정의
2025년 코딩 중심의 AI 발전이 2026년에는 과학 전 분야로 확대되어, verifiable reward 기반의 닫힌 루프(closed loop)가 화학·생물학·물리학 등 실험 과학까지 정복하는 구조적 전환을 말한다.
핵심 속성
- 도메인 확장: 수학(COLT 문제, Terence Tao 협업), 생물학(분자 클로닝 79배 효율), 화학(wet lab 로봇 자동화) 등으로 AI 적용 범위가 급팽창.
- verifiable reward 체계: RLVR(Reinforcement Learning with Verifiable Reward)이 수학·코딩에서 과학 실험까지 확장. 실험 결과를 reward signal로 사용하는 로봇-시뮬레이션 연동.
- 국가적 개입: 미국 Genesis Mission (국방부-백악관 주도)으로 Google DeepMind·Anthropic·OpenAI의 도구를 과학자에게 개방. 아폴로/맨해튼 프로젝트 규모의 과학 AI 인프라 구축.
- 아키텍처 변화: Transformer 중심에서 Mamba+Transformer 하이브리드(NVIDIA Nemotron)로 효율성 혁명. Inference cost가 1/10 이하로 낮아지며 프론티어 접근성 향상.
관계
- 20260607-science-as-game — 하위개념: AI가 과학을 “풀 수 있는 게임”으로 재정의하는 패턴.
- 20260607-nemotron-hybrid-future — 연장: 효율적 아키텍처가 AI 민주화를 가속화하는 메커니즘.
- 20260508-llm-wiki-compounds-with-accumulation — 대조: 기존 LLM 위키 방법론과 과학 특화 접근법의 차이.
인용
“이게 정말 발전 속도가 너무너무 빨라요. 저희가 pre-train과 RLHF 얘기하던 게 사실은 2024년 8월까지고… 이제 이게 넘어갔네요, 과학의 영역으로.”