From inference to prediction: how machine learning is reconfiguring science

과학의 세계를 연구자들이 미스터리를 풀기 위해 노력하는 거대하고 북적이는 도서관이라고 상상해 보십시오. 수십 년 동안 사서들(과학자들)에게는 황금률이 하나 있었습니다. 미스터리를 해결하려면, 당신이 어떻게 답을 찾아냈는지 그 과정을 설명해야 한다는 것이었습니다. 만약 자신의 작업 과정을 보여줄 수 없다면, 그 답은 인정받지 못했습니다. 이것은 '추론(Inference)'의 시대였습니다. 목표는 특정 화학 물질이 왜 반응하는지, 혹은 질병이 어떻게 퍼지는지처럼 우주의 내부 작동 원리를 정확히 파악하는 것이었습니다.

하지만 최근, 아주 똑똑한 로봇 조수인 **머신러닝(ML)**이 이 도서관에 들어왔습니다. 이 로봇은 정답을 맞히는 데 천재적입니다. 수백만 개의 단서를 살펴보고는 이렇게 말합니다. "정답이 X일 확률이 99%입니다!" 문제는 이 로봇이 왜 그렇게 생각하는지 종종 설명하지 못한다는 점입니다. 그저 알 뿐입니다. 이것은 '예측(Prediction)'의 시대입니다.

1990년부터 2025년까지의 무려 490만 개의 과학 출판물을 조사한 이 논문은, 이 로봇이 도서관을 어떻게 바꾸고 있는지 알아내려는 탐정 역할을 합니다. 저자들은 전문 용어를 배제하고 다음과 같은 사실을 발견했습니다.

로봇의 뇌 지도

연구진은 로봇의 지식에 대한 거대한 지도를 만들었습니다. 그들은 로봇의 "뇌"가 마치 도시처럼 핵심부와 주변부로 구성되어 있다는 것을 발견했습니다.

• 핵심부 (물리 과학): 로봇 뇌의 심장은 컴퓨터 과학과 공학에 있습니다. 이곳은 로봇이 만들어졌고 로봇이 거주하는 곳입니다. 로봇이 하는 전체 작업의 약 **28%**가 여기서 일어납니다.
• 주요 근린 지역 (보건 과학): 로봇은 의학에서 가장 인기가 높으며, 이는 전체 작업의 **15%**를 차지합니다. 이곳은 로봇이 실제 세상의 문제를 해결하기 위해 실제로 사용되는 가장 큰 장소입니다.
• 외곽 지역: 사회 과학 및 생명 과학과 같은 다른 분야들은 가장자리에 위치하며, 로봇을 서서히 도입하고 있지만 아직 주요 허브는 아닙니다.

거대한 교체: "왜"에서 "무엇"으로

여기서 이 논문이 발견한 커다란 반전이 있습니다. 오랫동안 의학과 사회 과학의 과학자들은 선형 및 로지스틱 회귀와 같은 구식 도구들에 의존해 왔습니다. 이것들을 투명한 유리 벽이 있는 계산기라고 생각해 보십시오. 당신은 그 안의 모든 숫자와 단계를 볼 수 있습니다. 만약 의사가 이 도구를 사용했다면, "이 세 가지 특정 요인이 합쳐졌기 때문에 환자가 질병을 앓고 있다고 알고 있다"라고 말할 수 있습니다.

하지만 2015년경부터, 딥러닝(그리고 이후의 거대 언어 모델)이라 불리는 새로운 도구의 물결이 주도권을 잡기 시작했습니다. 이것들은 블랙박스와 같습니다. 매우 뛰어난 예측 능력을 갖추고 있어 기존의 유리 계산기보다 더 나은 경우가 많지만, 그 안을 들여다볼 수는 없습니다.

논문은 투명성을 요구했던 분야(보건 및 사회 과학 등)에서 어떤 일이 벌어졌는지 찾아냈습니다. 기존의 투명한 계산기들은 작아지고 있습니다. 2015년 이후, 이러한 투명한 도구들의 사용은 나머지 과학 분야보다 느리게 성장한 반면, 블랙박스의 인기는 폭발적으로 증가했습니다. 실제로 일부 분야에서는 기존의 도구들이 오히려 입지를 잃고 있습니다.

블랙박스의 두 가지 물결

논문은 이 변화가 마치 두 종류의 안개가 밀려오는 것처럼 두 단계의 뚜렷한 물결로 일어났다고 제안합니다.

물결 1 (2015–2021): "DIY(직접 만들기)" 안개
이 첫 번째 물결에서 과학자들은 자신만의 블랙박스(예: 합성곱 신경망)를 구축했습니다. 그들은 여전히 통제권을 쥐고 있었습니다. 그들은 자신의 데이터로 로봇을 훈련시킬 수 있었고, 논문에 자신이 어떻게 했는지 기록할 수 있었으며, 이론적으로 다른 과학자들이 그들의 작업을 검증할 수 있었습니다. 내부를 보기 어렵긴(불투명하긴) 했지만, 과학자가 여전히 선장이었습니다.

물결 2 (2022년 이후): "미스터리 박스" 안개
그 후, 2022년 이후 상황이 변했습니다. 가장 빠르게 성장하는 도구들은 이제 거대 언어 모델(에세이를 쓰거나 대화를 나누는 것과 같은 것들)입니다. 이것들은 더 이상 과학자들이 만드는 것이 아니라, 거대 기업들에 의해 만들어집니다.

• 함정: 과학자들은 훈련 데이터도 볼 수 없고, 코드도 볼 수 없으며, 가중치(로봇의 "뇌" 설정값)도 볼 수 없습니다. 그들은 그저 질문(프롬프트)을 입력하고 답을 얻을 뿐입니다.
• 결과: 논문은 이것이 새로운 종류의 "지적 부채"를 만든다고 시사합니다. 과학자들은 그 논리가 완전히 알려지지 않은 시스템을 사용하고 있습니다. 통제권이 과학자에서 모델을 소유한 기업으로 넘어갔습니다.

이것이 과학에 의미하는 바

이 논문은 이것이 단순한 기술적 업그레이드가 아니라, 무엇이 "진리"인지 결정하는 방식의 변화라고 주장합니다.

• 이전: 진리는 이해에 관한 것이었습니다. "단계를 보여주면 믿겠다."
• 현재: 진리는 점점 더 정확도에 관한 것이 되어가고 있습니다. "방법을 알 수 없더라도, 정답을 가져와라."

저자들은 이것이 긴장을 유발한다고 지적합니다. 과학은 항상 개방성과 투명성("열린 과학"의 이상)을 약속해 왔지만, 이러한 새로운 도구들은 종종 비밀스럽고 독점적입니다. 논문은 과학이 무언가를 예측하는 능력은 향로지고 있지만, 특히 "왜"를 이해하는 것이 가장 중요했던 분야에서 그것을 설명하는 능력은 잃어가고 있을지도 모른다고 제안합니다.

결론

이 논문은 이것이 재앙이라고 말하는 것이 아니라, 거대한 변화라고 말합니다. 우리는 과학자들이 게임의 규칙을 설명하는 세상에서, 강력하고 신비로운 도구를 사용하여 게임에서 승리하는 세상으로 이동하고 있습니다. 논문은 이것이 과학이 할 수 있는 일을 확장할 수는 있지만, 지식이 만들어지고, 검증되고, 신뢰받는 방식을 근본적으로 변화시킨다고 제안합니다. 오래된 유리 계산기들이 사라진 것은 아니지만, 많은 곳에서 더 잘 작동하면서도 비밀을 간직한 블랙박스로 대체되고 있습니다.