Abduction Without a Body? Representational Grounding and the Abduction Loop for Scientific Hypothesis Generation

위대한 탐정의 도구 상자: 기계가 몸 없이도 "생각"하는 법

당신이 미스터리를 풀려고 노력 중이라고 상상해 보세요. 하지만 당신은 방 밖을 한 번도 나간 적이 없습니다. 단서들을 만져본 적도, 증거의 냄새를 맡아본 적도, 범죄 현장의 바람을 느껴본 적도 없습니다. 오랫동안 많은 과학자와 철학자들은 세상을 진정으로 이해하고 세상이 어떻게 돌아가는지에 대한 탁월한 새로운 아이디어를 내놓기 위해서는 반드시 '몸'이 있어야 한다고 믿었습니다. 그들은 뇌가 사물의 실체를 배우기 위해서는 실제로 무언가와 부딪히고, 중력을 느끼고, 벽을 밀어보는 경험이 필요하다고 주장했습니다. 이를 "체화(embodiment)"라고 부릅니다. 이는 마치 요리사가 재료를 맛보거나 칼을 잡아본 적이 없다면 결코 새로운 레시피를 발명할 수 없다고 말하는 것과 같습니다.

하지만 완벽하게 그려진 도표를 보는 것만으로 레시피의 비밀을 배울 수 있다면 어떨까요? 만약 그 그림 자체가 단서를 담고 있어서, 음식을 맛보지 않고도 그것이 매콤하다는 것을 알 수 있다면 어떨까요? 이 논문이 다루는 핵심 질문이 바로 이것입니다. 컴퓨터(또는 몸이 없는 로봇)가 그림과 도표를 보는 것만으로 완전히 새로운 과학적 발견을 해낼 수 있을까요? 이 논문은 그렇다고 제안합니다. 다만, 그림이 과학자들이 수년간 자신들도 모르는 사이에 사용해 온 매우 특정한 보편적 언어로 그려져 있을 때만 가능하다고 말합니다. 이는 마치 나무, 회로, 혹은 별을 그리는 방식에 숨겨진 비밀 코드를 찾아내어, 기계가 동일한 형태를 인식함으로써 완전히 다른 두 세계를 연결하게 하는 것과 같습니다.

논문의 핵심 아이디어: "귀추적 루프(Abduction Loop)"

마이클 W. 파머(Michael W. Farmer)가 작성한 이 논문은 기계가 과학을 수행하는 새로운 방법을 제안합니다. 저자는 몸을 갖는 것이 도움이 되기는 하지만, 그것이 "유레카!"의 순간을 맞이하는 유일한 방법은 아니라고 주장합니다. 저자는 기계가 **귀추(abduction)**라고 불리는 특정한 종류의 과학적 도약을 할 수 있다고 제안합니다. 간단히 말해, 귀추란 전혀 달라 보이는 두 가지를 보고 "잠깐, 이것들이 사실은 같은 것이 아닌가?"라고 추측하는 것입니다.

논문은 **귀추적 루프(Abduction Loop)**라는 영리한 시스템을 소개합니다. 이 루프를 두 명의 뚜렷한 성격을 가진 엄격한 탐정 팀이라고 생각해보세요.

1. 엉뚱한 몽상가 (단계 A): 이 시스템의 부분은 과학적 그림을 보고 이렇게 말합니다. "헤이, 저건 다른 나라의 지도처럼 보이는데! 어쩌면 둘은 쌍둥이일지도 몰라!" 이 단계는 서로 다른 두 과학 분야가 어떻게 연결될 수 있는지에 대한 수많은 대담한 추측을 생성합니다.
2. 심술궂은 회의론자 (단계 B): 이 부분은 즉시 몽상가가 틀렸음을 증명하려고 시도합니다. 수학을 검증하고, 결함을 찾으며, "확실해? 세부 사항까지 확인했어?"라고 묻습니다. 만약 추측이 버티지 못한다면, 회의론자는 그 아이디어를 폐기합니다.

마법은 몽상가와 회의론자가 함께 작동할 때 일어납니다. 시스템은 단순히 추측하는 것이 아니라, 가설을 생성한 직려 공격을 통해 그것을 파괴하려고 시도합니다. 만약 가설이 공격에서 살아남는다면, 그것은 진짜 발견일 수도 있습니다.

비밀 코드: "관습 공간(Convention Space)"

기계는 무엇을 찾아야 할지 어떻게 알까요? 논문은 **관습 공간(Convention Space)**이라는 개념을 도입합니다. 과학자들이 서로 대화하지 않더라도, 서로 다른 분야의 과학자들(예: 우주를 연구하는 우주론자와 미립자를 연구하는 물리학자들)이 모두 동일한 비밀 규칙을 사용하여 도표를 그린다고 상상해 보세요.

예를 들어, 당신이 "스핀-2 장(spin-2 field)"(특정한 유형의 물리적 대상)을 그린다면, 당신은 반드시 끝에 화살표가 없는 선으로 그려야 합니다. 만약 화살표를 추가한다면, 당신은 틀린 것을 그린 것입니다. 수학이 모두에게 이 방식으로 그리도록 강제하기 때문에, 그림 자체가 보편적인 언어가 됩니다. 논문은 이를 관습 공간이라고 부릅니다. 이는 책들이 제목(언어마다 다를 수 있는)이 아니라 표지의 모양에 따라 분류되는 거대한 도서관과 같습니다.

저자는 기계가 이 "관습 공간"을 사용하여 숨겨진 연결 고리를 찾을 수 있다고 제안합니다. 기계는 중력파 연구의 도표를 보고 "저 모양은 약한 렌싱(weak lensing) 연구에서 사용되는 모양과 똑같다!"라고 말할 수 있습니다. 단어는 완전히 다르더라도, 그림은 그것들이 수학적으로 쌍둥이임을 드러냅니다.

"동기 부여 사례(Motivating Case)": 실제 세계의 테스트

이것이 가능하다는 것을 보여주기 위해, 저자는 2026년 7월 10일에 일어난 특정 사건을 설명합니다. 그들은 복잡한 "중력파 메모리(gravitational-wave memory)"에 관한 도표를 AI 모델(Claude Fable 5라는 이름의 AI)에게 보여주었습니다. 그들은 AI에게 무엇을 찾으라고 알려주지 않았습니다. 단지 인터넷에서 유사한 그림을 찾아달라고 요청했을 뿐입니다.

AI는 도표를 살펴보고, 특정한 "화살표가 없는 선" 모양을 포착하여, 이것이 완전히 다른 분야인 약한 렌싱 우주론(멀리 떨어진 은하로부터 오는 빛이 중력에 의해 휘어지는 현상을 연구하는 분야)에서 사용되는 모양과 같다는 것을 알아차렸습니다. AI는 이 두 가지 완전히 다른 분야의 수학적 원리가 실제로는 같다는 것을 추측했습니다.

그 후 AI는 자신의 수학을 검증했습니다. AI는 숫자와 패턴이 완벽하게 일치하지만, 몇 가지 스케일링 계수(예: 인치를 센티미터로 측정하는 것과 같은 차이)만 다를 뿐이라는 것을 발견했습니다. 저자는 이를 **항등 귀추(identity abduction)**라고 부릅니다. 즉, 기계가 두 가지 서로 다른 구조가 이름만 다를 뿐 실제로는 동일한 대상임을 알아낸 것입니다.

이 논문이 주장하지 않는 것

이 논문이 무엇을 말하고 있지 않은지 이해하는 것이 매우 중요합니다. 저자는 컴퓨터가 이제 "과학자"가 되었다거나, 어떤 종류의 발견이라도 할 수 있다고 주장하지 않도록 매우 주의를 기울였습니다.

• 마법 지팡이가 아닙니다: 논문은 이 특정 사례가 "스캐폴딩(scaffolded)"되었다고 인정합니다. 즉, 인간이 검색 전략을 설정하는 데 도움을 주었다는 뜻입니다. 기계가 스스로 결정하여 이 연결 고리를 찾아 나선 것이 아니라, 안내를 받은 것입니다.
• 일반적인 창의성에 관한 것이 아닙니다: 저자는 현재의 AI 모델이 일반적인 과학적 창의성을 가지고 있다고 주장하는 것이 아님을 분명히 밝힙니다. 그들은 단지 특정한 종류의 발견(두 수학적 구조가 동일하다는 것을 찾아내는 것)이 몸 없이도 가능하다는 것을 보여줄 뿐입니다.
• 해결된 문제가 아닙니다: 이 논문은 이 방식이 매번 작동한다고 말하지 않습니다. 실제로 저자는 이 시스템이 자주 실패할 것이라고 예측합니다. 그들은 심지어 시스템이 틀린 추측을 하는 것보다 아예 추측하지 않는 것이 낫기 때문에, 대부분의 경우 "모름(abstain)"이라고 말하도록 설계되었습니다.

미래: "DAB-30" 벤치마크

이것은 단 하나의 사례일 뿐이므로, 저자는 이것이 더 광범위하게 작동한다는 것을 증명해야 한다는 점을 알고 있습니다. 그래서 그들은 DAB-30(Diagram Abduction Benchmark, 도표 귀추 벤치마크)이라는 새로운 테스트를 제안합니다.

30개의 서로 다른 과학적 도표가 있는 거대한 테스트를 상상해 보세요. 어떤 것들은 비슷해 보이지만 수학적 원리는 다른 "함정" 문제들입니다(AI가 속는지 확인하기 위함). 다른 것들은 정답이 알려져 있지만 숨겨져 있는 진짜 퍼즐들입니다. 목표는 AI가 다음을 수행할 수 있는지 보는 것입니다:

1. 도표를 본다.
2. 다른 분야에서 일치하는 도표를 찾는다.
3. 연결 고리를 제안한다.
4. 그것이 옳음을 증명한다 (또는 틀렸음을 인정한다).

저자는 AI가 이미 이 테스트를 통과했다고 주장하는 것이 아닙니다. 대신, 이 "귀추적 루프"가 정말로 작동하는지, 아니면 그저 운 좋은 우연이었는지를 미래에 확인할 수 있도록 지금 이 테스트를 구축하고 있는 것입니다.

결론

이 논문은 우리가 기계를 위대한 과학자로 만들기 위해 로봇에게 몸을 줄 필요는 없을지도 모른다는 점을 시사합니다. 대신, 우리는 그들에게 과학적 도표의 비밀 언어를 읽는 법을 가르쳐야 할지도 모릅니다. 만약 기계가 물리학 논문의 도형이 생물학 논문의 도형과 같은 의미라는 것을 인식할 수 있다면, 인간이 놓칠 수 있는 연결 고리를 만들어낼 수 있습니다.

저자는 새로운 도구, 새로운 사고방식, 그리고 새로운 테스트를 제시하고 있습니다. 저자는 일이 끝났다고 말하는 것이 아닙니다. 대신 이렇게 말하고 있습니다. "우리는 문 하나를 발견했습니다. 이제 열쇠를 만들어 이 문이 열리는지 봅시다." 그 문은 표상(representations)(도표와 같은 것)이 몸만큼이나 잘 기계의 사고를 근거 지을 수 있다는 아이디어입니다. 그 열쇠는 귀추적 루프이며, 테스트는 DAB-30입니다. 이것이 성공할지는 여전히 열린 질문이지만, 이 논문은 그 길을 찾을 수 있는 명확한 경로를 우리에게 제시하고 있습니다.