2022년 AlphaFold2는 단백질 구조 예측 문제를 실질적으로 해결했고, 그 공로로 DeepMind 연구진은 2024년 노벨 화학상을 받았다. 그리고 지금, 그 수상자 중 한 명인 John Jumper는 단백질 구조가 아닌 AI 코딩 팀에서 일하고 있다. MIT Technology Review가 Google I/O를 분석하며 포착한 이 세부 사항은, 화려한 발표 무대 뒤에서 Google이 조용히 무게중심을 옮기고 있다는 가장 구체적인 신호다. Google이 코딩 AI에서 Anthropic·OpenAI에 뒤처지고 있다는 위기감 때문이기도 하지만, 에이전트 과학 시스템에 코딩 능력이 핵심 역량이라는 판단과도 맞닿아 있다.
Google I/O 키노트에서 Demis Hassabis는 "특이점의 기슭에 서 있다"고 말했다. 그 말이 나온 무대는 기후 예측 소프트웨어 WeatherNext 세션이었다 — 작년 자메이카에 상륙한 허리케인 멜리사의 사전 경보를 제공해 인명을 구한 시스템. 실제로 의미 있는 성취다. 하지만 수사와 현실 사이의 간극은, 지금 AI 과학 연구가 두 패러다임의 교차점에 있다는 사실을 드러낸다. 하나는 AlphaFold처럼 특정 문제를 위해 설계·훈련된 특화 도구, 다른 하나는 인간 개입 없이 연구 전 과정을 수행하는 에이전트 LLM 시스템이다.
Google은 이번 I/O에서 두 방향 모두 유지하는 것처럼 보였다. AlphaGenome과 AlphaEarth Foundations는 작년 출시됐고, Isomorphic Labs는 최근 20억 달러 Series B를 마감했다. AlphaFold는 여전히 전 세계 300만 명 이상의 연구자가 사용한다. 하지만 이번 I/O의 핵심 발표인 Gemini for Science — 가설 생성 AI Co-Scientist와 알고리즘 최적화 AlphaEvolve를 묶은 패키지 — 는 범용 에이전트로의 집중을 공식화한다. 스탠퍼드 유전학자 Gary Peltz는 AI Co-Scientist 초기 테스트 후 이를 "델파이 신탁에 자문하는 것"에 비유했다. 아직 일반 공개는 안 됐지만, 이제 모든 연구자가 접근 신청을 할 수 있게 됐다.
같은 주 OpenAI는 수학 특화 모델이 아닌 범용 추론 모델이 중요한 수학 추측을 반증했다고 발표했다. 전문가들은 "생성 AI가 수학에 기여한 가장 의미 있는 사례"로 평가했다. 과학은 수학과 달리 실험 검증이 필요하다는 구조적 차이가 있지만, 범용 에이전트가 이미 새로운 수학적 사실을 발견할 수 있다면 과학은 얼마나 멀리 있는가. Hassabis는 "향후 10년은 AI가 과학자를 돕는 도구, 그 이후엔 협력자"라는 신중한 언어를 유지했다. 이름 선택도 그 신중함을 반영한다 — 'AI Scientist'가 아니라 'AI Co-Scientist'. 하지만 Google이 가장 날카로운 두뇌를 어디에 두는지를 보면, 특이점의 기슭에서 오를 봉우리는 이미 정해진 것처럼 보인다.