# 구글 리서치, Gemini 2.0 기반 Co-scientist 발표

> Clean Markdown view of GeekNews topic #19333. Use the original source for factual precision when an external source URL is present.

## Metadata

- GeekNews HTML: [https://news.hada.io/topic?id=19333](https://news.hada.io/topic?id=19333)
- GeekNews Markdown: [https://news.hada.io/topic/19333.md](https://news.hada.io/topic/19333.md)
- Type: news
- Author: [dohyun682](https://news.hada.io/@dohyun682)
- Published: 2025-02-20T23:42:20+09:00
- Updated: 2025-02-20T23:42:20+09:00
- Original source: [research.google](https://research.google/blog/accelerating-scientific-breakthroughs-with-an-ai-co-scientist/)
- Points: 5
- Comments: 2

## Summary

코사이언티스트는 Gemini 2.0 기반의 멀티 에이전트 AI 시스템으로, 과학자들이 새로운 가설을 수립하고 연구 속도를 높이는 데 도움을 줍니다. 이 시스템은 생성, 반영, 순위 결정, 진화, 근접성, 메타 검토에 특화된 에이전트를 사용하여 아이디어를 개선하며, Elo 레이팅을 통해 모델의 성능을 평가하고 개선합니다. 또한, 약물 재창출, 새로운 치료 표적 제안, 항균제 내성 기전 설명 등의 실험에서 유용성을 입증하며 과학 발견을 가속할 것으로 기대됩니다.

## Topic Body

코사이언티스트(co-scientist)는 Gemini 2.0으로 구성된 멀티 에이전트 AI 시스템으로, 과학자들이 새로운 가설을 수립하도록 돕고 연구 속도를 높이는 것을 도와줌.  
  
- 기존 과학적 방법에서 영감을 얻어 각각 생성(Generation), 반영(Reflection), 순위 결정(Ranking), 진화(Evolution), 근접성(Proximity), 메타 검토(Meta-review)에 특화된 에이전트를 사용. 이들 에이전트는 재귀적으로 피드백을 하며 스스로 아이디어를 개선함.  
- 과학자들은 AI에게 아이디어를 줄 수도, AI의 아이디어를 피드백할 수도 있음.  
- 모델 답변 평가에 Elo 레이팅 도입, 이를 기준으로 시간이 지날수록 모델 결과를 개선함  
	- Gemini 2.0 Pro와 인간 전문가는 Elo 레이팅 1300 이하.  
	- Co-scientist는 시간이 지날수록 1300부터 1500 이상까지 증가함  
	- 인간 전문가가 모델 결과를 평가했을 때도 co-scientist가 Gemini 2.0 pro, OpenAI o1보다 좋은 평가를 받음.  
- 실용성 평가를 위해 약물 재창출(Drug repurposing), 새로운 치료 표적 제안(Novel treatment target discovery), 항균제 내성 기전 규명(Elucidating the mechanisms underlying antimicrobial resistance) 실험을 진행. 전문가가 개입하며 진행함.  
- 급성 골수성 백혈병을 위한 약물 재창출  
	- 약물 재창출은 신약을 개발하는 대신, 기존 약물의 새로운 사용처를 찾는 것. 광범위한 학제 전문성이 요구됨.  
	- Co-scientist는 급성 골수 백혈병에 대한 새로운 재창출 후보 약물들을 제안. 컴퓨터 분석과 임상 피드백, 시험관(in vitro) 시험 결과 약물들이 종양 생존력을 저해함.  
- 간 섬유증 치료 표적 발견의 발전  
	- 치료 표적 발견은 가설 선택과 실험 우선순위 선택에서 비효율이 많이 발생함.  
	- 간 섬유증 표적 발견의 가설 제안, 우선순위 설정, 실험 프로토콜 생성을 진행.   
	- Co-scientist가 식별한 표적은 실험 결과 강력한 항섬유화 활성을 나타냄.  
- 항균제 내성 기전 설명  
	- 항균제 내성 기전 설명은 미생물이 치료제를 회피하는 유전자를 진화시키고 전달하는 과정을 연구함  
	- 연구진은 Co-scientist에게 이미 발견되었지만 공개되지 않은 주제를 독립적으로 탐색하도록 지시.  
	- AI가 제시한 가설은 이미 실험으로 검증되어 곧 발표 예정인 상태였음.  
  
Co-scientist가 과학자들의 보조 도구로서 과학 발견을 가속할 것으로 기대.

## Comments



### Comment 34893

- Author: neo
- Created: 2025-02-21T10:53:13+09:00
- Points: 1

#### [Hacker News 댓글들](https://news.ycombinator.com/item?id=43102528)   
* 여기 사람들이 기사 전체를 읽었는지 잘 모르겠는데, 기사를 발췌함  
  - AI Co-scientist가 약물 재활용 기회를 예측하고, 파트너와 함께 컴퓨터 생물학, 전문가 임상의 피드백, 실험을 통해 예측을 검증했음  
  - AI Co-scientist가 급성 골수성 백혈병(AML)에 대한 새로운 재활용 후보를 제안했으며, 실험을 통해 제안된 약물이 여러 AML 세포주에서 임상적으로 관련된 농도에서 종양 생존력을 억제하는 것을 확인했음  
  - 전문가 연구자들이 AI Co-scientist에게 이미 그룹 내에서 새로운 발견이 있었지만 공개되지 않은 주제를 탐구하도록 지시했으며, AI Co-scientist가 다양한 파지 꼬리와 상호작용하여 숙주 범위를 확장한다고 독립적으로 제안했음  
  - 이 발견은 AI Co-scientist 시스템 사용 전에 수행된 실험실 실험에서 검증되었으며, Fleming Initiative 및 Imperial College London과의 협력으로 동시 발표된 논문에 설명되어 있음  
  - **AI 모델이 실험실에서 검증된 새로운 과학적 가설을 제시할 수 있었으며, 이는 매우 중요한 의미를 가짐**  
  
* "AML에 대한 약물 재활용"이란 표현이 웃기다고 생각함  
  - 분자 하위 유형화 및 ex-vivo 약물 예측을 통해 AML에 대한 박사 학위를 진행 중인 사람으로서 매우 무작위적이라고 느낌  
  - 무작위 약물 재활용 대신 우리의 파이프라인을 제안하고 싶음  
  - 참고로 우리의 파이프라인을 자금 지원 및 상업화할 방법을 찾고 있으며, 관심이 있다면 사이트를 통해 연락할 수 있음  
  
* 솔직히 이걸 왜 사용해야 하는지 모르겠음  
  - 아이디어를 연결하거나 새로운 가설을 제시하는 AI가 필요하지 않음  
  - 프로젝트별로 고유한 방식으로 조직된 데이터를 거대한 데이터베이스로 정규화하기 위한 데이터 파이프라인 코드를 작성하고 테스트하는 것이 필요함  
  - 음향 데이터에서 진폭 공간과 주파수 공간 모두에서 이벤트를 감지하기 위한 데이터 파이프라인을 작성하고 테스트하는 것이 필요함  
  - 데이터 분석 백엔드의 프론트 엔드를 테스트하여 데이터를 다루는 것이 필요함  
  - 아마도 약물 발견은 사용 가능한 값을 하나씩 반복하여 많은 변수를 테스트해야 할 것임  
  - 하지만 내 연구에는 해당되지 않음  
  - 모든 것이 모든 사람에게 맞는 것은 아니며, 그것은 괜찮음  
  
* 시장은 방향에 관계없이 마지막으로 바람개비가 가리킨 방향으로 돌진하는 것처럼 보임  
  - AI 시스템과 함께 일할 때 연구자들이 더 생산적이지만 일에 대한 만족도는 낮아진다는 연구가 떠오름  
  - AI 지원이 과학자들이 44% 더 많은 자료를 발견하고 특허 출원을 39% 증가시켰지만, 82%의 과학자들이 일에 대한 만족도가 낮아졌다고 보고함  
  
* 일반적으로 Minsky의 마음의 사회 개념으로 나아가고 있는 것 같음  
  - OpenAI가 모든 모델을 하나의 만능 모델로 통합하려고 하지만, 내부적으로는 라우팅에 관한 것일 수 있음  
  - 에이전트가 특정 도구 호출, 사고 방식 등에 특화되는 것이 개념적 프레임워크/발판으로 유용한 방향을 제공할 것임  
  
* 최근 AI를 워크플로우에 사용하고 있음  
  - 지금까지의 발견을 요약하고 AI에게 설명을 제안하고 추가 테스트를 추천하도록 요청함  
  - AI의 아이디어 중 70%는 쓸모없지만, 가끔은 추가적인 프롬프트가 필요함  
  - AI가 제안한 아이디어 중에는 생각하지 못했던 것들이 있음  
  - AI가 지식 있는 인간을 대체할 수는 없지만, 인간을 돕는 도구로서 비싼 박사 수준의 컨설턴트를 능가함  
  
* 신문 기사에서 과학자의 인용문을 읽었으며, 그의 팀이 문제를 해결하기 위해 10년 동안 작업했지만 AI가 이를 쉽게 처리할 수 있는 방식으로 아무것도 출판하지 않았다는 점이 놀라웠음  
  - 다른 연구자가 같은 아이디어를 제안하지 않았다는 점을 증명하기 어려움  
  - 만약 그의 경쟁자가 한 달 전에 같은 검색을 했다면 우선권을 주장할 수 있었을지 궁금함  
  
* 요즘 AI에 대해 부정적이지만, 처음으로 Eliza를 사용했던 기억이 남음  
  - AI가 나에게 문제 목록을 제시하고 해결 방법을 묻는 것을 받아들일 수 있을 것 같음  
  - AI 기술을 속성 기반 테스트에 적용하는 것을 보고 싶음  
  
* 흥미로운 댓글 모음  
  - 개인적으로 훌륭함  
  - 공동 과학자이지 "과학자"가 아님  
  - 작업을 검토하고 흥미로운 출력을 제공할 수 있는 "무엇"을 평가하는 데 큰 가치가 있음  
  - 비싸서 고려되지 않는 많은 아이디어가 있음  
  - "합리적인 기대"가 있다면 실패의 위험이 낮아짐  
  - 과학자가 "더 이상" 아니지만, 이것을 가지고 놀고 어떤 이상한 조합이 잠재적으로 생산될 수 있는지 보고 싶음  
  
* 생물의학 과학자로서 AI 개발자들이 AI가 인간보다 더 똑똑하고 더 나은 가설을 생성할 것이라고 주장하는 경향을 몇 번 보았음  
  - 예를 들어 Google 에세이에서 CRISPR가 미생물학, 유전학, 분자 생물학을 결합한 학제 간 노력이라고 주장함  
  - AI Co-scientist가 여러 분야를 통합하여 새로운 가설을 생성할 수 있을 것이라고 주장함  
  - 컴퓨터 과학자들이 생물의학 연구에 친숙하지 않아서 미생물학/유전학/분자 생물학이 밀접하게 연결되어 있다는 것을 이해하지 못한다고 생각함  
  - 생물학자들은 좋은 아이디어가 많음  
  - 문제는 이러한 아이디어를 충분히 테스트하는 데 시간이 걸린다는 것임  
  - AI와 다른 LLM은 강력한 구글과 코드 작성자임  
  - 30%는 틀리기 때문에 사용할 때 매우 조심해야 함  
  - 잘못된 가설을 탐색하는 데 시간을 낭비하지 않는 것은 좋은 일임  
  - 하지만 이미 좋은 가설과 나쁜 가설을 쉽게 식별할 수 있음  
  - 정치 문제는 AI가 해결할 수 없을 것임

### Comment 34878

- Author: hhkkkk
- Created: 2025-02-21T07:31:11+09:00
- Points: 1

사랑해요 하사비스~