모델이 코딩과 텍스트에서 인간을 압도하면서, 기존의 ‘wrapper’ 비즈니스는 언제든지 흡수될 위험에 노출되었다. 하지만 팟캐스트는 두 가지 생존 전략 중 하나로 ‘AI for Science’ 영역을 제시한다. 이는 단순한 조언 이상으로, 도메인 지식의 진입 장벽이 인간에게 여전히 유효한 마지막 방어선임을 시사한다.
GPT-Rosalind나 GitLab CEO의 개인화 암 치료 사례가 보여주듯, 생명공학·화학·재료과학 분야는 프론티어 AI 사용자(1~2%)조차도 ‘외계어’처럼 느낄 정도로 전문 용어와 복잡한 개념 체계로 가득 차 있다. 모델은 이미 해당 지식을 갖추고 있지만, 인간이 그 지식을 해석하고 검증할 수 없으면 신뢰할 수 없다. 이것이 바로 Jan Leike의 Automated Alignment Researcher가 다루는 ‘weak model이 strong model을 검증하는’ 문제와 동일한 구조다.
핵심은 이 영역이 단순히 모델의 API를 호출하는 수준이 아니라, 도메인 이해와 실험 설계, wet lab과의 연결을 요구한다는 점이다. 노정석이 강조했듯이 “AI for Science의 영역을 가르는 거는 간단한데 어떤 도메인에 있는 사람들이 얘기하는 용어들이 귀에 안 박히면 그거 그냥 새 도메인”이다. 이는 인간이 직접 공부하고 체화해야 하는 영역이며, 따라서 모델의 ‘딸깍’이 가장 늦게 도달할 분야다. 개인화 정밀의료, 유전체 모델(Evo 2, AlphaGenome), 신소재 개발 — 이러한 분야는 AI의 힘과 인간의 도메인 통찰이 공진화하는 마지막 남은 프론티어다.
근거
“GPT-Rosalind 프롬프트 보고서는 외계어다 그랬거든요. … 제가 그거 독해한 것도 매개였어요. AI를 써서 내가 이거를 공부하려면 다시 바닥부터 공부를 해야지.” — 최승준
“앞에 있는 몇 개의 가정들만 해서 넣어서 추정하라고 하면 유사해요. … 얘는 어쩌면 이미 이 통일장 이론에 대한 어떤 심상도 저 어딘가에 갖고 있겠다.” — 노정석
연결된 생각
- 20260607-capability-overhang-and-extraction — Capability Overhang은 AI for Science 영역의 가능성을 증명하지만, 접근성을 제한한다
- 20260607-alien-science-and-verifier-limitation — Alien Science 개념과 인간 검증자의 한계가 AI for Science의 과제를 설명한다
출처
- 📎 클리핑: 20260613-ep98-ko-transcript