앤스로픽, 과학 모델 구축 AI 연구 소개

ai.euno.news 자동 뉴스 요약

앤스로픽(Anthropic)은 11월 6일 과학 모델 개발에 AI를 활용하는 연구 방향을 소개했다. 튀빙겐 ELLIS 연구소와 튀빙겐대의 야코프 마케, 다니엘 게돈, 슈테판 발이 쓴 기고문으로, 이들은 신경과학을 비롯한 분야에서 과학 모델을 만드는 AI 도구를 개발하고 있다. 다만 제공된 자료에는 대규모 언어 모델(LLM) 에이전트가 자연어 설명과 데이터만 받아 후보 모델을 직접 코딩·실행·비교했다는 실험 구성이나 성능 수치가 담겨 있지 않다.¹

앤스로픽이 강조한 핵심은 데이터에 잘 맞는 모델 하나를 얻는 것만으로는 과학적 이해에 도달할 수 없다는 점이다. 글은 앨런 호지킨과 앤드루 헉슬리가 1951년 오징어 신경세포의 활동전위를 설명하는 방정식을 만든 사례를 든다. 당시 케임브리지대 컴퓨터가 고장 나자 헉슬리는 수동식 기계 계산기로 3주 넘게 방정식을 풀었다. 두 연구자는 관측값에 맞추기 위해 세포막 통로의 개방을 좌우하는 변수를 4제곱해야 한다는 사실을 알아냈지만, 그 이유까지 확인하지는 못했다.

이 경험적 선택은 훗날 물리적 구조와 연결됐다. 다른 연구진이 관련 칼륨 통로 단백질을 분석한 결과, 중앙의 구멍을 둘러싼 동일한 조각 네 개가 발견됐다. 호지킨과 헉슬리의 모델은 학습에 쓰지 않은 통로 구조까지 설명하는 단서를 준 셈이다. 1963년 노벨 생리의학상을 받은 두 사람의 모델은 70여 년이 지난 지금도 뉴런의 전기 활동을 설명하는 표준으로 쓰이며, 상수가 달라져도 오징어부터 인간까지 여러 동물의 신경세포에 적용된다.¹

오늘날 AI라면 이와 비슷한 방정식을 오후 한나절 만에 찾을 수도 있고, 실험 데이터에 더 정밀하게 맞출 가능성도 있다고 연구진은 제시한다. 그러나 중요한 것은 정답처럼 보이는 방정식 자체가 아니라, 더 단순한 모델은 왜 실패하는지와 성공한 모델들 사이에 어떤 특징이 공통으로 남는지를 밝히는 일이다. 앤스로픽이 제시한 과학 모델링의 첫 단계도 모델의 구성 요소와 방정식 형태를 정하는 ‘모델 구축’이다. 제공된 자료가 이후 단계를 담지 않아, 에이전트의 실행 절차와 비교 기준, 실제 성능은 확인할 수 없다.

읽기 목록은 이 브라우저에 저장됩니다.