단독 ‘AI 과학자’를 넘어: Mycelium이 제안하는 팀 과학의 네트워크 지능

도입

최근 AI for Science의 주요 흐름은 더 강한 모델, 더 긴 컨텍스트 창, 장기 실행 에이전트, 또는 한 명의 연구자를 돕는 디지털 공동 과학자에 집중해 왔다. 하지만 이 논문은 과학 연구의 현실이 그보다 복잡하다고 지적한다. 어려운 과학 문제는 대개 한 명의 추론자나 하나의 모델이 아니라, 서로 다른 선험 지식, 실험 경험, 암묵지, 분야별 직관을 가진 팀이 해결한다.

저자들이 제시하는 핵심 개념은 networked intelligence, 즉 네트워크 지능이다. 이는 하나의 AI가 모든 것을 아는 상태를 목표로 하지 않는다. 한 맥락에서 나온 결과, 이상 징후, 가설, 제약 조건이 그것을 행동으로 바꿀 수 있는 다른 연구자, AI 에이전트, 장비, 로봇에게 제때 전달되는 구조를 말한다.

핵심 내용

• 확장해야 할 것은 모델만이 아니라 연결이다
  기존 AI 과학 시스템은 단일 사용자와 단일 추론 흐름을 중심으로 설계되는 경우가 많다. 그러나 실제 연구에서는 유용한 정보가 특정 분석 단계나 특정 사람에게 갇히는 일이 자주 발생한다. 한 분석가의 발견이 실험 설계자에게 전달되지 않으면, 그 발견은 팀의 다음 결정에 반영되기 어렵다.

• Mycelium은 능동형 공유 컨텍스트 공간이다
  논문이 소개하는 Mycelium은 여러 연구자와 AI 에이전트가 함께 쓰는 공동 과학자형 작업공간이다. 사람과 에이전트가 작업하는 동안 중요한 관찰과 가설을 포착하고, 그것이 팀의 변화하는 모델과 어떤 관계를 갖는지 추적하며, 다음 의사결정에 필요한 사람이나 에이전트에게 전달한다.

• 기록보다 행동 연결에 초점
  일반적인 협업 도구는 문서, 메모, 채팅, 프로젝트 보드 형태로 정보를 보존한다. Mycelium의 차별점은 정보를 저장하는 데서 멈추지 않는다는 점이다. 어떤 정보가 언제, 누구에게, 어떤 결정 지점에서 중요한지를 판단해 실제 연구 흐름에 연결하려 한다.

• 첫 경험적 평가는 생물학 멀티오믹스 연구에서 수행
  초록에 따르면 저자들은 생물학 멀티오믹스 캠페인에서 Mycelium을 평가했다. 라우팅된 공유 컨텍스트는 국소적인 분석 발견을 여러 전문가가 공유하는 기전적 제약으로 발전시켰고, 결국 실험 설계로 이어졌다. 이는 시스템의 가치가 단순한 정보 정리가 아니라 전문성 간 연결에 있음을 보여준다.

• 분산 컨텍스트 위의 희소 조건부 계산
  논문은 네트워크 지능을 분산된 과학적 컨텍스트 위에서 작동하는 희소 조건부 계산으로 설명한다. 모든 정보를 하나의 거대한 컨텍스트 창에 합치는 대신, 필요한 순간에 적절한 사람, 에이전트, 지식 조각을 활성화하는 접근이다.

의미와 영향

이 연구는 지능의 초점을 단일 모델 내부에서 인간-AI 네트워크 전체로 확장한다. 미래의 과학 연구용 AI는 단순히 질문에 답하는 도우미가 아니라, 팀 안에서 컨텍스트를 배분하고 연결하는 계층이 될 수 있다. 누가 무엇을 알고 있는지, 누가 어떤 정보를 필요로 하는지, 어떤 실험 결정이 특정 단서를 기다리고 있는지를 파악하는 역할이다.

또한 평가 기준도 달라진다. 더 강력한 단독 에이전트가 연구 네트워크를 대체할 수 있는가? 논문은 상황에 따라 다르다고 본다. 지식이 명시적이고 통합 가능하다면 강한 에이전트가 충분할 수 있다. 하지만 독립적인 전문성, 암묵적 판단, 쉽게 병합되지 않는 컨텍스트가 중요하다면 네트워크 자체가 줄일 수 없는 지능 구조가 된다.

따라서 AI for Science의 다음 경쟁력은 모델 크기뿐 아니라 연구 협업의 토폴로지에도 달려 있을 수 있다. 올바른 컨텍스트를 올바른 노드에 올바른 시점에 전달하는 능력이 더 나은 가설과 실험 설계를 만드는 기반이 될 것이다.

출처: arXiv