지난 일주일 동안, 조만간 AGS(Artificial General Science)라는 용어를 탄생시키게 될 지도 모를 중요한 논문들이 나왔습니다. AGS란 건, 아마 ‘AI를 기반으로 한 자율적인 과학적 발견(AI-powered Autonomous Scientific Discovery) 정도로 개념을 정의하면 되지 않을까 하구요.

지난 수백년, ‘과학’은 우리 인간이 세상을 이해하는 걸 도와주는 도구였습니다. 그런데 지금 우리는, 도구의 위치를 넘어서 스스로 ‘과학이라는 행위’를 수행할 수 있는 도구를 만들고 있습니다. 비교해 보자면, 망원경을 발명했는데 그 망원경이 우리가 자는 동안 천문학에 관련된 논문을 쓰고 있는 모습을 발견한 것하고 비슷하다고나 할까요?

첫 번째의 중요한 변곡점은, 누가 뭐래도 AlphaFold였죠. 2020년, 딥마인드가 단백질 구조를 실제 실험 결과에 근접한 정확도로 예측해 내면서 생명과학계를 충격에 빠뜨렸습니다. 수십 년 동안 해결되지 않던 난제를 AlphaFold가 풀어낸 셈이니까요. AI가 오랫동안 인간의 손이 닿지 못했던 질문들에 답을 낼 수 있다는 걸 보여줬고, 이후 생물학이라는 학문의 방향과 흐름을 바꿔 놓았습니다.

다음으로 중요했던 이정표는 2022년에 등장한 AlphaTensor였다고 생각해요. 여기서는 강화학습 기반의 에이전트가 행렬 곱셈(Matrix Multiplication)을 위한 더 빠른 알고리즘을 재발견했는데, 이게 반세기 만에 처음으로 사람이 만든 방식을 뛰어넘은 것이었다는 거죠. 이건, 알고리즘의 발명(Algorithmic Invention)이었고, AI의 능력이 단순히 응용 분야 뿐 아니라 수학 자체의 영역까지도 확장할 수 있다는 걸 보여준 사례였습니다. 정말 놀라운 일이었어요.

2024년에는, 일본의 AI 스타트업 Sakana AI의 AI Scientist가 이런 교훈들을 하나로 모아서 ‘자율적 연구 에이전트’의 프로토타입을 만들어 냈습니다. 이건 문헌 검토, 실험 설계, 실행, 논문 작성까지 결합한 것이었고, 비록 결과물이 고르지는 않았지만, 분명한 야망과 지향하는 방향이 담겨 있었습니다. 단일한 작업을 엄청나게 잘 하는 모델에서 벗어나서, 과학적인 워크플로우 전체를 탐색할 수 있는 에이전트로 나아가려는 시도였다고 봅니다.

그리고 2025년 초, 구글이 Gemini 2.0을 기반으로 만든 AI Co-Scientist를 공개했습니다. 이 멀티 에이전트 시스템은 ‘과학적 방법론’의 ‘추론 단계를 반영’했습니다 — 생성, 반성, 순위화, 진화, 메타 리뷰 등을요. 단순히 텍스트 생성에 머물지 않고, 실제 실험실에서 검증된 가설들을 만들어 냈습니다. 백혈병 치료를 위한 약물이 시험관(In Vitro)에서 재활용되었고, 간 섬유증의 후성유전학(Epigenetic)적 표적이 인간 오가노이드에서 검증되었고, 항균제 내성에 대한 기전적 설명이 새로운 실험 결과와 일치하는 모습을 확인할 수 있었습니다. 이제 AI가, (사람) 과학자들이 곧바로 실험실로 들고 달려갈 만한 아이디어들을 제안하기 시작한 것이죠.

그리고 2025년 8월. 바로 그 마지막 2주간. 이 시간은 AGS(Artificial General Science)의 특이점으로 기억될지도 모릅니다.

여기서 공유드리고 싶은 몇 가지 묵직한, 중요한 논문들이 있습니다.

Virtuous Machines(160쪽; Wehr 외)는 AGS(Artificial General Science)를 위한 철학적 로드맵을 제시하고 있습니다. ‘사람들을 대상으로 한 온라인 실험을 스스로 처음부터 끝까지 기획하고 실행한 사례’를 시연하기도 했구요.

aiXiv 프로젝트(60쪽; Zhang 외)는 AI 과학자들이 연구를 제출, 심사, 수정할 수 있는 출판 생태계를 고안하고 제안하고 있습니다.

From AI for Science to Agentic Science(74쪽; Wei 외)는 이 분야에서 사용하게 될 용어를 잘 구조화해서 정리하고, 에이전틱 시스템(Agentic System)을 새로운 패러다임으로 자리매김하고 있습니다.

또, Intern-S1이 Shanghai AI Laboratory에서 공개되었습니다. 이 모델은 2,410억 개 파라미터를 가진 대규모 모델로, 수조 개의 과학 토큰으로 학습했고, 물리학과 화학 과제에서 경쟁자들을 능가하는 모습을 보여줍니다. 마이크로소프트 리서치는 MindJourney를 발표했는데, 이건 테스트-타임 추론(Test-Time Reasoning) 프레임웍으로, 모델이 3D 탐색을 시뮬레이션하면서 학습하도록 합니다.

MindJourney는 공간 능력(Spatial Aptitude) 벤치마크에서 8% 향상이라는 놀라운 결과를 보여주었고, 과학적 에이전트들이 직접 감지할 수 없는 환경을 ‘이동’하면서 탐색할 수 있는 길을 열었습니다. 이는 로보틱스, 지구과학, 실험실(Lab) 자동화의 관점에서 아주 중요한 역량입니다.

정말 놀라운 일 아닌가요? 단 일주일이라는 시간 안에 역량(Intern-S1, MindJourney), 인프라(aiXiv), 지적인 프레임웍(Agentic Science, Virtuous Machines)이 동시에 등장했으니 말이예요. 세 가지 연구가 서로 다른 그룹, 다른 레거시로부터 출발했지만, 모두 같은 지점 — 자율적으로 과학적 연구를 수행하는 AI — 에 도달한 겁니다.

말 그대로 ‘숨막힐 정도의 속도’라고 하지 않을 수 없습니다. 다시 말씀드리지만, 이번 주는 단순하게 여러 개의 의미있는 논문이 몰렸던 주라고 기억되지는 않을 거 같습니다. 아마, ‘과학적 발견(Discovery)’이라는 활동 자체가 기계의 리듬(Machine Tempo)로 스케일링하기 시작한 순간, 그리고 과학 연구자가 잠들지 않는 새로운 동료를 얻게 된 순간으로 기억될 겁니다.

*아직 튜링 포스트 코리아 구독 안 하셨나요? 구독해 주시면 매주 중요한 AI 뉴스를 정리한 다이제스트를 받으실 수 있습니다!

앞에서도 소개드렸죠. 이번에 나온 Virtuous Machines: Towards Artificial General Science 논문은, AI가 단순히 ‘도구’의 역할을 벗어나서 스스로 과학적인 발견 작업을 해내는 동료로 진화할 수 있다는 걸 보여줍니다. 논문은 AI가 가설을 세우고, 실험을 설계하고, 실제로 검증까지 이어가는 ‘자율적 과학자’로 활동하는 모습을 그리고 있는데요. 인간이 다양한 한계나 자원 부족 때문에 쉽게 다가가지 못했던 연구 영역을 AI가 탐험할 수 있다는 점에서 큰 의미가 있습니다. 동시에 “과학적 발견의 주체는 누구인가?”, “성과의 공로를 어떻게 나눌 것인가?” 같은 철학적인 질문도 던집니다. 단순한 기술 논문을 넘어서, 과학의 미래를 함께 다시 상상해 보게 하는 로드맵에 가깝습니다.

이것도 논문입니다. 이 논문은 aiXiv라는 플랫폼에 대한 이야기를 하고 있는데, 사람도, AI도 과학 논문을 쓰고, 심사하고, 다듬을 수 있는 차세대의 오픈 액세스 생태계를 목표로 하고 있습니다. 즉, ‘AI 과학자’들이 작성한 연구도 기존에 사람이 쓴 연구 논문처럼 출판을 하고 평가받을 수 있게끔 하는 시스템을 마련한 겁니다. 멀티 에이전트 구조로 만들어진 이 설계안은, 연구 과정의 속도, 그리고 접근성을 높여서 AI가 생성한 콘텐츠가 과학적 진보에 즉각적으로 기여하게 하는 기반이 될 수 있다는 점에서 의미가 큽니다.

죄송합니다, 오늘은 모두 위에서 소개한 논문들이네요 ^.^; 이 논문은 ‘AI for Science’에서 한 걸음 더 나아가서 ‘Agentic Science’, 즉 스스로 과학적 주체(Agency)가 되는 AI를 중심으로 정리합니다. 먼저 AI가 단순한 보조자 역할을 넘어서 완전한 과학적 행위자로 진화하는 단계를 짚어내고, 그 기반이 되는 다섯 가지 핵심 역량과 과학적 발견을 위한 네 단계 워크플로우를 제안합니다. 그리고 문헌·응용 분야의 실제 사례들을 살펴보면서 향후 해결해야 할 과제들과 기회들을 함께 담았습니다. 한 줄로 정리하자면, ‘AI가 이제 부분적인 지원 역할을 넘어서 과학 연구의 행위자가 되고 있는 현실에서, 이를 체계적으로 이해할 수 있는 프레임웍을 제시한 논문’이라고 할 수 있습니다.

나노 바나나(Nano Banana) - 구글이 개발한 새로운 AI 이미지 생성 모델이죠. '제미나이 2.5 플래시'라는 이름으로 정식 공개되었습니다. 이 모델의 가장 놀라운 점은 인물의 얼굴과 특징을 그대로 유지하면서 배경 변경, 스타일 전환, 2D를 3D 피규어로 변환하는 작업까지 단 1-2초 만에 처리한다는 건데요. 온라인에서는 "포토샵이 필요 없어질지도 모른다"는 반응과 함께 애니메이션 캐릭터를 실사화하는 등 다양한 활용 사례들이 화제를 모으고 있습니다. 이런 강력한 모델이 손에 들어오니, 수많은 재미있는 아이디어가 쏟아져 나오는 것 같습니다 - 상상력을 키워야 할 것 같은데, 어떻게 해야 할까요?

아카브릭에서 수고를 많이 하셔서 모아주신, 트위터(X)의 크리에이터들이 만든 나노 바나나 케이스들 보시면서 영감을 얻으실 수 있기를 바랍니다! 아카브릭, 항상 감사합니다!

Higgsfield AI의 Product-to-Video 기능, 바로 단순한 이미지 한 장으로 배우가 제품과 상호작용하는 광고 영상을 자동 생성하는 도구입니다. 기존의 Image-to-Video가 정적인 이미지를 동적인 영상으로 변환하는 제너럴한 개념이라면, Product-to-Video는 제품을 중심으로 실제 촬영한 듯한 영상 내 상호작용과 시네마틱 연출을 자동으로 구현해 내는 점이 차별화 포인트라고 생각합니다 - 작은 차이일 수 있지만, 사용자의 관점에서 괜찮은 아이디어이자 접근이라는 생각을 하게 됩니다. 광고 제작에 드는 시간과 비용을 급격히 줄여줘서 크리에이터와 마케터 사이에서 큰 호응을 얻고 있다고 하네요.

‘주목할 만한 최신의 AI 모델’을 먼저 소개하고, 각 영역별로 ‘Top Pick’은 해당 논문 앞에 별표(🌟)로 표시했습니다!

*리뷰를 남기시려면 로그인하시거나 구독해 주세요. 감사합니다!

읽어주셔서 감사합니다. 프리미엄 구독자가 되어주시면 튜링 포스트 코리아의 제작에 큰 도움이 됩니다!