의도 형성 및 의미 구성: AI 기반 수학적 발견을 통한 인간-AI 상호작용

Intentmaking and Sensemaking: Human Interaction with AI-Guided Mathematical Discovery

인공지능은 과학적 발견을 위한 강력한 새로운 도구를 제공하지만, 이러한 시스템을 효과적으로 활용하기 위한 상호작용 방식은 아직 충분히 연구되지 않았습니다. 본 논문에서는 11명의 숙련된 수학자가 AlphaEvolve라는 진화적 코딩 에이전트를 사용하여 자신의 전문 분야의 고급 문제를 해결하는 초기 사용자 연구 결과를 제시합니다. 우리는 '의도 형성(intentmaking)'이라는 독특한 워크플로우를 식별하고 분석하는데, 이는 사용자가 시스템과의 적극적인 상호작용을 통해 실험 목표를 발견, 정의 및 개선하는 반복적인 과정입니다. 우리는 이를 '의미 구성(sensemaking)'의 자연스러운 확장으로 규정하는데, 이는 복잡하거나 새로운 데이터에 대한 이해를 구축하는 인지 과정입니다. 우리의 연구 결과는 사용자가 의도 형성(실험 정의 및 업데이트)과 의미 구성(결과 해석)의 주기를 반복하며 연구를 진행한다는 것을 시사합니다. 이러한 연구 결과는 기존의 많은 시스템에서 사용되는 질문/답변 모델을 넘어, AI 도구를 과학적 발견을 위한 협업 도구로 설계하는 접근 방식을 제안하며, 단순히 불투명한 블랙박스 지원 도구로 활용하는 것을 넘어섭니다.

Artificial intelligence offers powerful new tools for scientific discovery, but the interaction paradigms required to effectively harness these systems remain underexplored. In this paper, we present findings from a formative user study with 11 expert mathematicians who used AlphaEvolve, an evolutionary coding agent, to tackle advanced problems in their fields of expertise. We identify and characterize a distinct workflow we term intentmaking, the iterative process of discovering, defining, and refining one's experimental goals through active system interaction. We frame this as a natural extension to sensemaking, the cognitive process of building an understanding of complex or novel data. We suggest that users enter a cycle of intentmaking (defining and updating their experiment) and sensemaking (interpreting the results) which repeats many times during the course of an investigation. Our documentation of these themes suggests an approach to designing AI tools for scientific discovery that goes beyond the existing question/answer model of many current systems, treating them as collaborative instruments rather than opaque black-box assistants.