인공지능이 스스로 새로운 과학 법칙을 발견할 수 있을까?

1.1 개요

과거 과학 발전의 역사는 사과가 떨어지는 것을 보고 만유인력의 법칙을 떠올린 아이작 뉴턴이나, 엘리베이터의 추락을 상상하며 상대성 이론을 발전시킨 알베르트 아인슈타인처럼 인간 천재들의 직관과 통찰에 의존해 왔다.^{[1]뉴턴이 떨어지는 사과를 보고 만유인력을 깨달았다는 일화는 윌리엄 스터클리의 회고록을 통해 전해지는 유명한 야사다. 아인슈타인 역시 자유 낙하하는 엘리베이터 안에서는 중력을 느끼지 못한다는 사고실험을 '생애 가장 행복한 생각'이라고 불렀다.} 그러나 21세기 들어 빅데이터와 디프러닝 기술이 급격히 발전함에 따라, 인공지능이 이러한 인간의 고유 영역으로 여겨졌던 '새로운 과학 법칙의 발견'을 대전시할 수 있을지에 대한 논의가 활발히 이루어지고 있다. 결론부터 말하자면, 인공지능은 이미 기존의 인간이 발견하지 못한 미지의 물리적 변수를 찾아내고 복잡한 자연 현상에서 수학적 공식을 도출하는 성과를 거두며 과학적 발견의 새로운 주체로 떠오르고 있다.

1.2 작동 원리 및 발견 방식

인공지능이 과학 법칙을 발견하는 방식은 크게 '심볼릭 회귀(Symbolic Regression)'와 '상태 공간 분석'으로 나뉜다. 심볼릭 회귀는 관찰된 데이터 간의 관계를 가장 잘 설명하는 수학적 기호와 연산자의 조합을 알고리즘이 스스로 탐색하는 기법이다. 인공지능은 수열이나 관측 데이터를 입력받으면 수만 가지의 방정식 후보를 생성하고, 이 중 정답에 가장 가까운 식을 솎아내어 최종적으로 법칙의 형태를 띤 수학 공식으로 완성한다.

또한, 머신러닝 모델은 카오스 상태의 계(System)를 관찰하면서 해당 시스템을 설명하기 위해 필요한 '최소한의 변수 개수'가 몇 개인지 스스로 추론한다. 예를 들어 이중 팽창자(Double Pendulum)의 움직임을 인공지능에게 보여주면, 인간이 이미 알고 있는 위치와 속도라는 변수를 가르쳐주지 않아도 스스로 4개의 독립된 변수가 필요함을 파악하고 이를 바탕으로 운동 방정식을 재구성해 낸다.

1.3 주요 선행 연구 및 실제 사례

미국 컬럼비아 대학교 연구진이 개발한 인공지능 프로그램은 원운동하는 물체나 복잡한 펜듈럼의 영상을 관찰한 후, 뉴턴의 운동 법칙과 에너지를 보존하는 물리량을 스스로 찾아내며 큰 주목을 받았다.^{[2]https://www.nature.com/articles/s41567-022-01688-w — 2022년 컬럼비아 대학교 핫산 리프손 교수 연구팀은 카메라로 비디오 영상을 관찰한 뒤 시스템의 차원(자유도)을 스스로 찾아내는 AI 연구 결과를 Nature Physics에 발표했다.} 이 인공지능이 제시한 변수들은 인간이 사용하는 기존의 '각도'나 '각속도' 개념과 정확히 일치하지는 않았으나, 물체의 미래 상태를 완벽하게 예측한다는 점에서 인간과 다른 방식의 새로운 물리 법칙 표현 체계를 스스로 구축했음을 입증했다.

또한 딥마인드(DeepMind)의 '알파폴드(AlphaFold)'는 50년간 단백질 결정학계의 난제로 남아있던 단백질 접힘 구조를 수십억 개 수준으로 예측해 내며 단백질 구조 결정에 관한 생물학적 규칙을 스스로 학습했음을 보여주었다. 더불어 근본적인 물리학 분야에서는 머신러닝을 이용하여 양자역학의 다체 문제(Many-Body Problem)를 해결하거나 파티클 아속의 미지 입자 간 상호작용 공식을 찾아내는 등 기존 인간 연구자의 한계를 넘어서는 성과가 지속적으로 보고되고 있다.

1.4 한계 및 논란

인공지능의 과학 법칙 발견에는 여전히 명확한 한계점이 존재한다. 가장 큰 문제는 바로 '해석 가능성(Explainability)'의 부재다. 인공지능이 매우 뛰어난 정확도로 자연 현상을 예측하는 공식을 찾아내더라도, 정작 그 공식을 구성하는 변수가 현실의 어떤 물리량(질량, 시간, 공간 등)에 대응하는지 인간이 직관적으로 이해하기 어렵다. 즉, 정답은 맞히는데 왜 그게 정답인지 설명하지 못하는 이른바 '블랙박스' 문제가 발목을 잡는다.

또한, 현재의 인공지능은 관측 데이터의 '상관관계'를 찾는 데 극도로 특화되어 있을 뿐, 데이터 너머의 '인과관계'를 완벽히 이해한다고 보기는 어렵다. 과학 법칙이란 단순한 데이터의 피팅(Fitting)을 넘어 보편타당한 자연의 원리를 설명해야 하므로, 인공지능이 내놓은 결과물이 진정한 의미의 '새로운 과학 법칙'인가 아니면 그저 '성능 좋은 데이터 예측 모델'에 불과한가에 대한 철학적·학술적 논쟁은 여전히 현재진행형이다.

1.5 전망

향후 과학 연구는 인간이 가설을 세우고 실험하는 전통적인 방식에서 벗어나, 인공지능이 데이터를 바탕으로 새로운 변수와 가설(공식)을 제시하면 인간 과학자가 이를 검증하고 해석하는 '협업형 패러다임'으로 전환될 확률이 높다. 인공지능이 인간의 고정관념과 차원적 한계를 넘어서는 새로운 물리량을 계속해서 제시함에 따라, 먼 미래에는 인간이 이해할 수 있는 범주를 넘어서는 완전히 새로운 체계의 과학 법칙이 인공지능에 의해 정립될 가능성이 매우 높게 점쳐지고 있다.

1.6 여담