구글 딥마인드 ‘AI Co‑Scientist’는 어떻게 과학 가설을 생성하고 서로 토론하게 할까

‘아이디어 토너먼트’: 가설을 경쟁시키는 방식

AI Co‑Scientist의 핵심 개념 중 하나는 **아이디어 토너먼트(idea tournaments)**다. 여러 가설을 동시에 만들고 서로 경쟁시키면서 가장 설득력 있는 아이디어를 남기는 방식이다.

전체 과정은 보통 세 단계로 진행된다.

1. 가설 생성 – 여러 AI 에이전트가 연구 목표와 관련된 다양한 설명이나 메커니즘을 제안한다.
2. 토론과 비판 – 다른 에이전트들이 기존 연구와 데이터에 비추어 가설의 약점, 빠진 가정, 논리적 문제를 지적한다.
3. 토너먼트 평가와 진화 – 더 강한 가설은 유지되고, 약한 가설은 수정되거나 결합되거나 폐기된다.

이 과정을 여러 번 반복하면 더 논리적이고 실제 실험으로 검증 가능한 연구 제안이 만들어진다. 구조 자체가 학계의 동료 평가(peer review)나 학문적 논쟁 과정을 모방한 셈이다.

또한 시스템은 대규모 논문 데이터베이스와 과학 데이터셋을 동시에 활용할 수 있어 인간 연구자가 수작업으로 통합하기 어려운 정보를 빠르게 종합할 수 있다.

초기 바이오의학 연구 결과

현재 공개된 초기 실험은 주로 생명과학과 바이오메디컬 연구에서 진행됐다.

대표적인 사례는 간 섬유화(liver fibrosis) 치료 후보 약물 탐색이다. PubMed에 등재된 연구에 따르면 다중 에이전트 가설 생성 시스템을 활용해 약물 재활용(drug repurposing) 후보를 찾고 실험 평가를 진행했다.

연구에서는 AI가 제안한 25개의 잠재적 약물 후보에 대해 항섬유화 효과와 독성을 실험적으로 평가했다.

딥마인드 연구 요약에 따르면 이 과정에서 기존에 크게 주목받지 않았던 약물 후보가 발견됐고, 그중 하나는 실험 모델에서 섬유화 관련 생물학적 반응의 약 91%를 억제하는 결과를 보였다.

다만 이러한 결과는 어디까지나 실험 검증을 통해 확인된 경우에만 과학적 의미가 있다. AI 자체가 발견을 확정하는 것이 아니라, 연구자가 실제 실험으로 검증해야 한다.

‘Gemini for Science’ 전략의 일부

구글은 이 시스템을 단독 제품이 아니라 ‘Gemini for Science’라는 AI 연구 플랫폼 전략의 일부로 배치하고 있다.

이 프로젝트에는 여러 AI 도구가 포함된다.

• 가설 생성용 Co‑Scientist
• 계산 발견을 위한 AlphaEvolve
• 논문 분석 및 연구 지원 도구

목표는 연구자들이 매년 폭발적으로 증가하는 과학 논문과 데이터를 처리하고 새로운 연구 아이디어를 더 빠르게 발견하도록 돕는 것이다.

또한 구글은 미국 에너지부(Department of Energy)와 협력해 미국 17개 국립연구소의 과학자들이 Google Cloud를 통해 Co‑Scientist 같은 AI 연구 도구에 접근할 수 있도록 제공하고 있다.

과학 연구 방식의 변화 가능성

AI Co‑Scientist는 과학자를 대체하려는 기술이 아니다. 오히려 ‘가설 엔진’에 가까운 도구다. 새로운 아이디어를 빠르게 생성하고 정교하게 다듬어 인간 연구자가 검증하도록 돕는다.

이 접근 방식의 핵심은 단일 AI 모델이 답을 내는 구조가 아니라 여러 에이전트가 서로의 논리를 비판하고 개선하는 구조라는 점이다. 이러한 다중 에이전트 아키텍처는 복잡한 과학 문제에서 필요한 탐색·논쟁·반복 과정을 AI 내부에서 재현하려는 시도다.

앞으로 이러한 시스템이 실제 실험에서 지속적으로 성과를 낸다면 초기 연구 단계의 속도는 크게 빨라질 가능성이 있다. 다만 마지막 단계는 여전히 동일하다.

진짜 과학은 결국 실험실에서 검증된다.