구글의 다중 에이전트 AI 공동 과학자 시스템이 연구자들이 수년간 걸려 밝혀낼 과학적 발견을 실제로 이뤄내며 강력한 연구 조력자로서의 가치를 입증하고 있다.
현대 과학적 발견 과정의 어려움에서 영감을 받아, 구글은 Gemini 2.0을 기반으로 한 다중 에이전트 AI 시스템인 공동 과학자를 개발했다. 이 시스템은 과학적 방법론의 추론 과정을 모방하며, 과학자들과 협업하는 도구로 설계되었다.
일반적인 문헌 리뷰 및 요약 도구를 넘어, AI 공동 과학자는 기존 증거와 특정 연구 목표에 맞춘 새로운 연구 가설을 도출하고, 독창적인 지식을 발굴하도록 설계되었다. 연구자가 자연어로 연구 목표를 제시하면, 시스템은 새로운 가설, 상세한 연구 개요, 실험 프로토콜을 생성한다.
이 시스템의 역량은 임페리얼 칼리지 런던의 조세 페나데스(José Penadés) 교수와 티아고 코스타(Tiago Costa) 교수가 박테리아 진화에 관한 복잡한 질문을 던지며 극적으로 입증되었다. 페나데스 교수 연구실은 캡시드 형성 파지 유도 염색체 섬(cf-PICI)이 어떻게 꼬리를 교환해 다양한 박테리아 종을 감염시키는지 10년간 연구해왔다. 연구 결과를 발표하기 전, 그들은 미공개 데이터를 AI 공동 과학자에게 제공해 동일한 결론에 도달할 수 있는지 시험했다.
결과는 놀라웠다. AI는 cf-PICI가 자체 캡시드를 생산하고 DNA를 포장하며, 전적으로 파지 꼬리에 의존해 전달된다는 점을 정확히 파악했다. cf-PICI가 감염력이 없는 꼬리 없는 캡시드에 DNA를 담아 환경에 방출하고, 이 캡시드가 다양한 종의 파지 꼬리와 결합해 키메라 입자를 형성, 꼬리 종류에 따라 여러 박테리아 종에 DNA를 주입할 수 있다는 사실을 발견한 것이다.
페나데스 교수는 "우리는 편견에 사로잡혀 있었다. 오랜 기간, 나뿐 아니라 파지 생물학자들은 감염 후에는 캡시드와 꼬리를 가진 감염성 입자만 존재한다고 생각했다. 왜 유도는 되지만 전달되지 않는 PICI가 있는지 이해하지 못했다... 우리는 너무 편향돼 실제로 무슨 일이 일어나는지 보지 못했다"고 밝혔다.
AI 공동 과학자의 성과는 이 한 사례에 그치지 않는다. 11개의 연구 목표 하위 집합에서, 도메인 전문가들은 시스템의 결과물을 다른 관련 기준선과 비교 평가했다. 표본 수는 적었지만, 전문가들은 AI 공동 과학자의 결과물이 참신성과 영향력 면에서 더 높다고 판단했고, 다른 모델보다 선호했다.
구글은 AI 공동 과학자의 잠재력을 책임감 있게 탐구할 수 있도록, 연구 기관을 대상으로 Trusted Tester Program을 통해 시스템 접근을 허용하고 있다. 과학적 도전이 점점 더 복잡하고 융합적으로 변화하는 가운데, AI 공동 과학자와 같은 도구는 연구자들이 자신의 편견을 극복하고 유망한 새로운 연구 방향을 찾도록 도와 과학적 발견의 속도를 크게 높일 수 있을 것으로 기대된다.