Google DeepMind, 'Co-Scientist' 공개 — 자기 대결 기반 과학 가설 생성 AI
Gemini 기반의 멀티 에이전트 시스템이 여러 생의학 가설을 자율적으로 제안하고 검증: 백혈병 치료용 IRE1 억제제를 발견했으며, 단 이틀 만에 세균 내성 유전자 전달 메커니즘을 재발견했습니다.
2026년 5월 19일 Nature에 실린 이 논문은 단순히 Gemini의 역량을 보여주는 데 그치지 않습니다. 이는 과학 지식이 생성되는 방식을 통제하기 위한 더 큰 아키텍처 전쟁의 핵심 요소입니다. 대중이 백혈병 신약 후보에 감탄하는 동안, 실험실에서는 거대한 변화가 일어나고 있습니다. 언어 모델 기반의 멀티 에이전트 시스템이 수동적인 정보 검색기에서 과학적 진실의 중재자로 전환되고 있습니다. Google DeepMind의 Co-Scientist는 과학자를 위한 도구가 아니라, 연구 과정 전체를 위한 새로운 운영 체제를 만들려는 시도입니다. 이 시스템은 가설을 생성할 뿐만 아니라 순위를 매기고, 비판하며, 진화적으로 개선할 수 있습니다.
핵심: 텍스트 생성기에서 과학적 방법의 시뮬레이터로
이 시스템은 생성, 토론, 진화의 세 단계로 나뉜 7개의 특수 AI 에이전트로 구성된 연합체입니다. 아키텍처는 기존 챗봇과 근본적으로 다릅니다. 에이전트는 단순히 요청에 따라 텍스트를 출력하는 것이 아니라, 비동기 상호작용을 수행합니다. '생성기'가 아이디어를 제안하고, '반영기'가 가상 리뷰어 역할을 하며, '순위기'는 AlphaGo에서 차용한 원리를 사용하여 아이디어 토너먼트를 진행합니다. 시스템은 바둑을 두는 대신 과학적 토론을 하며, 보드 승리가 아닌 가설의 참신성과 검증 가능성에 베팅을 최적화합니다.
핵심 혁신은 테스트 시간 계산의 확장입니다. 시스템은 리소스의 대부분을 생성이 아닌 가설 검증에 할애하며, 각 주장을 과학 문헌 및 ChEMBL, UniProt 같은 데이터베이스와 교차 참조하고, 경우에 따라 AlphaFold를 호출하여 구조 검증을 수행합니다. Co-Scientist는 단순히 '발명'하는 것이 아니라 검증합니다. 이것이 환각을 일으키는 이전 모델과의 근본적인 차이점입니다.
타임라인 및 맥락: 과학 에이전트의 경쟁
Co-Scientist 발표는 FutureHouse의 경쟁 시스템 Robin의 발표와 동시에 이루어졌습니다. Nature는 두 논문의 게재를 의도적으로 동기화하여 시장에 새로운 제품 클래스의 형성을 알렸습니다. 그 뒤에는 몇 달 간의 준비가 있었습니다. Co-Scientist의 초기 테스트는 Imperial College London과의 비공개 모드로 진행되었으며, 시스템은 José Penadés 교수의 지도 하에 박테리아의 수평적 유전자 전달 메커니즘을 재발견했습니다. Penadés 팀이 실험적으로 발견했지만 아직 발표하지 않은 메커니즘이었습니다. 전설에 따르면, 과학자는 Co-Scientist의 결과를 보고 AI가 자신의 초안을 훔쳐봤는지 물었다고 합니다. 시스템이 단 이틀 만에 인간 발견의 논리를 그대로 재현했기 때문입니다.
승자와 패자
주요 승자는 Google Cloud입니다. Google Labs 플랫폼을 통해 Co-Scientist를 대중에게 출시하는 것은 인프라 의존성을 통한 고전적인 시장 장악 전략입니다. Google의 TPU에서 '가설 토너먼트'를 실행하는 데 익숙해진 연구자들은 다른 클라우드로 전환하기 어려울 것입니다.
DeepMind와 기존 계약을 맺은 대형 제약 회사들도 승자입니다. Cohere가 AI를 제약 분야에 특화하기 위해 스타트업 Reliant AI를 인수한 사례에서 보듯, 업계는 R&D를 가속화하는 시스템에 막대한 비용을 지불할 의향이 있습니다.
70%가 문헌 검색과 가설 생성이었던 업무를 수행하던 박사후 연구원과 주니어 연구자들은 패자입니다. 그들의 기능은 이제 한계 비용 제로로 자동화되었습니다. OpenAI와 같은 회사들도 패자입니다. 아직 유사한 멀티 에이전트 과학 아키텍처를 제시하지 못하고, o1을 사용한 일반 추론에만 머물러 있기 때문입니다.
언론이 말하지 않는 것
첫 번째 사각지대는 AI 생성 가설의 재현성 문제입니다. Co-Scientist가 동일한 Gemini 모델 기반의 다른 에이전트를 '리뷰어'로 사용한다면, 비판은 폐쇄 루프가 됩니다. 모델이 모델을, 모델이 작성한 규칙으로 확인하는 것입니다.
두 번째 비자명한 점은 내성 메커니즘 '재발견'에 대한 전략적 침묵입니다. 과학 문헌 코퍼스로 훈련된 시스템은 특정 논문이 엠바고 상태였더라도 통계적 패턴을 필연적으로 흡수합니다. 시스템의 성공은 창의성이 아니라 Gemini가 관련 출판물의 약한 신호를 포착하는 능력으로 설명될 수 있습니다.
전망: 향후 30일 및 90일
향후 30일 동안 labs.google/science에 대한 등록 물결과 보고된 결과를 독립적으로 재현하려는 첫 시도가 있을 것으로 예상합니다. 90일 이내에 과학 커뮤니티는 Co-Scientist를 공동 저자로 인정하고 AI가 작성한 연구비 신청서를 제출하는 쪽과, 합성 가설로 인한 지적 환경 오염 위험을 이유로 동료 검토에서 이러한 시스템 사용을 완전히 금지해야 한다고 주장하는 쪽으로 분열될 것입니다. 과학 AI 에이전트 시장은 연말까지 20억 달러에 도달할 것이며, Google은 상당한 점유율을 확보하려 합니다.
— Editorial Team
