미국 스탠퍼드대학 병리학자 토머스 몬틴은 한때 6개의 AI ‘가상과학자’를 한자리에 모여놓고 알츠하이머병의 치료 전략을 론의하게 했다. 그들은 각기 서로 다른 분야의 과학자 역할을 맡고 견해를 교환하고 아이디어를 제기한 후 그것을 다시 체계적으로 가능한 방안으로 정리해냈다. 이러한 여러 AI 지능체가 역할을 나누어 협업하며 과학연구에 함께 참여하는 방식을 요즘에는 ‘AI 련합과학자’라고 부른다.

2년이 지난 오늘날, 이러한 협력 방식은 더 심층적인 과학연구 단계에 들어서기 시작했다. 올해 5월, 구글 산하 ‘딥마인드’회사의 ‘협업과학자’와 퓨처하우스의 로빈이 동시에 국제학술지 《자연》에 실렸다. 이들은 자주적으로 가설을 제기하고 검증 실험을 설계했으며 데이터를 해석하는 한편 결과에 따라 연구방향을 조정하기도 했다.

AI의 과학연구 참여 방식에 변화가 일고 있다. AI가 이제는 과학자들이 자료를 찾는 도구에 그치는 것이 아니라 연구 구상의 형성, 방안의 설계 나아가 실험 과정에까지 개입하기 시작했다. 이와 함께 과학자들의 사업 중점도 전이되고 있다.

◆‘과학연구 출발선’ 앞당겨져

‘AI 련합과학자’의 업무 방식은 일반 대화로보트와 다르다. 이 모델은 여러 지능체를 실행하고 있으며 서로 다른 관점에서 문헌을 검색하고 증거를 분석하며 서로 경쟁하는 해석들을 비교한 후 다시 서로 다른 경로를 하나로 집결시킨다.

2025년, 영국 런던제국리공학원의 연구진이 세균이 어떻게 종을 넘어 DNA를 교환하는지를 연구했다. 그들은 아직 공개되지 않은 실험 결과를 AI에 넘기지 않고 공개된 문헌과 데이터에 의거해 ‘협업과학자’가 독립적으로 분석하도록 했다. 약 이틀 후, AI가 제시한 해석은 수년간 실험으로 도출된 연구진의 결론과 대체로 일치했다. 미생물학자 티아고 코스타는 이와 같이 표현했다.“만약 과학적 발견을 100메터 달리기에 비유한다고 할 때 AI 조수가 있으면 과학자들은 30메터 지점에서 출발할 수 있게 된다.”

◆결국 사람에게 달렸다

‘AI 협력과학자’ 플래트홈의 또 다른 매력은 과학연구 과정에 가장 번거로운 부분을 줄이고 원래는 과학자가 직접 설계해야 했던 복잡한 단계의 일부분을 담당할 수 있다는 점이다.

영국 케임브리지대학의 계산생물학자 로스 킹은 AI가 생성한 실험방안이 보기에는 절차가 모두 갖춰진 것 같지만 실제로는 충분히 신뢰하기는 어렵다고 하면서 같은 ‘레시피’라도 AI와 사람이 생성하는 것은 완전히 다르다고 지적했다. 마치 경험이 없는 료리사가 레시피 대로 료리를 만든다 해도 완벽한 완성품을 만들어내기 어려운 것처럼 AI의 방안 역시 사람의 판단과 오류수정이 필요하다는 것이다.

AI의 역할은 실험과정 전반으로 더욱 확장되는 가운데 실험인원은 여전히 통제권을 장악하고 있으며 AI는 방향을 제공하고 발생할 수 있는 문제를 제시해줄 수 있다.

◆‘좋은 질문’의 가치성

AI 전문가팀을 보유하고 있다 해도 여전히 누군가는 도구를 연구할 가치가 있는 문제로 이끌고 적절한 방식으로 과제를 설명함으로써 시스템이 효과적으로 처리할 수 있도록 해야 한다.

정의가 명확한 문제의 경우 연구목표가 매우 분명할 수 있다. 하지만 개방식 과학연구에서 어떤 질문을 제기해야 하는지, 어떤 답이 의미 있는 답인지를 결정하는 일은 여전히 근본적으로 인간의 과제에 속한다. 카나다 토론토대학 로트만관리대학원의 경제학자 아그라왈이 말한 것처럼 오늘날 과학연구에서 가장 가치 있는 부분은 사실상 ‘문제를 제기하는 것’이다.

문제를 리해하고 정보를 판단하는 것 또한 사람의 참여를 떠날 수 없다. AI의 목표는 연구자를 대체하는 것이 아니라 연구자들을 연구 과정의 반복적인 업무에서 벗어나게 하여 인류를 가치사슬의 더 높은 위치로 이끄는 데 있다.

　　과학기술일보