팟캐스트에서 “2025년은 코딩의 해, 2026년은 과학의 해”라는 전망이 반복적으로 등장했다. 이는 단순한 연도별 트렌드 예측을 넘어, AI가 문제를 해결할 수 있는 도메인이 급격히 확장되고 있음을 의미한다. 2025년 초만 해도 GPT-5.2의 수학 증명 능력에 놀라워하던 과학자들이, 연말에는 “이미 수학은 끝났고 과학으로 넘어가고 있다”고 말하는 장면이 인상적이었다.
이 전환의 핵심은 ‘검증 가능성’이다. 컴파일러가 코드를 검증하듯, 수학 증명 검증기(Lean 등)가 증명을 검증하듯, 과학 실험 결과를 검증할 수 있는 자동화된 시스템이 구축되기 시작했다. 분자 클로닝 실험에서 GPT-5가 인간보다 2.5배 빠르게 동등한 성능을 낸 사례, 로봇이 wet lab을 대체하는 사례들이 이를 증명한다.
흥미로운 점은 인간의 역할이 ‘발판 제공자’에서 ‘검증자’로 이동하고 있다는 것이다. Terence Tao는 AlphaEvolve를 이용해 증명의 일부를 자동화했고, 다른 연구자들은 초기 단계를 AI에게 맡긴 후 결과를 검증했다. 이는 과학자의 창의성이 사라지는 것이 아니라, 더 높은 추상화 수준에서 발휘되어야 함을 시사한다.
근거
“전 과정에서 인간의 역할은 수학적 발판을 제공하는 것이 아니라 검증과 명확한 글쓰기에 집중하는 데 머물렀다.”
“모든 문제를 다 search로 풀어내는 게 될 거고 모든 문제를 다 해결할 수 있다는 얘기, 무한의 computation만 주어지면”
연결된 생각
- 20260606-science-discovery-automation-verifiable-reward — 과학 자동화 패러다임의 개념적 기반
- 20260606-verifiable-reward-new-engine — Verifiable Reward가 이 전환의 동력
- 20260606-terence-tao-ai-collaboration — Terence Tao의 사례는 이 전환이 이미 일어나고 있음을 보여줌
출처
- 📎 클리핑: 20260613-ep80-ko-transcript