
이미지: 영상 갈무리
요약
- Ai2는 11월 19일 이론 생성 에이전트 Theorizer를 연구용 AI 플랫폼 Asta에 정식 공개하고 코드를 오픈소스로 풀었다. 웹 화면에서는 일정 한도까지 토큰 비용을 Ai2가 부담한다.
- Theorizer는 질문 하나에 최대 100편의 논문을 읽고 법칙·범위·근거로 묶인 이론을 내놓는다. 폐암, 뇌과학, 페루 이슬점 기록, 안데스 토종 감자 연구에 쓰였다.
- 1월 기술 보고서에서 2,983개 법칙을 이후 논문 4,554편과 대조한 결과, 논문 근거 방식이 모델 기억만 쓴 방식보다 예측력이 높았지만 비용은 7배 가까이 들었다.
- 공개
- 2026년 11월 19일 · Asta 정식 탑재 · 코드 오픈소스 · 웹 화면은 일정 한도까지 토큰 비용 Ai2 부담
- 공동 개발
- 과학자들이 1년 가까이 자기 연구에 시험
- 방식
- 질문당 최대 100편 논문 · 질문 맞춤 추출 양식 · 법칙·범위·근거 묶음
- 1월 데이터셋
- 논문 1만 3,744편 → 이론 2,856개(질문 100개)
- 폐암 사례
- 시드 데바라콘다 · 드라이버 음성 폐선암(20~30%) · 가설 3개 · DREAM 복합체 · CDK2 예비 근거
- 뇌과학 사례
- 제롬 르코크 · VIP 사이신경세포 · 후보 이론 50개(예상 1~2개) · 공식 영상 2분 17초
- 페루 이슬점 사례
- 국제감자센터 PISCO · 이슬점 2016년 종료 · 복원값 35도 초과·11월 집중 · 가설 기각 뒤 원인 규명
- 안데스 감자 사례
- 빌마 우알라 · 여섯 시기 · 1941~60→1961~80 전환만 품종 감소 · 1969년 농지개혁 검토
- 백테스트
- 법칙 2,983개 × 논문 4,554편 · 1만 6,713회 대조 · 정밀도 0.88~0.90 · 재현율 0.51 대 0.45
- 비용
- 모델 기억 방식 대비 7배 가까이 · 질문당 15~30분
- 웨비나
- 12월 10일 과학자 대상
앨런AI연구소(Ai2)가 11월 19일 논문을 읽고 검증 가능한 과학 이론을 제안하는 이론 생성 에이전트 Theorizer를 연구용 AI 에이전트 플랫폼 Asta에 정식으로 올리고 코드를 오픈소스로 공개했다. Asta 웹 화면에서 쓰면 일정 한도까지 Ai2가 토큰 비용을 부담하고, 자기 컴퓨터에서 돌리려는 연구자는 공개 라이브러리를 내려받아 토큰 값만 내면 된다. Ai2는 과학자들이 1년 가까이 자기 연구에 직접 써 보며 Theorizer를 함께 다듬었다고 밝혔다.
Theorizer는 질문 하나를 받으면 관련 논문을 찾아 읽고, 여러 연구에서 공통으로 성립하는 규칙성을 뽑아 이론으로 정리한다. 각 이론은 법칙, 그 법칙이 성립하는 범위, 그 근거가 된 논문 속 실험 결과라는 세 덩어리로 묶여 나온다. 질문 하나에 최대 100편의 논문을 모으고, 질문에 맞춘 추출 양식을 스스로 만든 뒤 논문마다 그 양식을 채운다. Ai2는 1월 28일 이 방법을 처음 공개하면서 1만 3,744편의 논문으로 2,856개 이론을 만든 데이터셋도 함께 내놓았다. 메탈은 Ai2가 AutoDiscovery로 면역 치료가 듣지 않던 유방암에서 신호를 찾은 연구를 보도한 바 있다.
정식 공개 글의 첫 사례는 폐암이다. 프로비던스 스웨디시 암연구소에서 흉부종양 임상·연구 프로그램을 이끄는 시드 데바라콘다 의료부장은 폐암에서 가장 흔한 아형인 폐선암 가운데 이른바 드라이버 음성 종양을 Theorizer로 들여다봤다. 폐선암 대부분은 세포 성장을 부추기는 RAS 신호 경로를 켜는 유전자 변이를 갖고 있지만, 20~30%는 포괄적 유전체 분석으로도 알려진 원인 변이가 나오지 않는다. 데바라콘다는 첫 이론 묶음을 받아 본 다음 날을 떠올리며 "잠깐, 이건 정확히 내 생각이다. 그리고 이렇게 생각하기까지 15년이 걸렸다"고 말했다.
Theorizer는 몇 차례 반복 끝에 세 가지 가설을 내놨다. 표준 염기서열 분석이 놓친 숨은 변이가 RAS 신호를 켜고 있다는 가설, RAS에 기대지 않고 세포를 분열시키는 다른 엔진이 있다는 가설, 일부 종양이 다른 세포의 성질을 띠면서 전형적인 폐선암처럼 행동하지 않게 됐다는 가설이다. 데바라콘다와 Asta 팀은 가설을 데이터로 시험하는 코드를 쓰고 실행하는 AutoDiscovery로 공개 종양 데이터베이스인 암 유전체 아틀라스를 분석했고, 세포 분열을 억제하는 단백질 묶음인 DREAM 복합체의 교란이 성장을 설명할 수 있다는 단서를 얻었다. 실험실 배양 암세포 데이터로 이어 간 분석에서는 RAS 활성이 낮은 일부 암이 세포 분열 단백질 CDK2에 의존할 수 있다는 예비 근거가 나왔다.
데바라콘다는 이 결과가 아직 실험 검증을 거쳐야 한다고 선을 그었고, 장기 목표를 임상시험으로 옮길 수 있는 아이디어를 찾는 데 뒀다. 그는 이런 도구를 쓰는 일을 아이언맨 슈트에 빗대 "슈트는 훌륭하지만 그 안에는 여전히 사람이 있어야 한다. 자원을 어디에 쓸지 정하고 무엇이 이뤄지고 있는지 이해하는 문제이기 때문"이라고 말했다.

두 번째 사례는 뇌과학이다. 앨런연구소에서 생쥐 뇌 활동 기록 기법을 개발하는 제롬 르코크 부연구원은 다른 뉴런의 활동을 누르는 VIP 사이신경세포를 주제로 초기 버전을 시험했다. 한두 개를 예상했던 그에게 Theorizer는 후보 이론 50개를 돌려줬다. 메탈이 확인한 Ai2 공식 영상은 2분 17초 분량으로, 르코크는 여기서 "몇 분이면 논문을 다 읽지 않고도 현재 이해와 맞는 이론을 얻을 수 있다"고 말했다. 그는 생물학의 엄밀함도 요구했다. 르코크는 "생물학에서 이론을 말할 때는 표현을 극도로 조심한다. 이 맥락, 이 행동에서는 참이지만 다른 행동에서는 정반대일 수 있다고 말한다"며 실험 조건이 주장에 그대로 남도록 해 달라고 Asta 팀에 요청했다.
페루 국제감자센터의 사례는 틀린 가설이 쓸모를 보인 경우다. 데이터 과학자 피에로 팔라시오스와 시스템·데이터 관리 책임자 헨리 후아레스는 관측소 자료로 페루 전역 기후를 추정하는 데이터셋 PISCO의 이슬점 기록을 늘리려 했다. 이슬점 기록은 2016년에 끝나고 최저기온 기록은 2020년까지 이어져, 두 사람은 겹치는 기간으로 빠진 4년을 복원했다. 그런데 일부 복원값이 섭씨 35도를 넘었고 11월에 몰렸다. Theorizer는 아마존이 건기에서 우기로 넘어가며 습도가 오른다는 설명을 내놨고, 데이터로 시험하자 이 설명은 기각됐다. 두 사람은 "구체적이고 반증 가능한 메커니즘이 눈앞에 있었기에 관측소와의 거리별로 11월 급등을 재 보게 됐다"며 "그 분석이 실제 답을 냈다"고 밝혔다. 원인은 원본 데이터셋이 관측소에서 먼 곳의 기후를 추정하는 방식에 있었다.
같은 센터의 데이터 관리 전문가 빌마 우알라는 안데스 파우카르탐보의 한 세기 치 기록을 여섯 시기로 나눠 토종 감자 품종을 비교했다. 대부분의 시기 전환에서는 새로 기록된 품종이 사라진 품종보다 많았지만, 1941~60년에서 1961~80년으로 넘어갈 때만 사라진 품종이 더 많았다. Theorizer가 낸 설명을 검토한 연구팀은 보고서 초안에서 1969년 농지개혁과 상업 생산으로의 전환을 가능한 원인 가운데 하나로 다뤘고, 사료의 차이가 품종 감소처럼 보이게 했을 가능성도 함께 따졌다.
Theorizer의 방법론은 1월 기술 보고서에서 수치로 시험됐다. Ai2는 생성 모델 GPT-4.1의 지식 기준일 뒤 최근 6개월치 논문을 남겨 두고, 2,983개 법칙을 4,554편의 논문과 1만 6,713번 대조했다. 정확성 위주 생성에서는 논문 근거를 쓴 방식과 모델 기억만 쓴 방식 모두 정밀도가 0.88~0.90이었지만, 재현율은 0.51 대 0.45로 논문 근거 쪽이 높았다. 새로움 위주 생성에서는 격차가 커져 정밀도가 0.34에서 0.61로, 재현율이 0.04에서 0.16으로 올랐다. 대가도 있었다. 논문 근거 방식은 모델 기억만 쓰는 방식보다 비용이 7배 가까이 들고, 질문 하나에 15~30분이 걸린다. Ai2는 Theorizer가 관련 연구를 놓치거나 새로움을 잘못 판단할 수 있어 어떤 아이디어를 시험할지는 연구자가 근거를 보고 정해야 한다고 밝혔다.
사회학의 눈으로 보면 이번 공개에서 눈에 띄는 대목은 이론을 만드는 일의 분업이 바뀌는 방식이다. 과학 지식은 지금까지 한 연구자가 수년에 걸쳐 문헌을 읽고 몸에 쌓은 판단으로 이론이 됐다. 르코크는 영상에서 연구실마다 따로 섬을 찾고 그 섬의 산을 오르는 지금의 과학을 묘사하며, 이런 도구가 넓게 훑는 일을 맡고 사람은 맞는 섬을 찾은 뒤 더 깊이 파게 될 것이라고 봤다. 데바라콘다의 15년과 Theorizer의 몇 분이 같은 결론에 닿았다는 사실은 문헌 종합이라는 노동이 기계로 넘어가는 신호다. 그러나 네 사례 모두에서 무엇을 믿고 무엇을 버릴지 정한 것은 데이터를 가진 연구자였다. Ai2가 12월 10일 과학자 대상 웨비나를 여는 것도 그 판단의 자리를 어디에 둘지 함께 정하자는 초대에 가깝다.





댓글