2025년이 Claude Code로 시작된 ‘코딩의 해’였다면, 2026년은 AI가 과학 연구의 전 과정에 침투하는 ‘과학의 해’가 될 것이다. 단순한 연구 보조 도구를 넘어, AI는 가설 생성, 실험 설계, 데이터 분석, 수학 증명 등 연구의 핵심 단계에서 인간과 협업하며 패러다임 자체를 바꾸고 있다. 특히 실험실 자동화와 결합된 AI reasoning은 그동안 병목이었던 wet lab의 효율을 획기적으로 개선하고 있다.
근거
팟캐스트에서 인용된 여러 사례가 이를 뒷받침한다. GPT-5.2는 COLT(Conference on Learning Theory)가 공개한 수학 문제를 풀었고, 인간의 역할은 ‘검증과 명확한 글쓰기’로 축소되었다. 또한 실험 로봇을 이용한 분자 클로닝 프로토콜에서 인간 대비 79배 효율 향상이 보고되었다. Terence Tao는 AlphaEvolve를 활용해 1975년 제기된 Erdős 문제를 해결했다. 이는 AI-인간 협업의 전형적인 프로토타입이다.
“GPT-5.2 Pro에게 풀어보라고 요청했고 그다음에 전문가들이 검토와 검증을 통해서 증명을 해낸 사례입니다.”
연결된 생각
- 20260606-ai-driven-science-acceleration-paradigm — 상위 개념 (패러다임 정의)
- 20260606-lab-automation-feedback-loop — 연장 논의 (실험 자동화의 피드백 루프)
- 20260508-llm-wiki-compounds-with-accumulation — 대비되는 관점 (지식 누적의 진화)
출처
- 📎 클리핑: 20260613-ep80-ko-transcript