구글, 과학 연구용 AI '제미나이 포 사이언스' 공개

과학 연구에서 가장 큰 장벽은 쏟아지는 수백만 편의 논문을 소화하고, 가설을 입증하기 위해 끊임없이 실험 코드를 작성하고 수정하는 작업이었습니다.

Google은 I/O 행사에서 과학 연구 방법론 전체를 가속화하기 위한 AI 도구 모음인 'Gemini for Science'를 Google Labs에 공개했습니다. 이번 발표와 함께 핵심 시스템인 ERA와 Co-Scientist 관련 논문 두 편이 세계적인 학술지 네이처(Nature)에 동시 게재되었습니다.

개별 영역에 특화된 모델을 넘어, 범용 에이전트 시스템으로 연구의 전 과정을 돕겠다는 구상입니다.

AI끼리 토론해 가설을 벼리고, 코드를 수천 번 병렬 검증한다

가장 눈길을 끄는 프로토타입은 Co-Scientist 기반의 '가설 생성(Hypothesis Generation)'입니다.

이 시스템은 단일 챗봇이 아이디어를 내는 방식이 아니라 다중 에이전트 간의 '아이디어 토너먼트'로 작동합니다. 가설을 제안하는 에이전트, 아이디어의 다양성을 확보하는 클러스터링 에이전트, 가상 동료 평가자 역할을 맡아 오류를 비판하는 에이전트가 Gemini 위에서 협업합니다. 대부분의 컴퓨팅 자원을 논문 및 전문 데이터베이스 검증에 쏟아부어, 모든 주장에 실제 클릭 가능한 인용 출처가 붙습니다.

두 번째 프로토타입인 '컴퓨테이셔널 디스커버리(Computational Discovery)'는 ERA와 AlphaEvolve 기술을 결합했습니다.

트리 탐색 방식을 활용해 수천 가지의 코드 변형을 병렬로 생성하고 채점하며 연구용 모델을 최적화합니다. 전염병 예측, 태양광 발전 예측, 탄소 배출 모니터링 등 다양한 분야에서 전문가 수준의 코드 작성 능력을 입증했습니다.

세 번째 도구인 '문헌 인사이트(Literature Insights)'는 NotebookLM을 바탕으로 논문들을 커스텀 속성 비교 표로 재구성하고 보고서나 슬라이드, 오디오 요약본으로 변환해 줍니다.

이와 함께 UniProt, AlphaFold 등 30개 이상의 생명과학 데이터베이스를 결합한 'Science Skills'도 선보였습니다. Google Antigravity 플랫폼에서 수 시간 걸리던 생물정보학 분석을 몇 분 만에 끝낼 수 있으며, 내부 테스트에서는 AK2 유전자 변이와 관련된 희귀 유전 질환의 잠재적 메커니즘을 밝혀내기도 했습니다. 현재 바스프, 바이엘, 다이이찌산쿄 등이 Google Cloud를 통해 사전 테스트 중입니다.

왜 중요한가

Google의 이번 행보는 단일 특화 모델을 내놓던 관행에서 벗어나, 연구의 전체 파이프라인을 에이전트 환경으로 통합했다는 점에서 매우 영리합니다.

과거 AlphaFold가 단백질 구조 예측이라는 특정 과제에 머물렀다면, 이번 도구들은 문헌 검토부터 가설 수립, 코드 실행까지 연구자가 일상에서 겪는 병목을 직접 겨냥합니다. 개인 연구자나 소규모 연구실 입장에서는 다수의 연구원을 동원해야 겨우 가능했던 사전 탐색 작업을 혼자서도 빠르게 수행할 수 있게 되므로, 즉시 대기자 명단에 등록해 시험해 볼 가치가 충분합니다.

하지만 잠재적인 맹점도 존재합니다. 다중 에이전트 토너먼트가 기존 문헌 데이터와의 정합성을 기준으로 아이디어를 채점하다 보면, 기존 상식을 완전히 뒤엎는 혁신적인 가설이 초기 단계에서 조기 탈락할 위험이 있습니다.

그럼에도 불구하고 Google이 네이처 논문 발표와 엔터프라이즈 파트너십을 동시에 확보하며 연구 생태계에 깊숙이 파고드는 전략은, 단순 챗봇 경쟁에 머무르는 경쟁사들에게 상당한 압박이 될 것으로 보입니다.