Google의 AI Co-Scientist는 고급 '테스트 시간 스케일링'기술로 연구를 향상시킵니다.

수요일에 Google은 Gemini 2.0 대형 언어 모델에 대한 흥미로운 업데이트를 발표했으며, 이를 통해 전통적인 인간 주도 연구 팀에 비해 놀라울 정도로 짧은 시간 안에 새로운 과학적 가설을 생성할 수 있는 AI 공동 과학자로 변모했습니다. 이 혁신적인 도구는 과학자들을 지원하도록 설계되었으며, 인간과 협력하여 유용한 협력자로 작용함으로써 발견 과정을 가속화합니다.

Google은 AI 공동 과학자를 AI 지원 기술의 중요한 진전으로 내세우며, 과학 연구가 수행되는 방식을 혁신할 것이라고 약속합니다. 이 시스템은 인간이 "루프 안에" 있도록 의도되었으며, 문헌 검토에서 가설 형성에 이르기까지 AI의 작업이 인간의 입력에 의해 안내됩니다.

대담한 움직임으로, Google의 연구원들은 런던 임페리얼 칼리지의 그룹과 함께 박테리아가 새로운 병원체로 진화하는 방식에 대한 동일한 가설을 탐구하는 기술 논문을 발표했습니다. AI 공동 과학자는 단 이틀 만에 가설을 생성했으며, 이는 인간 연구자들의 10년에 걸친 노력과 극명한 대조를 이룹니다.

가설 형성 기계

Google은 AI 공동 과학자를 여러 전문 에이전트를 활용하는 "가설 형성 기계"로 묘사합니다. 과학자가 자연어로 연구 목표를 입력하면, 시스템이 작동을 시작하여 가설, 연구 개요, 실험 프로토콜을 생성합니다. 관련 에이전트에는 생성, 반성, 순위, 진화, 근접성, 메타 검토가 포함되며, 이들은 모두 과학적 탐구의 경계를 확장하기 위해 조화롭게 작동합니다.

이 시스템은 기존 문헌을 단순히 검토하는 것을 넘어, 특정 목표에 맞춘 독창적인 지식을 발굴하고 새로운 연구 가설을 형성하는 것을 목표로 합니다.

테스트 시간 스케일링의 극대화

Gemini 2.0을 AI 공동 과학자로 만들기 위한 적응은 "테스트 시간 스케일링"에 크게 의존하며, 이는 AI 에이전트가 점점 더 많은 계산 능력을 사용하여 출력을 반복적으로 개선하는 기술입니다. 이 접근법은 OpenAI의 o1 및 DeepSeek AI와 같은 다른 추론 모델에서도 주목할 만하게 사용되었지만, Google의 적용은 이를 새로운 수준으로 끌어올립니다.

기술 논문에서 Juraj Gottweis를 포함한 Google 연구원들은 DeepSeek의 R1 모델이 개척한 발전을 바탕으로 작업이 어떻게 이루어졌는지를 강조합니다. 그들은 과학적 방법에서 도출된 귀납적 편향을 사용하여 테스트 시간 계산을 상당히 확장하며, 과학적 추론과 가설 생성을 위한 다중 에이전트 프레임워크를 제안합니다.

AI 공동 과학자는 웹 검색 엔진 및 특수 AI 모델과 같은 외부 리소스에 접근하고 API를 통해 상호작용합니다. 이 시스템의 핵심 기능은 가설을 비교하고 체스 및 스포츠에서 사용되는 Elo 점수를 사용하여 순위를 매기는 "토너먼트" 개념입니다. 순위 에이전트는 이러한 토너먼트를 조직하여 가설을 평가하고 우선순위를 정하기 위한 모의 과학적 토론을 촉진합니다.

모델 및 비보조 인간 전문가를 초월

15명의 인간 전문가의 검토에 따르면, AI 공동 과학자의 성능은 가설을 형성하고 평가하는 데 더 많은 시간을 투자할수록 향상됩니다. 시스템이 더 많은 계산 노력을 투자함에 따라, 그 결과의 품질은 Gemini 2.0 및 OpenAI의 o1과 같은 비적응 모델뿐만 아니라 비보조 인간 전문가를 초월합니다.

이 전문가들은 AI 공동 과학자의 출력이 새로움과 영향력에 있어 더 높은 잠재력을 보여주며, 종종 다른 모델보다 이를 선호한다고 언급했습니다. AI 공동 과학자가 사용한 정확한 계산 리소스는 공개되지 않았지만, Google은 DeepSeek R1과 같은 모델이 보여주는 계산 능력 비용의 감소로 인해 이러한 AI 시스템이 곧 연구소에서 널리 접근 가능해질 수 있다고 제안합니다.