인공지능(AI)은 과학 연구와 혁신을 변화시켰지만, 앞서 설명한 바와 같이 폴라니 패러독스는 AI를 사용하여 창의적인 솔루션을 만들거나 획기적인 발견을 하는 데 있어 여전히 큰 걸림돌로 남아 있습니다. 폴라니 역설에 따르면 명시적 지식으로만 학습하는 AI 모델은 인간의 암묵적 또는 직관적 지식이 부족하여 뻔한 결과를 도출할 수 있습니다. 따라서 폴라니 역설을 해결하기 위한 접근 방식은 AI 모델을 사용하여 새로운 발견을 추구하는 모든 사람의 관심사입니다.
네이처 휴먼 비헤이비어에 실린 수라티와 에반스의 인간 인식 AI 모델은 창의적인 솔루션과 발견, 나아가 과학적 혁신을 창출하는 데 더 효과적인 AI 모델을 개발하기 위한 접근 방식을 제시합니다. 저자들이 개발한 인간 인식 AI 모델은 새로운 재료 과학 발견에 대한 AI 예측을 400% 향상시켰습니다.
인간 인식 AI 모델에 과학 데이터와 저자 정보를 제공하여 "후보 발견과 관련된 각 주제에 대한 인간 과학자의 분포"를 측정할 수 있도록 했습니다. 이 메타 정보를 사용하여 인간 인식 AI 모델은 "인간 군중"을 예측하고 피함으로써 과학자들의 직관이나 암묵적 지식을 "모방"할 수 있습니다. 즉, 인간 인식 AI 모델은 구조화된 데이터에만 의존할 필요는 없지만 그럴 수 있습니다:
- 과학자들이 결과를 예측하는 것이 아니라 발견에 접근하는 방식을 시뮬레이션해 보세요.
- 과학적 휴리스틱을 사용하여 AI 기반 실험을 개선하세요.
- 상호 보완적인 '외계' 가설을 생성합니다. 대부분 알려진 연구 공간 내에서 작동하는 기존 AI 모델과 달리, 인간 인식 AI 모델은 서로 관련이 없어 보이는 분야 간의 연관성을 파악하고 과학자들이 발견하는 데 수년이 걸릴 수 있는 간극을 메우도록 설계되었습니다.
- 사소한 최적화보다 가치가 높은 실험에 우선순위를 두고, 획기적인 발견을 보장하기 위해 탐색과 악용의 균형을 맞출 수 있습니다.
따라서 인간을 인식하는 AI 모델은 예측 가능하고 명백한 솔루션을 생성할 뿐만 아니라 획기적인 발견과 보다 창의적인 솔루션으로 이어질 수 있는 보완적인 외계 가설을 생성할 수 있는 많은 이점을 가지고 있습니다. 이러한 접근 방식이 폴라니 역설을 해결하지는 못하지만, 적어도 인간에 대한 암묵적 지식이 부족하기 때문에 뻔한 솔루션을 생성하는 경향이 적은 미래형 AI 모델을 만드는 데는 도움이 될 수 있습니다.
이번 분석은 인간의 전문성을 대체하는 것이 아니라 보완하는 인공지능을 만들기 위해 인간과 사회적 요소를 통합하는 것의 힘을 강조합니다. 인간의 전문성뿐만 아니라 과학적 경험과 노출의 완전한 분포를 고려할 때, 이러한 시스템은 과학 커뮤니티와 경쟁하는 것이 아니라 함께 경쟁하도록 설계되어 인간의 상상력과 발견의 범위를 확장할 수 있습니다.
