2025년의 핵심 통찰은 ‘Verifiable Reward가 존재하는 도메인은 AI가 게임처럼 풀어낸다’는 것이었다. 코딩(테스트 통과), 수학(증명 검증), 바둑(승패) 등에서 이미 증명된 이 원리가 2026년에는 생물학 실험과 화학 합성으로 확장된다. GPT-5가 분자 클로닝 프로토콜을 79배 효율화한 사례는 단순한 성능 향상이 아니다. 실험 결과를 객관적으로 평가할 수 있는 ‘보상 함수’가 설계되면 AI는 수천, 수만 번의 가상 실험을 통해 최적의 방법을 스스로 찾아낸다. 이는 기존 과학 연구의 ‘가설-실험-수정’ 사이클이 인간의 직관과 경험에 의존하던 것과 극명히 대비된다. 중요한 점은 이 접근법이 특정 과학 분야에 국한되지 않고, ‘결과를 측정할 수 있는 모든 문제’로 일반화될 수 있다는 것이다. 즉, 과학의 많은 영역이 갑자기 ‘AI가 풀 수 있는 게임’으로 재정의되고 있다.
근거
팟캐스트에서 최승준은 “Verifiable reward를 만들 수만 있다면 이건 그냥 모델이 풀 수 있는 게임”이라고 단언했다. 이후 GPT-5.2가 COLT(Conference on Learning Theory)의 수학 문제를 증명한 사례와, 로봇이 wet lab에서 인간보다 2.5배 빠르게 실험을 수행한 사례가 연결된다. 특히 “전 과정에서 인간의 역할은 수학적 발판을 제공하는 것이 아니라 검증과 명확한 글쓰기에 집중”했다는 언급은, AI가 문제 해결의 주체가 되고 인간은 평가자로 역할이 전환되었음을 보여준다.
“Verifiable reward를 만들 수만 있다면 이건 그냥 모델이 풀 수 있는 게임이다… 이제 과학의 영역으로 넘어갔다.”
연결된 생각
- 20260603-ai-accelerated-science-paradigm — Verifiable Reward 패러다임은 과학 가속화의 핵심 메커니즘
- 20260603-simulation-as-understanding — 시뮬레이션은 Verifiable Reward를 무한히 생성하는 엔진