. AI 리더들이 자율적이며 사고하는 기계의 출현에 가까워지고 있다고 주장하더라도, AI는 과학 연구를 독립적으로 수행할 수 있는 능력이 멀리 떨어져 있습니다. 그럼에도 불구하고 이 AI 공동 과학자는 진정한 이해나 심층적인 통찰력을 제공할 수 없더라도, 인간이 방대한 데이터 세트와 연구 문헌을 해석하고 맥락을 정리하는 데 여전히 중요한 역할을 할 수 있습니다.