노정석과 최승준은 생명공학·화학·물리 같은 ‘AI for Science’ 영역이 프론티어 모델의 Capability Overhang을 활용할 수 있는 가장 확실한 도망 경로라고 제시한다. 그러나 이 영역은 단순히 API를 호출하는 것만으로는 진입할 수 없다. 인간이 해당 도메인의 용어와 개념적 구조를 이해해야 모델이 이미 지니고 있는 과학적 잠재력을 끌어낼 수 있다. GPT-Rosalind 프롬프트를 보고 “외계어”라고 느낀 최승준의 반응은 이 장벽을 잘 드러낸다.
그럼에도 이 영역이 매력적인 이유는 경쟁자가 적고, 프론티어 연구소의 ‘딸깍’ 대상이 될 위험이 상대적으로 낮기 때문이다. 의사와 환자의 인센티브 불일치, 기존 제약 산업의 구조적 한계, 개인화 정밀의료의 미개척 시장은 전통적인 기술 스타트업과는 다른 종류의 기회를 제공한다. 유전체 모델(Evo 2, AlphaGenome)과 mRNA 기반 개인화 백신 사례는 AI가 생물학을 소프트웨어 공학으로 전환할 수 있음을 보여준다. 단, 여기에 뛰어들려면 단순 개발자 이상의 도메인 학습 의지가 필수적이다.
근거
“저도 저 필드를 지금 보강하려고 사실 AI 따라가는 것보다 생명공학 서적을 훨씬 많이 보고 있고… 모델은 이미 다 알고 있는 것들이 너무 많더라고요.” — 노정석
“AI for Science의 영역을 가르는 거는 간단한데 어떤 도메인을 봤을 때 그 도메인에 있는 사람들이 얘기하는 용어들이 귀에 안 박히면 그거 그냥 새 도메인이에요.” — 노정석
연결된 생각
- 20260606-capability-overhang — 모델의 과학 지식 overhang을 활용하는 구체적 사례
- 20260606-wrapper-vulnerability-in-frontier-ai — 과학 도메인은 wrapper 압축으로부터 상대적으로 안전함
출처
- 📎 클리핑: 20260613-ep98-ko-transcript