팟캐스트에서 가장 날카로운 통찰은 AI for Science를 ‘두 번째 도피처’로 규정한 부분이다. 첫 번째 도피처(unbundling ChatGPT)가 경쟁 과포화 위험이 있다면, 두 번째는 진입 장벽이 과학 지식 그 자체이기 때문에 오히려 경쟁이 덜하다. GPT-Rosalind, Evo 2, Sid Sijbrandij의 개인화 암 치료 사례는 모델이 이미 생명공학·화학·재료공학 분야에서 인간을 뛰어넘는 암묵지를 갖고 있음을 보여준다. 단, 이 기회를 잡으려면 공부가 필요하다.
근거
“frontier에 있는 사람들조차 새롭게 들리는 도메인들이 있어요… 우리가 인간의 field knowledge를 좀 넓혀야 되거든요.”
호스트는 “모델은 이미 다 알고 있는 것들이 너무 많더라”며, knowledge cutoff 이후의 논문도 가정만 주면 유사한 추론을 해내는 현상을 지적한다. 이는 capability overhang이 과학 도메인에서는 특히 심각하며, 이를 활용하는 인간이 매우 적다는 뜻이다. Sid Sijbrandij의 사례처럼, 유전체 시퀀싱 데이터를 소프트웨어 공학적으로 해석하는 능력이 key가 된다.
연결된 생각
- 20260603-ai-model-release-cycle-capability-overhang — 모델 능력 과잉이 과학 도메인에서 가장 뚜렷함
- 20260603-attention-business-decision-value — 과학 도메인으로 attention을 분배하는 결정의 예
- 20260603-unbundling-chatgpt-customer-gap — 대비: 과포화 가능성 vs 중후장대한 안정성
- 20260603-automated-alignment-researcher-weak-strong — 약한 인간 verifier의 한계와 연결