정의
AI가 verifiable reward(검증 가능한 보상)가 존재하는 수학·과학·코딩 도메인에서 초인간적 성과를 내기 시작했으며, 2026년은 wet lab과 로봇을 결합한 자동화된 과학 연구가 본격화되는 ‘과학의 해’로 전환되는 패러다임이다. 이는 단순한 도구 활용을 넘어, AI가 실험 설계·데이터 생성·가설 검증의 전 과정에 통합되는 구조적 변화를 의미한다.
핵심 속성
- verifiable reward 기반 학습: GRPO, RLVR 등으로 정답이 명확한 문제에서 무제한 데이터 생성 및 자기 개선 가능.
- wet lab 자동화: 로봇 시스템이 인간을 대체하여 실험을 수행, 속도는 2.5배 향상되고 성능은 유사.
- 국가 차원의 개입: 미국 Genesis Mission을 통해 Google DeepMind·Anthropic·OpenAI가 연합, 첨단 AI 도구를 과학자들에게 제공.
- 시뮬레이션 중심 연구: AI world model(Genie·SIMA)이 물리 환경을 실시간 생성하고 에이전트가 탐색하며 지식을 창출.
- 아키텍처 진화: Mamba+Transformer 하이브리드 모델이 등장, inference 효율성을 극대화하여 더 적은 자원으로 frontier급 성능 가능.
관계
- 20260606-ai-driven-science-paradigm-shift — (자참: 본 노트, 관계 없음)
- 20260606-verifiable-reward-domains-exceed-human — 하위개념 (verifiable reward가 이 패러다임의 핵심 동력)
- 20260606-genesis-mission-accelerates-ai — 연장 (국가 프로젝트가 이 패러다임을 가속)
- 20260606-hybrid-architecture-next-leap — 연장 (하이브리드 아키텍처가 인프라 효율을 높임)
인용
“verifiable reward를 만들 수만 있다면 이건 그냥 모델이 풀 수 있는 게임이다… 코딩이나 수학이라든지 논리가 지배하는 부분, 그런 부분들은 거의 정복이 돼 왔고 이제 이게 넘어갔네요, 과학의 영역으로.” — 노정석
“결국에는 에너지와 지능이, 와트와 지능이 치환된다.” — 최승준 (Demis Hassabis 발언 인용)
“시뮬레이션할 수 있는 것에 한계가 뭔가요? 시뮬레이션을 할 수 있다면 어떤 의미에서는 이해한 것이다.” — Demis Hassabis
출처
- 📎 클리핑: 20260613-ep80-ko-transcript