Perspective on AI and quantum open-source software

양자 정보 과학은 오늘날의 컴퓨터로는 불가능한 문제들을 해결하기 위해 아원자 세계의 기이한 법칙들을 활용하고자 하는 급성장하는 분야입니다. 이 과학은 양자 비트를 보유한 섬세한 하드웨어를 제어하고, 회로를 구축하며, 시뮬레이션을 실행하기 위한 소프트웨어에 크게 의존합니다. 수년 동안 이 소프트웨어는 전 세계 연구자 공동체에 의해 공개적으로 구축되고 공유되어 왔으며, 이를 통해 누구나 그 성과를 검토하고, 개선하며, 그 위에 새로운 것을 쌓아 올릴 수 있었습니다. 최근에는 인공지능이 이 지형을 재편하기 시작했습니다. 이러한 지능형 도구들은 코드를 작성하고, 기기를 교정하는 새로운 방법을 제안하며, 심지어 오류를 수정하는 새로운 방법론을 발견하는 데 도움을 줄 수 있습니다. 그러나 새로운 엔진에 새로운 안전 점검 체계가 필요하듯, 이 고도의 정밀함이 요구되는 환경에 인공지능이 도입되면서 중요한 질문이 제기되었습니다. 과연 이 도구들이 작성한 코드가 실제로 정확하다는 것을 어떻게 알 수 있으며, 이를 검증할 책임은 누구에게 있는가 하는 점입니다.

Unitary Foundation과 Centre for Quantum Technologies의 연구팀은 이 신흥 현실을 면밀히 조사했습니다. 그들은 현재 양자 소프트웨어 작성 및 유지 관리에 인공지능이 어떻게 사용되고 있는지 조사하였고, 이것이 프로젝트를 운영하는 인간 자원봉사자들에게 어떤 부담을 주는지 분석했습니다. 공개 코드 저장소, 5회의 연례 해킹 이벤트 기록, 그리고 1,600명 이상의 커뮤니티 구성원을 대상으로 한 설문 조사를 연구한 결과, 연구진은 인공지능이 강력한 조력자이기는 하지만 동시에 숨겨진 병목 현상을 만들어내고 있다는 사실을 발견했습니다. 이 연구는 엄격한 새로운 검증 규칙이 없다면, 양자 소프트웨어를 안전하게 지키는 바로 그 사람들이 자신이 직접 쓰지 않은 작업물을 검토해야 하는 부담에 압도당하고 있으며, 이러한 상황이 과학적 진보를 늦추고 개방적 협업에 필요한 신뢰를 훼손할 수 있음을 보여줍니다.

연구진은 먼저 양자 소프트웨어 스택의 정확히 어느 부분에서 인공지능이 사용되고 있는지 지도를 그렸습니다. 그들은 이러한 도구들이 기초적인 코드 작성부터 회로 컴파일 최적화, 하드웨어를 위한 제어 펄스 설계, 심지어 새로운 오류 수정 방법 발견에 이르기까지 이미 다양한 분야에서 도움을 주고 있음을 발견했습니다. 어떤 경우에는 인공지능 에이전트가 솔루션을 제안하고, 이를 테스트하며, 과학적 목표에 도달하기 위해 접근 방식을 개선하는 루프 안에서 작동하기도 합니다. 이러한 "자동 연구(auto-research)" 방식은 발견을 가속화할 수 있다는 점에서 큰 가능성을 품고 있습니다. 그러나 연구팀은 중요한 격차를 지적했습니다. 도구들이 아이디어와 코드를 생성하는 능력은 향상되고 있지만, 이러한 출력물이 과학적으로 유효한지를 검증하는 방법은 그 속도를 따라잡지 못하고 있다는 것입니다. 양자 소프트웨어의 경우, 검증은 독특하게 어렵습니다. 왜냐하면 답을 확인하기 위해서는 전체 시스템을 시뮬레이션해야 하는 경우가 많은데, 이는 시스템이 수십 개의 입자 규모를 넘어서면 고전 컴퓨터로는 불가능한 작업이 되기 때문입니다.

이 격차가 현실 세계에 미치는 영향을 이해하기 위해 연구팀은 데이터를 살펴보았습니다. 그들은 공개 저장소의 수천 개 파일을 분석했으며, 양자 소프트웨어 커뮤니티가 주류 소프트웨어 커뮤니티보다 훨씬 작고 불안정하다는 것을 발견했습니다. 주류 라이브러리는 월 수백만 건의 다운로드 수를 기록하는 반면, 양자 라이브러리는 훨씬 적은 다운로드 수를 보이며, 이를 사용하는 코드 역시 눈에 덜 띕니다. 더 중요한 것은, 이 코드를 점검하는 데 사용되는 테스트들이 거의 항상 매우 작고 단순화된 문제들에 대해서만 실행된다는 점을 발견했다는 것입니다. 주요 양자 프레임워크의 테스트 스위트에서 테스트에 사용되는 입자의 중앙값은 단 2개이며, 거의 모든 테스트가 20개 이하의 입자를 포함합니다. 이는 현재 마련된 안전망이 작고 관리 가능한 문제들을 위해 설계되었으며, 실제 과학적 연구에 필요한 규모로 시스템이 확장될 때 나타날 수 있는 오류를 잡아내지 못할 수 있음을 의미합니다.

이 이야기에서 인간적인 요소는 아마도 가장 시급한 문제입니다. 연구진은 커뮤니티를 조사하여 인공지능이 코드를 생성할 때, 이를 검증하는 부담이 프로젝트 유지 관리자들에게 집중된다는 것을 발견했습니다. 최근 설문 조사에서 응답자의 79%가 인공지능이 작성한 코드를 검증하기 위해 수동 검토에 의존한다고 답한 반면, 자동화된 테스트를 사용하는 비율은 60%에 그쳤습니다. 이러한 인간의 눈에 대한 의존은 커뮤니티 행사의 운영 방식에 변화를 일으키고 있습니다. 연례 해커톤 조직자들은 새로운 기여자들을 멘토링하는 데 쓰이던 시간이 인공지능에 의해 생성되었을지도 모 모르는 제출물을 검토하는 시간으로 대체되고 있다고 보고했습니다. 한 유지 관리자는 경험을 설명하며, 인간 학습자를 지도하는 것이 아니라 인공지능 도구의 인터페이스와 대화하고 있는 것 같다고 말했습니다. 데이터는 인공지능이 작업 완료 속도를 높일 수는 있지만, 새로운 기여자들이 미래의 유지 관리자가 되는 데 필요한 기술을 배우도록 돕지는 못하며, 오히려 검토 과정을 병목 현상으로 만들어 전체 분야의 발전을 늦출 위험이 있음을 시사합니다.

본 논문은 해결책이 기여 방식과 검증 방식에 대한 새로운 표준을 확립하는 데 있다고 주장합니다. 연구진은 코드를 제출하는 사람이 인간이든 인공지능이든 관계없이, 자신의 변경 사항이 제대로 작동한다는 재현 가능한 증거를 제공해야 한다고 제안합니다. 즉, 단순히 수정 사항만을 제출하는 것이 아니라, 해당 수정이 올바르다는 것을 증명하는 구체적인 테스트와 데이터를 함께 포함해야 한다는 것입니다. 또한 프로젝트가 전체 시스템을 시뮬레이션할 필요 없이 회로의 논리를 검증할 수 있는 특화된 도구를 사용해야 하며, 이러한 도구가 표준 검토 과정의 일부가 되어야 한다고 제안합니다. 연구팀은 또한 프로젝트가 인공지능 에이전트의 경계를 명확히 설정하여, 인간의 승인 없이 하드웨어 비용을 지출하거나 위험한 소프트웨어를 설치할 수 없도록 해야 한다고 권고합니다. 검증을 워크플로의 일상적인 부분으로 만듦으로써, 커뮤니티는 인공지능이 생산한 결과물이 신뢰할 수 있음을 보장할 수 있습니다.

궁극적으로 이 연구는 자동화된 지원의 시대에 과학적 발견의 무결성을 보존하는 것에 관한 것입니다. 연구진은 프로젝트들이 이러한 새로운 관행을 채택할 수 있도록 템플릿과 도구를 제공하는 오픈 소스 동반 저장소를 운영하고 있습니다. 그들은 소프트웨어 기여가 학술지의 논문과 동일한 엄격함을 갖추게 될 미래, 즉 주장이 무엇인지만큼 그 주장을 뒷받침하는 증거가 중요해지는 미래를 구상합니다. 인공지능의 속도와 독립적 검증의 엄격함을 결합함으로써, 양자 커뮤니티는 개방형 과학을 가능하게 하는 신뢰와 협업을 잃지 않으면서도 가능성의 경계를 계속해서 넓혀갈 수 있습니다. 연구는 인공지능이 탐구를 위한 강력한 도구이지만, 그 도구가 돕는 발견이 실재하는 것인지 결정하는 것은 결국 검증을 향한 인간의 헌신이라는 결론으로 끝을 맺습니다.