https://arxiv.org/abs/2511.02824


"코스모스: 자율적 발견을 위한 AI 과학자"라는 논문은 데이터 기반의 과학적 발견 과정을 자동화하는 혁신적인 인공지능 시스템을 소개합니다. 코스모스는 과학자가 제시한 개방형 연구 목표와 데이터셋을 기반으로, 최대 12시간 동안 자율적으로 연구를 수행하여 새로운 과학적 발견을 도출하고 이를 보고서 형태로 종합하는 AI 과학자입니다. 기존의 AI 에이전트들이 여러 단계의 작업을 수행하며 일관성을 잃거나 특정 분야에 국한되는 한계를 보인 반면, 코스모스는 '구조화된 세계 모델'이라는 핵심적인 혁신을 통해 이를 극복합니다. 이 세계 모델은 데이터 분석 에이전트와 문헌 연구 에이전트가 병렬적으로 수행한 작업의 결과를 지속적으로 통합하고 공유하는 중앙 허브 역할을 함으로써, 장시간에 걸친 복잡한 연구 과정에서도 목표와 방향성을 일관되게 유지하도록 돕습니다.

코스모스의 작업 흐름은 과학자가 연구 목표와 데이터셋을 제공하는 것으로 시작됩니다. 각 주기마다 코스모스는 최대 10개의 데이터 분석 및 문헌 연구 작업을 병렬적으로 실행하고, 수행된 작업의 결과는 코드, 분석 결과, 문헌 요약 등의 형태로 세계 모델에 체계적으로 저장 및 요약됩니다. 이를 바탕으로 코스모스는 연구 목표 달성에 필요한 다음 단계의 작업들을 스스로 제안하며, 최종적으로 목표가 달성되었다고 판단되면 세계 모델에 축적된 핵심 발견들을 종합하여 3~4개의 과학 보고서를 작성합니다. 이 보고서의 모든 문장과 그림은 그것을 뒷받침하는 데이터 분석 코드나 원본 연구 문헌을 직접 인용하여 모든 추론 과정의 투명성과 재현성을 보장합니다.

코스모스의 성능은 기존 시스템을 압도하는데, 한 번의 실행에서 평균적으로 42,000줄 이상의 코드를 작성하고 1,500편의 논문을 읽습니다. 외부 전문가들의 검증 결과, 코스모스가 작성한 보고서 문장의 약 80%가 정확한 것으로 확인되었으며, 한 번의 실행이 평균 4.1개월 분량의 전문가 연구 시간과 맞먹는 것으로 추산되었습니다. 실제 연구 협력자들은 코스모스가 20주기 동안 수행한 연구 결과가 인간 연구팀이 6개월 이상 걸려 얻어낼 수 있는 성과와 동등하다고 평가했고, 실행 시간이 길어질수록 가치 있는 발견의 수도 선형적으로 증가함을 확인했습니다.

논문은 코스모스의 실제 능력을 입증하기 위해, 여러 과학 분야에서 이뤄낸 7가지 구체적인 발견 사례를 제시합니다. 첫 번째 사례로, 코스모스는 뇌 저체온증 상태의 대사 메커니즘을 규명하는 과정에서 '뉴클레오타이드 회수 경로'가 핵심적인 역할을 한다는 사실을 미발표 원고의 내용과 거의 완벽하게 일치하도록 독립적으로 재현했습니다. 재료과학 분야에서는 페로브스카이트 태양전지의 성능을 결정하는 가장 중요한 요인이 '열처리 공정 시의 절대 습도'임을 밝혀냈고, 나아가 원본 연구팀이 인지하지 못했던 새로운 물리적 관계를 발견하여 실험적으로 검증받기도 했습니다. 또한, 여러 동물의 신경망 데이터를 분석하여 신경세포의 연결 구조가 기존에 알려진 멱법칙이 아닌 로그-정규 분포를 따른다는 것을 원본 논문 참조 없이 독립적인 추론만으로 재현해냈습니다.

나아가 코스모스는 최신 분석 기법을 자율적으로 적용하는 능력도 보여주었습니다. 복잡한 유전체 데이터를 멘델 무작위 분석 기법으로 분석하여, 순환하는 'SOD2' 단백질이 심근 섬유화를 인과적으로 감소시킨다는 사실을 인간 연구팀의 결과와 거의 동일하게 밝혀냈습니다. 제2형 당뇨병 연구에서는 다중오믹스 데이터를 분석하기 위해 자체적으로 '기전 순위 점수'라는 평가 지표를 개발하고, 이를 통해 특정 유전 변이가 췌장 세포의 유전자 발현을 조절하여 당뇨 위험을 낮춘다는 구체적인 가설을 제시했으며, 이 가설은 외부 데이터에 의해 지지되었습니다.

특히 코스모스는 기존에 없던 새로운 분석 방법을 스스로 고안하기도 했습니다. 알츠하이머병 연구에서 단백질체 데이터의 시간적 변화를 분석하던 중, 기존 분석법의 한계를 인지하고 '분절 회귀 분석'이라는 새로운 접근법을 제안하여 세포외기질의 붕괴가 타우 단백질 축적 직후 특정 시점에 발생한다는 '변곡점'을 정량적으로 찾아냈습니다. 가장 주목할 만한 발견은 인간 연구자들이 인지하지 못했던 완전히 새로운 발견을 해낸 것입니다. 노화된 뇌의 유전자 데이터를 분석하여, 특정 뇌 영역의 뉴런들이 세포막의 비대칭성을 유지하는 '플리파제' 효소 기능 상실로 인해 '나를 먹어라' 신호를 외부에 노출시키고, 이로 인해 주변 면역세포에 의해 선택적으로 제거된다는 새로운 노화 취약성 기전을 최초로 제시했으며, 이 발견은 후속 검증을 통해 임상적 유의미성까지 확인되었습니다.

이러한 성공 사례에도 불구하고, 논문은 코스모스가 인간 과학자를 대체하는 것이 아니라, 그들의 연구를 가속하고 증강시키는 '루프 속의 과학자' 모델을 지향한다고 말합니다. 인간은 고품질 데이터를 제공하고 코스모스의 결과를 비판적으로 해석하며, 코스모스는 방대한 탐색을 통해 인간이 놓칠 수 있는 통찰을 제공하는 상호 보완적인 관계를 형성합니다. 물론 코스모스에도 대용량 데이터 처리의 어려움이나 결과의 확률성, 그리고 최종 결과물의 가치 판단을 전문가에게 의존해야 하는 명확한 한계는 존재합니다.

결론적으로, 코스모스는 구조화된 세계 모델이라는 혁신을 통해 여러 AI 에이전트를 효과적으로 조율함으로써, 단 한 번의 실행만으로 수개월에 달하는 인간의 연구 작업을 자율적으로 수행하고 다양한 과학 분야에서 검증 가능한 발견을 이끌어낼 수 있음을 최초로 입증한 시스템입니다. 이는 데이터 기반 과학 발견의 규모와 속도를 획기적으로 확장할 수 있는 잠재력을 보여주는 중요한 이정표라 할 수 있습니다.


AI 2027 에서 말하는 AGENT - 0 가 얘 에 해당하는 모델인듯 



20b8c434a8d720b26bb1d2b0129c2a32cce12842eb2e2cb8bf646fbbe28757983de8c6fdaac4b804727dc77efbc48fd7281e15f22ea2896dd1c17492e72abb