전문가, AI와 DeSci로 과학 영원히 변화?

같은 분야의 동료들에게 결과물에 대한 검토를 받는 피어 리뷰(peer review)는 과학 연구의 중요한 부분입니다. 이는 연구 결과가 출판되기 전에 진실성과 정확성을 보장하는 데 중요한 역할을 합니다. 그러나 동료 검토 과정은 인간에 의해 수행되며, 인간은 필연적으로 실수를 합니다. 하지만 새로운 기술이 이를 해결할 열쇠를 제공할 수 있습니다.

BeInCrypto는 YesNoError 공동 창립자 매트 슐리히트와 미라 네트워크 CEO 매그너스 브랫과 대화하여 인공지능(AI)과 탈중앙화 과학(DeSci)이 동료 검토 과학 과정을 어떻게 변화시키는지 이해했습니다.

잘못된 감독의 대가

가장 똑똑한 사람들도 실수를 합니다. 과학에서는 이러한 실수가 엄청난 결과를 초래할 수 있습니다. 역사는 최근과 과거 모두 이를 여러 번 증명했습니다.

1998년, NASA는 화성 기후 탐사선을 발사하여 행성의 대기를 연구했습니다. 이 프로젝트에는 1억 2천 5백만 달러의 투자와 거의 10개월의 여행이 필요했습니다.

도착 후, 탐사선은 불타고 고장 났으며, NASA는 곧 이 임무를 실패로 간주했습니다. 가장 아쉬운 점은 임무의 실패가 단순한 항법 오류로 추적되었다는 것입니다.

제트 추진 연구소(JPL)가 이끄는 항법 팀은 계산에 미터법 단위를 사용했습니다. 한편, 우주선의 설계자이자 제작자인 록히드 마틴은 중요한 가속도 데이터를 영국식 단위로 제공했습니다.

록히드 마틴이 영국식 단위를 미터법으로 변환하지 않은 것이 우주선이 화성에 너무 가까이 접근하여 도착 시 불타게 된 중요한 오류를 설명했습니다.

“전통적인 동료 검토는 본질적으로 인간의 오류와 주관성에 의해 제한됩니다. 검토자는 개인적인 편견, 상충되는 이해관계, 또는 단순히 수동적인 검토의 한계로 인해 중요한 방법론적 결함이나 통계적 실수를 간과할 수 있습니다.” – 매그너스 브랫, BeInCrypto와의 인터뷰에서.

후속 조사에서는 항법 계산에 대한 엄격하고 독립적인 동료 검토의 부족이 단위 변환 오류가 간과된 원인으로 밝혀졌습니다. 그러나 최근에도 동료 검토 메커니즘이 이러한 단순한 오류를 해결하지 못한 사례가 있었습니다.

과학에서 최근 인간 오류 사례

동료 검토된 과학 연구에서 인간의 오류의 범위를 보여주는 가장 최근의 사건 중 하나는 작년에 발생했습니다. 10월, 환경 화학 저널 Chemosphere에 발표된 연구는 전자 난연제가 주방용품과 같은 일부 검은색 플라스틱 가정용품에 존재한다고 밝혔습니다.

이 연구는 The Atlantic과 National Geographic과 같은 매체에서 소비자들에게 검은색 플라스틱 주방용품을 버리라고 촉구하는 수많은 보도를 촉발했습니다. 또한 SNS에서 대중의 우려를 불러일으켰습니다.

그러나 12월, 30센트와 30초 만에 OpenAI 쿼리가 연구 결과를 검토하여 저자들이 0을 놓쳤다는 것을 발견했습니다.

“우리는 60kg 성인의 기준 용량을 잘못 계산하여, 처음에는 42,000ng/일로 추정했으나, 실제로는 420,000ng/일이었습니다.”라고 수정 사항에 명시되었습니다.

원래 연구에는 10배의 큰 오류가 있었습니다. 특정 독소에 대한 노출이 법적 한도의 80%라고 명시되었으나 실제로는 8%에 불과했습니다. 즉, 이 오류는 이러한 독소에 대한 노출을 크게 과대평가했습니다.

“저는 동료 평가의 가장 큰 한계는 인간이 실수를 한다는 점이라고 말하고 싶습니다. 이들은 매우 똑똑한 사람들입니다. 이 기사는 어디에나 게재되었습니다. 두 달 동안 수백만 명이 이 기사를 보았지만 아무도 이 오류를 발견하지 못했습니다. 이 논문을 OpenAI의 최신 모델에 보내고 ‘이 논문에 오류가 있습니까?’라고 묻는다면, 약 30센트와 30초 만에 즉시 ‘예’라고 대답합니다.” – 슐리히트.

이 사건에 대한 반응으로, AI와 DeSci의 지지자들은 전통적인 과학 접근 방식의 결함을 지적했습니다.

AI와 DeSci로 동료평가 재구상

동료 평가의 개념은 수세기 동안 존재해 왔습니다. 시작 이후 여러 변화를 겪었습니다.

“동료 평가는 우리가 오늘날 알고 있는 공식적이고 익명의 과정이 항상 아니었습니다. 과학 저널의 초기 시절(1600년대 중반)에는, 헨리 올덴버그와 같은 편집자들이 외부 전문가와 상의하지 않고 출판할 것을 결정했습니다. 18세기와 19세기에 과학 공동체가 확장되면서, 비공식적인 토론과 내부 평가가 점차 체계적인 관행으로 발전했습니다. 20세기 중반에 연구 결과가 폭발적으로 증가하면서, 저널은 품질과 공정성을 유지하기 위해 구조화된 외부 동료 평가(종종 익명의 평가자와 함께)를 채택했습니다. 오늘날 우리는 투명성, 효율성, 엄격함을 균형 있게 유지하려는 지속적인 노력을 반영하는 단일 및 이중 블라인드 리뷰에서 공개 및 사후 출판 리뷰에 이르기까지 다양한 모델을 보고 있습니다.” – 브랫.

DeSci는 전통적인 과학 연구 접근 방식에서 발생하는 중요한 문제를 해결하기 위해 Web3 기술 솔루션을 찾기 위해 시작되었습니다. 그 결과, AI 에이전트는 동료 평가 메커니즘에 인간 오류가 미칠 수 있는 잠재적인 재앙적 결과에 대한 명백한 해결책이 되었습니다.

“인공지능은 오류, 불일치, 표절을 자동으로 감지하고, 원고를 가장 적합한 평가자와 매칭하여 편견을 줄이고 평가자의 업무 부담을 완화할 수 있습니다. 탈중앙화 과학 플랫폼은 블록체인이나 유사한 기술을 사용하여 리뷰 기록을 투명하게 기록하고, 크라우드 소싱 평가를 가능하게 하여 책임성과 신뢰를 높일 수 있습니다. 이러한 도구들은 동료 평가를 간소화하고 개선하여 더 빠르고 신뢰할 수 있는 품질 관리를 보장합니다.” – 그가 덧붙였습니다.

이러한 신기술은 과학적 리뷰에 대한 기여를 더 쉽게 접근할 수 있게 만들었습니다.

“탈중앙화 과학과 인공지능은 동료 평가의 비용을 크게 줄이고, AI가 이를 훨씬 빠른 속도로 수행할 수 있게 함으로써 동료 평가를 크게 도울 수 있습니다. DeSci는 모든 사람에게 무한한 동료 평가를 즉시 받을 수 있는 능력을 줄 수 있습니다.” – 슐리히트.

효율성, 속도, 탈중앙화, 비용 절감은 지금까지 해결되지 않은 복잡한 과학적 문제를 해결할 새로운 길을 열 수 있습니다.

AI로 과학 발전 가속화

AI와 같은 신기술은 암 연구, 인간 수명 연장, 알츠하이머병 등 복잡한 과학적 도전에 유망한 새로운 접근법을 제공합니다.

수세기에 걸친 인간 연구 덕분에 오늘날 전 세계 저널에서 수백만 건의 과학 기사가 출판되고 있으며, 이는 방대한 양의 데이터로 이어집니다. AI 에이전트는 현재 인간이 불가능한 속도로 기존 데이터 세트를 저장, 필터링, 분석할 수 있습니다.

“인공지능은 암 연구를 변혁하고 있으며, 효과적인 치료법 발견을 가속화하는 데 엄청난 가능성을 가지고 있습니다. AI 도구는 이미 방대한 데이터 세트를 신속하게 분석하여 유전적 마커와 새로운 약물 표적을 발견하고, 암이 어떻게 진화하는지를 모델링하며, 혁신적인 치료 조합을 제안하는 데 있어 매우 귀중한 역할을 하고 있습니다. 이러한 돌파구는 초기 발견 단계를 가속화할 뿐만 아니라 임상 시험 설계를 최적화하고 환자 반응을 점점 더 정확하게 예측하고 있습니다. 암은 여전히 복잡한 질병 집합이지만, AI의 영향이 커지면서 치료 목표가 점점 더 달성 가능해지고 있으며, 전체 연구 커뮤니티에 활력을 불어넣고 있습니다.” – 브랫, BeInCrypto에.

슐리히트의 YesNoError (YNE)는 모든 기존 과학 문헌을 체계적으로 감사하기 위해 고급 대형 언어 모델(LLM)을 활용하는 탈중앙화 이니셔티브를 위한 백서를 작성했습니다. YNE 토큰은 토큰 보유자가 어떤 프로젝트가 우선순위를 받아야 하는지 투표할 수 있는 경제 모델에 기반을 두고 있습니다.

AI 에이전트는 간단한 계산 실수부터 데이터 위조까지 오류를 스캔하는 책임을 맡고 있습니다. 이 프로젝트의 더 넓은 목표는 연구자, 기관, 대중이 접근할 수 있는 과학적 주장을 검증하는 도구를 개발하는 것입니다.

“수명 연장에 관한 연구 논문이 얼마나 많이 작성되었습니까? 백만 건이라고 가정해 봅시다. 당신이 수명 연장에 중점을 둔 연구소라고 가정해 봅시다. 백만 건의 논문을 단순히 읽는 것뿐만 아니라, 그것들을 정확하게 분석하고 데이터를 종합하는 데 필요한 팀의 규모는 인간의 관점에서 불가능합니다. 그러나 AI 에이전트 시스템을 설계하여 백만 건의 논문을 기본적으로 즉시 읽을 수 있게 되면, 이러한 AI를 조정하여 결론을 도출하고, 종합된 정보를 가져와 인간 팀에 전달할 수 있습니다. 이것이 AI가 수명 연장이나 다른 과학적 목표를 달성하는 데 어떻게 도움을 줄 수 있는지에 대한 매우 명확한 방법입니다.” – 슐리히트.

다른 주요 업체들도 이 점점 더 인기를 끌고 있는 트렌드를 따라잡기 시작했습니다. 어드밴스드 마이크로 디바이시스(AMD)와 존스 홉킨스 대학 연구원들은 최근 에이전트 래버러토리를 개발했습니다. 이 AI 프레임워크는 과학 연구의 주요 부분을 자동화하도록 설계되었습니다.

이 시스템은 대형 언어 모델을 사용하여 문헌 검토, 실험 설계, 코드 및 문서를 포함한 보고서 생성을 수행합니다. 그러나 이는 탈중앙화되지 않았으며 토큰 모델에 기반하지 않습니다. 초기 결과는 연구 품질을 손상시키지 않으면서 다른 자동화 방법에 비해 연구 비용을 84% 절감할 수 있음을 시사합니다.

그러나 암호화폐 분야의 다른 프로젝트들이 유사한 프로젝트를 개발하려 한다면, DeSci에서의 AI는 궁극적으로 유망한 미래를 가질 수 있습니다.

DeSci, 밝은 전망

코인게코(CoinGecko)에 따르면, DeSci의 시가총액은 작성 시점에서 10억5000만 달러입니다. 지난 1년 동안 이 분야는 꾸준한 성장과 지속적인 혁신을 보여주었습니다. 많은 신규 프로젝트들이 빠르게 주요 플레이어로 자리 잡았습니다.

슐리히트와 브랫은 분산 과학의 시장 규모가 기하급수적으로 성장할 것이라고 예측합니다.

“저는 10년 후 DeSci의 시가총액이 현재의 1만배 이상이 될 수 있다고 생각합니다. 인공지능, 분산화, 토큰의 결합으로 인해 과학은 기하급수적으로 돌파구를 마련할 것입니다.” – 슐리히트

이에 대해 브랫은 다음과 같이 덧붙였습니다:

“성공한다면, 이는 이미 수조 달러에 달하는 글로벌 과학 연구 시장의 5-10%가 될 수 있습니다.”

그러나 그들은 또한 DeSci가 전통적인 의료 및 과학 로비로부터 저항에 직면할 것으로 예상합니다.

현상 유지에 직면하다

과학 연구는 다양한 정부 기관, 기관, 재단의 보조금으로 자금을 받을 수 있지만, 대부분은 민간 기업에 의해 자금이 지원됩니다.

2023년 UCLA 보고서에 따르면, 2021년 미국에서 암 연구에 사용된 약 570억 달러 중 거의 80%가 주로 대형 제약 회사로부터 나왔습니다. 또한 연구 결과의 공유가 제한적이라고 보고했습니다.

“기득권 이익이 기존 플레이어를 보호하기 위해 이러한 시장 활동을 금지하도록 로비할 수 있습니다.” – 브랫

슐리히트에게 DeSci는 사적 이익에 도전할 기회를 제공합니다.

“이전에는 기업들이 어떤 연구에 자금을 지원할지를 통제할 수 있었습니다. DeSci는 이를 방해하고, 사람들이 그들의 아이디어가 좋다고 믿는다면 누구나 자금을 받을 수 있게 합니다.” – 슐리히트

블록체인 기술이 익명성을 허용하고 프라이버시를 우선시하기 때문에, 그는 혁신가들을 추적하기가 더 어려울 것이라고 주장합니다.

“저는 로비스트들이 DeSci를 막을 수 없다고 믿습니다. 다음 아인슈타인은 익명일 수 있습니다. 펭귄 아바타나 개구리 프로필 사진을 가진 사람일 수도 있습니다. 그들은 NFT를 프로필로 사용하고, 이름에 숫자가 많은 사람일 수도 있습니다. 로비스트들은 그들이 누구인지 알지 못하기 때문에 그들을 찾을 수 없습니다. 그들은 분산된 방식으로 자금을 받고 있습니다. 그들은 다른 가명 인물들과 함께 일하고 있으며, 인간과 AI 모두가 그들과 함께 일하고 있습니다.” – 슐리히트

그러나 전통적인 의료 로비스트와 분산 과학의 혁신가들 간의 잠재적인 경쟁을 고려하기 전에, DeSci는 여전히 성숙해가는 과정에 있습니다.

궁극적으로, AI와 분산 과학의 융합은 과학 연구를 위한 강력한 새로운 패러다임을 제공합니다. 이 기회는 동료 검토의 신뢰성과 효율성을 향상시키고, 자금에 대한 접근을 민주화하며, 다양한 과학 분야에서 돌파구를 가속화할 잠재력을 가지고 있습니다.

AI와 탈중앙화 과학의 발전을 모니터링하는 것은 이러한 기술을 과학 연구에 책임감 있게 통합하는 데 필수적입니다.