정의
AI 과학 가속화 패러다임이란 verifiable reward가 정의 가능한 모든 도메인(수학, 생물학, 화학, 물리학 등)에서 RLVR(Reinforcement Learning from Verifiable Reward) 기법을 적용하여 코딩에서 입증된 self-play scaling을 과학 영역으로 확장하는 현상이다. 2025년 코딩의 해를 넘어 2026년 과학의 해로 이행하는 핵심 기제다.
핵심 속성
- Verifiable Reward 조건: 도메인이 formal verification이 가능한 문제(수학 증명, 분자 클로닝 효율, 실험 결과 재현성 등)를 가져야 RLVR 적용이 가능하다.
- 인간의 역할 전환: 문제를 푸는 ‘발판 제공자’에서 ‘검증자’로 이동. GPT-5.2가 COLT 문제를 풀 때 인간은 수학적 발판 대신 검증과 명확한 글쓰기에 집중했다.
- 로봇-시뮬레이션 통합: Wet lab(생물학 실험실)에서 로봇이 실제 실험을 자동화하고, Genie-SIMA 같은 world model이 가상 환경에서 무한 탐색을 가능하게 한다.
- 국가적 프로젝트 동원: Genesis Mission(미국 국방부 주도)으로 AI 연구소(Google DeepMind, OpenAI, Anthropic)의 과학 도구가 국가 과학자들에게 개방된다.
관계
- 20260607-agi-purpose-loss-question — 상위개념: AGI 이후 철학적 질문의 원천이 되는 기술적 기반
- 20260607-mamba-transformer-hybrid-biological-convergence — 연장: 하드웨어 효율화가 과학 가속화의 연료를 공급
인용
“모든 게 고전 컴퓨터로 복제 가능하다. 시뮬레이션할 수 있는 것에 한계가 뭔가? 시뮬레이션을 할 수 있다면 어떤 의미에서는 이해한 것이다.” — Demis Hassabis
“결국 코딩이나 수학이라든지 논리가 지배하는 부분, 그런 부분들은 거의 정복이 돼 왔고 이제 과학의 영역으로 넘어갔다.” — 노정석
출처
- 📎 클리핑: 20260613-ep80-ko-transcript