Google.org는 10월 14일 AI for Science 공모의 선정 조직 17곳을 발표했다. 이들에게 제공할 총지원 규모는 3,600만 달러다. 기후·환경과 생명과학 등 여러 연구 분야가 포함되며, 개별 조직에 같은 금액을 나눠 지급한다고 설명한 발표는 아니다. 국가별·기관별 지급액도 공개하지 않았다.
공모의 선정 결과와 지원 범위
선정 조직은 6개월 Google.org Accelerator 참여를 선택할 수 있다. 참여 시 엔지니어링 지원과 기술 멘토링, 구글 인프라를 활용하는 구성이다. 모든 조직이 이미 프로그램을 마쳤거나 연구 결과를 상용화했다는 의미와는 다르다. 이번 뉴스의 중심은 지원 대상과 연구 방향의 확정이다.
처음 공모한 금액과 이번 발표는 구분
2월의 최초 공모는 3,000만 달러 규모의 글로벌 모집으로 소개됐다. 당시 안내는 건강·생명과학과 재난 회복력·환경과학을 주요 분야로 제시하고 4월 17일까지 신청을 받는다고 밝혔다. 이번 선정 발표는 30개국에서 신청이 들어왔다고 설명하며 최종 총지원액을 3,600만 달러로 제시한다.
두 발표의 금액과 시점을 구분할 수는 있지만 차액의 세부 배정 이유까지 공개된 것은 아니다. 기존 프로그램 전체 예산이나 다른 과학 지원금을 합산해 이번 17곳의 지급액으로 계산해서도 안 된다. 공모의 취지와 실제 선정 결과를 같은 자료로 취급하지 않고 각각의 단계로 읽어야 한다.
기후 연구는 예측보다 넓은 과정을 다룬다
선정 목록에는 폭풍의 전조를 찾는 연구, 해양 디지털 트윈, 핵융합과 배터리 재료 등 여러 접근이 들어 있다. UC 샌디에이고의 과제는 관측에서 해석 가능한 기후 물리 관계를 찾아 모델을 만들고 다음 관측이 필요한 곳을 정하는 에이전트 연구다. 이는 기후 예측 하나를 새로 배포했다는 설명보다 넓은 연구 과정이다.
대학 연구팀이 공개한 MOSAIC 계획은 위성·현장 관측과 재분석, 고해상도 시뮬레이션을 근거로 삼는다. 에이전트가 후보 방정식을 찾으면 보존 조건과 안정성, 복잡도·해석 가능성을 살피고 JAX 기반 모델에 넣어 시험한다. 관측 자료를 많이 모으는 일과 물리적으로 타당한 식을 고르는 일을 함께 설계한 것이다.
평가와 실패가 다음 실험으로 돌아오는 구조
MOSAIC은 후보 수식을 기존 모형과 비교하고, 평가에 남겨 둔 관측 자료와 익숙하지 않은 기상 조건, 긴 전 지구 시뮬레이션으로 검토할 계획을 설명한다. 실패와 진단 결과는 다음 탐색의 근거로 돌아간다. 장기적으로는 예측의 불확실성을 줄이기 위해 어떤 추가 관측이 유용한지도 살핀다는 구상이다.
공개 목표에는 코드와 수식, 시험과 평가 결과를 재현 가능한 형태로 공유하는 일이 포함된다. 아직 이 계획만으로 기존 기후 모델보다 모든 조건에서 정확도가 높아졌다고 결론낼 수는 없다. 지원을 받은 연구가 어떤 자료와 평가를 남길지 확인할 수 있다는 점과, 실제 성능 개선이 입증됐다는 주장은 구분된다.
작은 과정의 좋은 식과 전 지구 모형의 좋은 결과
MOSAIC이 찾으려는 식은 전 지구 모형이 직접 해상하지 못하는 작은 과정의 효과를 표현하는 매개변수화다. 관측에 잘 맞는 후보를 찾는 일과 그 식을 모형에 넣어 긴 시간 안정적으로 동작하게 하는 일은 다른 시험이다. 하나의 관계를 잘 설명했다는 사실만으로 전체 기후 예측이 좋아졌다고 결론낼 수 없다.
계획은 후보를 물리 조건으로 거르고 모형에 통합한 뒤 남겨 둔 관측과 익숙하지 않은 기상, 긴 모사로 비교한다. 후보를 만드는 자료와 성능을 판단할 자료를 나누는 구성이 중요하다. 이 경로가 공개됐다는 점을 확인할 수 있지만 최종 개선 폭이나 모든 조건의 우위가 이미 입증된 것은 아니다.
| 단계 | 확인할 질문 |
|---|---|
| 후보 식 탐색 | 관측과 연결되는 해석 가능한 관계인가 |
| 물리 검사 | 보존·범위·안정성 조건에 맞는가 |
| 모형 통합 | 전체 모형 안에서 작동하는가 |
| 별도 자료 평가 | 미사용 관측·낯선 조건에서도 유효한가 |
| 다음 실험 | 실패와 불확실성이 무엇을 남겼나 |
과학 AI 공모의 지원금과 선택형 기술 지원은 연구를 수행할 자원을 제공한다. 선정과 지원 계획, 공개할 모델과 실제 관측·실험으로 검증한 성과는 서로 다른 단계로 남겨야 한다.
ARCH.B 의견
과학 AI의 발표는 빠른 발견과 큰 사회적 효과를 함께 이야기하기 쉽다. 그러나 지원 대상으로 선정되는 일, 연구 도구를 만드는 일, 가설을 실제로 검증하는 일은 다른 단계다. 어떤 자료로 후보를 만들고 무엇과 비교하며 실패를 어떻게 기록할지 드러날 때 독자는 그 사이의 거리를 이해할 수 있다.
MOSAIC 사례는 AI가 낸 답을 그대로 결과로 삼기보다 물리적 조건과 시뮬레이션, 별도 관측을 통과시키려는 구조를 보여준다. 이런 검증 경로는 지원 규모만큼이나 프로젝트를 이해하는 정보다. 앞으로의 성과는 선정 당시의 기대를 반복하는 설명보다 공개된 코드·평가와 실제 연구 결과로 판단해야 한다.
연구의 내용을 전달하는 화면에서도 현재 단계와 최종 목표를 나눠 보여줄 필요가 있다. 신청·선정·개발·평가를 같은 성공 지표로 합치지 않으면 후속 결과를 비교하기 쉬워진다. 이번 지원 소식의 가치는 완성된 돌파구의 개수보다, 서로 다른 과학 문제를 검증 가능한 AI 연구로 연결할 기반을 마련하는 데 있다.
