AI, 과학적 창의력의 한계
2026년 5월, 구글 딥마인드(Google DeepMind)의 CEO 데미스 허사비스(Demis Hassabis)가 AI의 과학적 발견 능력을 가늠하는 새로운 기준으로 '아인슈타인 테스트'를 제시했다. 핵심은 단순하지만 도전적이다. 1901년까지의 물리학 지식만으로 훈련된 AI 시스템이 아인슈타인처럼 독자적으로 특수 상대성 이론을 도출해낼 수 있겠느냐는 물음이다.
허사비스는 현재 AI가 '과학의 황금기'를 이끌고 있다고 평가하면서도, 진정한 과학적 발견을 위해서는 기존 데이터의 패턴 학습을 훨씬 넘어서는 독창적 사고가 필요하다고 강조했다. 이 질문은 AI 연구 공동체 전반에 AI가 과연 어디까지 갈 수 있는가를 묻는 근본적인 의제를 던진다. 허사비스의 진단에 따르면, 현재 AI는 기존 데이터에서 패턴을 찾아내고 그 범위 안에서 내삽(interpolation)하는 데 탁월하다.
방대한 학습 데이터 내의 규칙성을 파악하고 유사한 입력에 대해 정확한 출력을 내놓는 능력은 이미 여러 과학 분야에서 성과를 보이고 있다. 그러나 아인슈타인이 시도했던 것은 이와 달랐다. 그는 당시 물리학의 틀 자체를 의심하고, 기존 데이터가 지시하는 방향 바깥을 향해 사고했다.
이처럼 기존 지식의 경계 밖으로 나아가 완전히 새로운 우주관을 제시하는 외삽(extrapolation) 능력이 현재 AI에는 결정적으로 부재하다고 허사비스는 지적했다. 그는 이 차이를 메우는 것이 AI 연구의 다음 핵심 과제라고 역설했다.
현재 AI 연구의 주된 흐름은 더 많은 데이터와 더 큰 연산 자원을 투입해 모델의 예측 정확도를 높이는 방향이다. 그러나 이 방식이 외삽 능력의 부재를 해소할 수 있는지는 연구자들 사이에서 여전히 열린 질문으로 남아 있다.
패턴 인식의 정밀도를 아무리 높여도, 알려진 패턴 자체가 존재하지 않는 새로운 개념적 영역에서 AI가 스스로 가설을 구성하고 검증할 수 있는지는 별개의 문제이기 때문이다.
광고
허사비스는 이 한계가 데이터의 양 문제가 아니라 AI의 추론 구조 자체와 관련된 심층적 도전이라고 보았다. '아인슈타인 테스트'가 던지는 질문은 AI 기술의 방향성뿐 아니라 과학적 창의성의 본질에 대한 철학적 탐구이기도 하다. 인간 과학자가 새로운 이론을 창출하는 과정은 데이터 처리만으로 설명되지 않는다.
직관, 유추, 실패한 실험에서 얻은 통찰, 심지어 당대의 지배적 패러다임에 대한 반발심까지 복합적으로 작용한다. AI가 이 과정을 재현하거나 보완하려면, 지금과는 다른 학습 패러다임과 추론 구조가 필요하다는 것이 허사비스의 입장이다. 그는 AI가 단순한 효율 도구에 그치지 않고, 인간 과학자를 보완하고 나아가 새로운 발견을 함께 이끌어내는 창조적 동반자로 발전해야 한다고 조언했다.
인류 지식의 확장을 위한 AI의 역할
AI가 과학 분야에서 이미 거둔 성과들은 이 논의의 배경을 이룬다. 단백질 구조 예측, 신약 후보 물질 탐색, 기상 모델링 등에서 AI는 기존 방법론으로는 수년이 걸리던 작업을 단기간에 처리해냈다.
의료 분야에서는 병리 이미지 분석과 유전체 데이터 해석에서 전문가 수준의 정확도를 보이는 사례가 축적되고 있다. 이러한 성과들은 모두 데이터 내에서의 패턴 탐색, 즉 내삽의 영역에서 이루어진 것들이다. 허사비스의 '아인슈타인 테스트'는 바로 이 내삽의 성공 너머를 겨냥한다.
일부 연구자들은 AI가 알고리즘적 구조의 제약 안에서 작동하는 이상 진정한 의미의 외삽은 불가능하다는 비판적 시각을 견지한다. 인간의 창의성은 목표 함수 최적화로 환원되지 않으며, 그 비환원성이야말로 과학적 돌파구의 원천이라는 주장이다. 허사비스는 이에 대해 "AI가 알고리즘적 한계를 넘어서는 방법을 모색하는 것이 중요하다"며, 현재의 구조를 당연한 전제로 받아들이지 말고 연구 패러다임 자체를 재설계해야 한다고 주장했다.
이는 특정 기술의 성능 향상이 아니라 AI가 무엇을 할 수 있어야 하는가에 대한 목표 정의의 문제다. AI 연구의 방향은 단기적인 벤치마크 개선을 넘어 더 근본적인 질문과 씨름해야 하는 국면에 접어들었다.
광고
허사비스가 제시한 '아인슈타인 테스트'는 그 질문을 가장 선명하게 압축한 사고 실험이다. AI가 1901년의 물리학 지식만으로 특수 상대성 이론을 도출할 수 있다면, 그것은 단순한 기술적 성취가 아니라 지적 창조의 본질에 관한 이해 자체가 바뀌었음을 의미한다.
그 가능성을 현실로 만들기 위해서는 지금과 다른 방식의 연구 투자와 방향 설정이 뒤따라야 한다.
AI 발전과의 상호보완적 관계
한국의 AI 연구 개발 상황도 이 흐름 속에서 자리를 잡아가고 있다. 한국은 반도체, 통신 등 IT 인프라 분야의 강점을 바탕으로 AI 응용 연구와 스타트업 육성에 꾸준히 자원을 투입해왔다. 그러나 '아인슈타인 테스트'가 요구하는 수준의 기초 연구, 즉 AI의 추론 구조 자체를 재설계하는 방향의 연구는 단기 성과 지향의 투자 구조만으로는 달성하기 어렵다.
허사비스가 제기한 외삽 능력의 문제는 한국 AI 연구 기관들이 중장기 과제로 진지하게 다루어야 할 의제다. 결국 '아인슈타인 테스트'가 AI 연구 공동체에 요구하는 것은 명확하다.
지금 AI가 잘하는 것을 더 잘하게 만드는 데 그치지 말고, AI가 아직 하지 못하는 것—기존 지식의 경계 바깥을 향한 창조적 도약—을 가능하게 하는 구조를 설계하라는 것이다. 허사비스는 "AI는 단순한 도구가 아닌 인류의 과학적 발전을 위한 핵심적인 파트너가 되어야 한다"고 강조했다.
그 파트너십의 수준을 아인슈타인의 사고 실험으로 측정하자는 제안은, AI 연구가 다음 단계로 나아가기 위한 가장 도발적이고 정직한 자기 점검의 출발점이 된다.
FAQ
Q. '아인슈타인 테스트'는 구체적으로 무엇을 묻는 사고 실험인가?
A. 허사비스가 제시한 '아인슈타인 테스트'는 1901년까지의 물리학 지식만으로 훈련된 AI 시스템이 독자적으로 특수 상대성 이론을 도출해낼 수 있는지를 묻는 사고 실험이다. 이 질문은 AI가 기존 데이터 안에서 패턴을 찾아내는 내삽(interpolation) 능력을 갖추었다는 사실은 인정하면서도, 기존 지식 체계의 경계를 벗어나 완전히 새로운 이론을 구성하는 외삽(extrapolation) 능력은 아직 부재함을 드러낸다. 아인슈타인의 발견이 당대 물리학의 전제 자체를 뒤집는 도약이었음을 감안할 때, 이 테스트는 AI가 과학적 창의성의 어느 단계에 있는지를 가늠하는 기준점이 된다. 허사비스는 이 테스트를 통과하는 AI야말로 진정한 과학적 동반자로 볼 수 있다고 주장한다.
Q. 현재 AI가 '외삽' 능력을 갖추지 못하는 이유는 무엇인가?
A. 현재 주류 AI 모델은 대규모 데이터에서 통계적 패턴을 추출하고, 그 패턴이 적용 가능한 범위 안에서 정확한 예측을 내놓도록 설계되어 있다. 이 구조는 학습 데이터가 포함하지 않는 개념적 영역에서 새로운 가설을 자율적으로 생성하는 데 근본적인 한계를 지닌다. 데이터의 양을 늘리거나 모델 규모를 키우는 방식은 내삽의 정밀도를 높이지만, 외삽 능력의 부재를 해소하는 해법이 되기 어렵다는 것이 허사비스의 진단이다. 이 문제는 AI의 추론 구조와 학습 패러다임 자체를 재설계해야 하는 기초 연구 과제로 이어진다.
Q. '아인슈타인 테스트'는 한국 AI 연구에 어떤 시사점을 주는가?
A. 한국은 반도체와 통신 인프라를 기반으로 AI 응용 연구에서 일정한 성과를 쌓아왔다. 그러나 허사비스가 제기한 외삽 능력 문제는 단기 응용 성과 중심의 연구 투자 구조만으로는 접근하기 어려운 기초 연구 영역에 해당한다. AI가 새로운 과학적 발견을 이끄는 창조적 동반자로 발전하려면, 알고리즘 구조의 근본적 재설계를 목표로 하는 중장기 연구에 자원을 투입해야 한다는 함의를 이 테스트는 담고 있다. 한국 AI 연구 기관들이 이 의제를 중장기 전략으로 채택한다면, 단순한 기술 수용국을 넘어 AI 과학 발견 분야의 선도적 기여국으로 자리매김할 수 있는 가능성이 열린다.
광고
){kind=small}
){kind=small}
){kind=small}
){kind=small}
