AI는 아인슈타인의 발자취를 따를 수 있을까?

Can AI Follow In Einstein's Footsteps?

AI는 물리학 연구의 속도를 가속화하고 있지만, 어쩌면 아인슈타인 수준의 이론 구축과는 거리가 멀 수 있습니다. 이러한 간극을 이해하기 위해서는 주목할 만한 경향을 인식해야 합니다. 현재 AI가 물리학 연구에 기여하는 방식은 매우 성공적이지만, 가장 눈에 띄는 부분은 역사적인 물리학 발전 과정을 역전시킨 것처럼 보입니다. 인간의 물리학적 발견은 광범위하게 고대 패턴 예측에서 시작하여 케플러의 법칙과 같은 현상론적 법칙을 거쳐 상대성 이론 및 표준 모형과 같은 원리 기반의 보편적 이론으로 발전했습니다. 반면, AI의 주목할 만한 기여는 초기에는 상징 회귀와 같은 명시적인 방정식 발견 방법을 강조했지만, 최근에는 AlphaFold나 GraphCast와 같이 놀랍도록 정확하지만 명확한 이론적 이해를 제공하지 않는 강력한 예측 모델이 등장하고 있습니다. 이러한 추세가 지속된다면 AI는 예측 능력은 매우 뛰어나겠지만, 양자 중력이나 다른 패러다임 수준의 이론을 제안하는 데 어려움을 겪을 수 있습니다. 본 연구에서는 현재 물리학 연구에 활용되는 AI 기술의 현황을 검토하고, 중요한 결여 요소인 '올바른 질문을 던지거나 새로운 이론 개발 및 검증을 위한 올바른 원리를 창조하는 능력'에 주목합니다. 이러한 발견 방식은 17세기 이후 수많은 심오한 발전을 이끌어냈으며, 대칭성, 단순성, 그리고 새로운 수학적 프레임워크가 실험적 검증 전에 이론 구축을 인도했습니다. AI 시스템에 이러한 능력을 부여함으로써, 기존의 틀 내에서 예측하는 것을 넘어 물리학 분야의 차세대 패러다임을 제안할 수 있도록 발전시킬 수 있습니다.

AI is accelerating physics discovery, but perhaps away from Einstein-level theory building. To understand this gap, we must recognize a striking trend: while being very successful, the most visible AI contributions to physics discovery appear to mirror the historical development of physics, but in reverse. Human discovery in physics progressed, in broad strokes, from ancient pattern prediction, through phenomenological laws such as Kepler's, to principle-based universal theories such as relativity and the Standard Model. On the AI side, prominent contributions to physics discovery point in the opposite direction: early milestones emphasized explicit equation-discovery methods, such as symbolic regression, whereas more recent frontier contributions are powerful predictors such as AlphaFold and GraphCast, which can be remarkably accurate yet do not provide clear theoretical understanding. If this trend continues, AI would become extraordinarily good at prediction but may struggle to ever propose its first serious contender to quantum gravity or other paradigm-level theories. We review the current landscape of AI for physics discovery and highlight a critical missing skill: the ability to pose the right questions or invent the right principles to guide the development of new theories and the tests to falsify them. This mode of discovery has driven many of the deepest advances since the 17th century, where symmetry, simplicity, and new mathematical frameworks guided theory construction before experimental tests. Equipping AI systems with such skills could move them from predicting within known frameworks to proposing the next paradigm-level discovery in physics.