AI 과학자: 혁신적인 기관 내 개발을 위한 제안

AI Scientists as Engines of Discovery: A Case for Development within Reformed Institutions

능동적인 인공지능(AI) 시스템은 과학적 발견 과정을 지원하고 가속화하며 부분적으로 자동화하는 것을 시작했으며, 문헌 분석, 코드 생성, 데이터 분석, 가설 제안 및 모델 비판과 같은 다양한 작업을 수행합니다. 우리는 이러한 변화가 점진적인 개선이 아닌 질적인 전환이며, 적절하게 설계된 다중 에이전트 시스템이 수동적인 계산 도구에서 과학적 발견 및 검증 능력을 확장할 수 있는 'AI 과학자'로 발전할 수 있다고 주장합니다. 이러한 시스템은 목적에 맞는 과학 생태계 내에서 개발되고 배포되어야 합니다. 즉, 기관은 검증, 책임성, 해석 가능성 및 이중 용도 안전을 위한 재설계를 거쳐야 합니다. 우리는 프로토타입 프레임워크인 extit{Denario}를 예시로 사용하여 다중 에이전트 아키텍처가 어떻게 발견 주기를 가속화하고 인간의 한계를 뛰어넘는 모델 공간을 탐색하는지 설명합니다. 또한 이러한 발전이 저작권, 동료 검토 및 인간 과학자의 지속적인 역할에 어떤 의미를 가지는지 살펴보고, AI를 단순한 도구가 아닌 지식 생성 주체로 규제하기 위한 제안으로 마무리합니다.

Agentic artificial intelligence (AI) systems are beginning to assist, accelerate, and partially automate scientific discovery, performing tasks that span literature synthesis, code generation, data analysis, hypothesis proposal, and model criticism. We argue that this transition is qualitative rather than incremental, and that suitably designed multi-agent systems may evolve from passive computational tools into ``AI scientists'' that can expand the hypothesis-generating and verification capacity of science. Such systems must be developed and deployed within a scientific ecosystem fit for purpose: institutions must be redesigned for verification, accountability, interpretability, and dual-use safety. We sketch how multi-agent architectures, illustrated by the prototype framework \textit{Denario}, accelerate the discovery cycle and traverse model spaces beyond human reach; examine what this implies for authorship, peer review, and the enduring role of human scientists; and close with recommendations for governing AI as an epistemic actor rather than a mere instrument.