영국 ARIA가 쏘아 올린 'AI 과학자' 혁명

과학적 방법론의 근본적 전환과 자율성으로의 이행

21세기 과학 기술의 지형은 인간 지능의 한계를 넘어선 새로운 국면에 접어들고 있다. 2026년 1월, 영국 정부와 고등 연구 및 발명 기구(ARIA)가 발표한 'AI 과학자(AI Scientist)' 육성 계획은 단순한 실험 자동화를 넘어, 가설 설정부터 실험 설계, 실행, 그리고 데이터 해석에 이르는 과학적 연구의 전 과정을 자율적으로 수행하는 시스템의 구축을 목표로 한다. 이러한 변화는 과학적 발견의 속도를 기하급수적으로 가속화하고, 인류가 직면한 복잡한 문제들을 해결하기 위한 '주권적 AI(Sovereign AI)' 역량 강화의 핵심 동력으로 작용하고 있다.

 

전통적인 과학적 방법론은 연구자의 인지적 역량, 실험실의 물리적 제약, 그리고 데이터 처리의 시간적 한계에 의해 제약을 받아왔다. 그러나 최근 등장한 자율형 AI 과학자는 대규모 언어 모델(LLM)과 로보틱스, 그리고 고성능 컴퓨팅(HPC)의 결합을 통해 이러한 병목 현상을 타파하고 있다. 본 블로그는 영국의 'AI for Science' 전략을 중심으로 자율형 AI 과학자의 기술적 진화, 국가적 인프라 구축 현황, 글로벌 패러다임 경쟁, 그리고 이에 따른 윤리적·안보적 시사점을 심층적으로 분석한다.

ARIA의 'AI 과학자' 프로젝트와 자율형 연구의 최전선

영국의 혁신적 R&D 지원 기관인 ARIA는 2026년 1월 20일, 245개의 제안서 중 엄격한 심사를 거쳐 선정된 12개의 'AI 과학자' 프로젝트에 총액 규모의 자금을 투입하기 시작했다. 각 팀은 9개월 동안 약 50만 파운드의 자금을 지원받아 자율적 지능이 실제 실험 환경에서 어떻게 새로운 과학적 발견을 도출할 수 있는지 증명해야 한다.

ARIA 지원 12대 핵심 프로젝트 분석

ARIA가 선정한 프로젝트들은 생명과학, 재료공학, 에너지 등 인류의 미래와 직결된 핵심 분야에 집중되어 있다. 이들 프로젝트의 공통점은 단순히 기계적인 자동화를 넘어서, 시스템이 스스로 '반성적 사고(Self-reflective thinking)'를 수행하며 실험의 오류를 수정하고 최적의 경로를 탐색한다는 점이다.

프로젝트 명칭	주관 기관 및 핵심 연구자	주요 연구 목표 및 자율성 범위
Amina	AminoAnalytica (Abhi Rajendran)	신속한 병원균 진단 설계를 위한 자율형 AI 과학자 구축
Wet-Lab-First AI Scientist	Briefly Bio (Katya Putintseva)	물리적 실험실 환경과 디지털 지능의 긴밀한 통합 모델 구현
Silico Habilis	Deep Origin (Garik Petrosyan)	복잡한 분자 시스템의 컴퓨터 기반 자율 연구 및 설계
Lysosome Failure Elucidation	Edison Scientific / UCL	노화 관련 리소좀 기능 부전의 메커니즘 자율 규명
Cell-Free Energy Development	Find What Matters / b.next	세포 없는 생화학적 에너지 시스템의 최적화 연구
ThetaWorld	Otter Quarks	물리적 시뮬레이션과 실험 모델링의 고도화된 자율 연동
Microbial Protein Biomanufacturing	King's College London (Miao Guo)	지속 가능한 단백질 생산을 위한 자가 성찰적 AI 과학자
Mobile Robotic Scientist	University of Liverpool (Andrew Cooper)	모바일 로봇 플랫폼 기반의 물리적 화학 실험 자율화
The Cancer AI Scientist	University of Oxford (Lennard Lee)	암 치료를 위한 새로운 치료 경로 및 백신 자율 발견
MIND-MATTER	Constructor Knowledge Labs	자가 학습이 가능한 지능형 재료의 AI 기반 발견
AI NanoScientist	Lila Sciences (Rafa Gómez-Bombarelli)	퀀텀닷 및 나노 소재의 조성을 최적화하는 자율 시스템
Hermes	Cultivarium (Henry Lee)	DNA 전달 메커니즘의 자율적 탐색 및 정교화

이러한 프로젝트들은 인간 과학자가 수십 년에 걸쳐 수행해야 할 반복적이고 복잡한 실험 프로세스를 단 몇 주 또는 몇 달로 단축하려는 시도를 하고 있다. 예를 들어, 리버풀 대학교의 모바일 로봇 화학자 프로젝트는 이미 8일 동안 688건의 실험을 수행하며 인간의 개입 없이 새로운 촉매를 발견한 성과를 바탕으로, 이제는 시스템에 '더 나은 두뇌'를 탑재하여 보다 고차원적인 가설 검증 단계를 수행하고자 한다.

자율성의 정의와 실험적 한계

ARIA가 정의하는 'AI 과학자'는 가설 수립, 실험 설계, 실행, 데이터 분석으로 이어지는 전체 과학 워크플로우를 독립적으로 운영할 수 있는 시스템을 의미한다. 그러나 현재의 기술 수준에서 이러한 시스템들은 여전히 기존 도구들에 의존하고 있으며, 신뢰성 측면에서 명확한 한계에 직면해 있다. 특히 실험 데이터의 부족(Data Scarcity)과 노이즈, 그리고 모델이 논리적으로 타당해 보이는 거짓을 생성하는 '환각(Hallucination)' 현상은 자율형 실험실이 극복해야 할 주요 과제이다.

영국의 'AI for Science' 국가 전략: 인프라와 주권의 결합

영국 정부는 ARIA의 개별 프로젝트를 뒷받침하기 위해 2026년부터 2030년까지 총 20억 파운드 규모의 AI 투자 계획 중 일부인 1억 3,700만 파운드를 'AI for Science' 전략에 집중 투입하고 있다. 이 전략은 데이터, 컴퓨팅 파워, 그리고 인적 자원이라는 세 가지 핵심 기둥(Pillars)을 중심으로 구축되었다.

데이터 주권과 FAIR 원칙의 제도화

자율형 AI 과학자가 학습하고 추론하기 위해서는 고품질의 데이터가 필수적이다. 영국 정부는 2030년까지 모든 공공 자금 지원 연구 데이터에 대해 FAIR(Findable, Accessible, Interoperable, Reusable) 원칙을 준수하도록 의무화했다. 이는 데이터가 단순히 저장되는 것을 넘어, AI가 즉시 이해하고 활용할 수 있는 형태로 관리되어야 함을 의미한다.

 

또한, 영국 연구 혁신 기구(UKRI)는 브리스톨과 에든버러의 주권 컴퓨팅 센터에 새로운 데이터 저장소를 공동 배치하여, 대규모 데이터 세트와 컴퓨팅 자원 간의 물리적 거리를 단축하고 데이터 전송의 효율성을 극대화하고 있다. 특히 다이아몬드 라이트 소스(Diamond Light Source)의 OpenBind 컨소시엄에 800만 파운드를 지원하여 단백질-리간드 구조 데이터를 생성하는 것은 신약 개발의 병목 현상을 해결하기 위한 전략적 선택이다.

컴퓨팅 하드웨어의 확장: Isambard-AI와 케임브리지 슈퍼컴퓨터

영국은 AI 연구 자원(AIRR)을 대폭 확충하여 연구자들이 세계적 수준의 연산 능력을 확보할 수 있도록 지원하고 있다. 2026년 봄까지 케임브리지 대학교의 슈퍼컴퓨터 용량을 6배로 증설할 계획이며, 이는 이미 가동 중인 Isambard-AI와 함께 영국의 AI 과학 역량을 뒷받침하는 핵심 인프라가 될 것이다.

연구자들은 프로젝트의 중요도에 따라 다음과 같은 연산 자원 할당 경로를 활용할 수 있다:

• 게이트웨이 액세스: 소규모 검증 프로젝트를 위한 1만 GPU 시간 지원.
• 시스템 테이크오버: 국가적 미션 수행을 위한 최대 140만 GPU 시간의 전폭적 지원.

미래 인재 양성: 1,000명의 AI 숙련 연구자 육성

기술의 진보는 이를 운용할 수 있는 인간 전문가의 존재를 전제로 한다. 영국 정부는 향후 5년간 확장된 박사 과정을 통해 최소 1,000명의 'AI 숙련 연구자(AI-fluent researchers)'를 양성하겠다고 발표했다. 이는 전통적인 전공 지식과 AI 공학 지식을 겸비한 융합형 인재를 육성하여, 자율형 실험실 시스템을 설계하고 감독할 수 있는 전문가 계층을 두텁게 하려는 목적이다.

기술적 진화와 사례 연구: Sakana AI와 Google DeepMind

영국 정부의 정책적 지원과 더불어, 민간 부문에서의 기술적 진보 또한 자율형 AI 과학자의 현실화를 앞당기고 있다. 특히 일본 도쿄에 기반을 둔 Sakana AI와 영국 런던에 본사를 둔 Google DeepMind의 활동은 이 분야의 기술적 이정표를 제시하고 있다.

Sakana AI: 진화적 알고리즘과 추론 시간 스케일링

Sakana AI는 자연계의 진화 원리를 AI 모델 훈련에 도입하여, 기존 모델들의 강점을 자동으로 결합하고 새로운 기능을 창달하는 연구를 선도하고 있다. 2024년 8월에 발표된 'The AI Scientist' 프레임워크는 논문당 약 15달러라는 저렴한 비용으로 전체 연구 과정을 자동화할 수 있음을 보여주었다.

 

2026년 초, Sakana AI의 ALE-Agent는 AtCoder 휴리스틱 콘테스트에서 804명의 인간 전문가를 제치고 1위를 차지하며 세상을 놀라게 했다. 이 시스템은 4시간의 대회 시간 동안 약 1,300달러의 컴퓨팅 비용을 투입하여 '추론 시간 스케일링(Inference-time scaling)'을 수행했다. 단순한 정답 출력을 넘어, 병렬적인 코드 생성과 반복적 분석을 통해 인간 출제자조차 예상치 못한 '가상 동력(Virtual Power)' 휴리스틱과 같은 독창적인 알고리즘을 스스로 발견해 낸 것이다.

Google DeepMind: 런던 자동화 재료 과학 실험실

Google DeepMind는 영국 정부와의 협력을 심화하여 2026년 런던에 최초의 '자동화 재료 과학 실험실'을 설립할 예정이다. 이 시설은 DeepMind의 최신 멀티모달 모델인 Gemini와 고성능 로보틱스를 결합하여, 하루에 수백 가지의 신소재를 합성하고 테스트할 수 있는 역량을 갖추게 된다.

이 실험실의 주요 연구 분야는 다음과 같다:

• 에너지 혁신: 전력 손실을 획기적으로 줄이는 상온 초전도체 및 고효율 배터리 기술 개발.
• 컴퓨팅 하드웨어: 차세대 반도체 소재 및 고성능 태양 전지 설계.
• 바이오 정보학: DNA 구조 이해를 돕는 AlphaGenome 모델과 신약 후보 물질 발굴을 돕는 AI Co-scientist 시스템 활용.

DeepMind는 영국 AI 안전 연구소(UK AI Security Institute)와도 협력하여, 이러한 자율 시스템의 설명 가능성(Explainability)과 정렬(Alignment) 문제를 연구하며 기술의 안전한 배포를 도모하고 있다.

글로벌 경쟁 지형: 미국, 중국, 유럽의 전략 비교

자율형 AI 과학자를 둘러싼 경쟁은 이제 국가 간 기술 패권 전쟁의 양상을 띠고 있다. 주요 강대국들은 자국의 연구 생산성을 극대화하기 위해 각기 다른 접근 방식으로 AI for Science 전략을 추진하고 있다.

미국의 제네시스 미션(Genesis Mission)과 NAIRR

미국은 에너지부(DOE)를 중심으로 '제네시스 미션'을 런칭하여 세계 최대 규모의 연방 과학 데이터 세트를 활용한 과학 기반 모델(Scientific Foundation Models) 구축에 나섰다. 3억 2,000만 달러 이상의 신규 투자를 통해 '미국 과학 및 보안 플랫폼(American Science and Security Platform)'을 구축하고, 엑사스케일 슈퍼컴퓨터인 Frontier와 Aurora를 자율형 실험 워크플로우에 직접 연동하고 있다.

 

또한, 국립과학재단(NSF)은 인프라 격차를 해소하기 위해 '국가 AI 연구 자원(NAIRR)'을 2026년부터 본격 가동하여, 대기업뿐만 아니라 대학과 비영리 단체의 연구자들도 고성능 연산 자원에 접근할 수 있는 생태계를 조성하고 있다.

중국의 AI Plus 이니셔티브와 신질생산력(NQPFs)

중국은 제15차 5개년 계획(2026-2030)에서 '신질생산력(New Quality Productive Forces)' 확보를 최우선 전략 과제로 설정했다. 'AI Plus' 지침을 통해 과학자들에게 강력한 AI 도구를 보급하고, 국가 슈퍼컴퓨팅 네트워크를 확장하여 외세 의존도를 낮춘 자립형 AI 생태계를 구축하려 한다. 중국의 접근 방식은 국가 주도의 대규모 데이터 통합과 군사 및 보안 분야와의 긴밀한 연계가 특징이다.

유럽연합(EU)의 Raise와 CERN for AI 모델

유럽연합은 호라이즌 유럽(Horizon Europe) 프로그램의 2026-2027 워크 프로그램을 통해 140억 유로를 투입하며, '유럽 과학을 위한 AI 자원(Raise)'이라는 가상 연구소를 설립하고 있다. 이는 과학계의 'CERN'과 같은 모델로, 유럽 전역의 연구자들이 협력하여 신뢰할 수 있는(Trustworthy) AI 도구를 공동 개발하고 지식을 공유하는 것을 목표로 한다.

국가/지역	핵심 전략 명칭	주요 예산 규모 (2026 기준)	인프라 및 핵심 기관
영국	AI for Science Strategy	1.37억 파운드(Targeted) / 20억 파운드(Total)	ARIA, Sovereign AI Unit, Isambard-AI
미국	Genesis Mission / NAIRR	3.2억 달러+ (Genesis) / 7억 달러+ (NSF AI)	DOE National Labs, NSF NAIRR-OC
중국	AI Plus Initiative	국가 기밀 (15차 5개년 계획 연동)	MOST, CAC, 국가 슈퍼컴퓨팅 네트워크
EU	Horizon Europe (Raise)	140억 유로 (전체 R&I 예산)	European Commission, MSCA, Raise Institute

위험 관리와 신뢰성: 자율성의 그늘

자율형 AI 과학자의 등장은 장밋빛 미래만을 약속하지 않는다. 기술이 고도화될수록 데이터 노이즈에 따른 오류, 환각 현상, 그리고 의도치 않은 생물학적 무기 제조와 같은 안보적 위협이 현실적인 문제로 부각되고 있다.

신뢰성의 한계와 물리적 시스템의 안전성

현재의 자율형 시스템은 특정 실험 설정이나 재료 시스템에 고도로 특화되어 있어 범용성이 부족하다. 특히 LLM 기반의 시스템은 실제 물리적 실험 과정에서 발생할 수 있는 예상치 못한 변수나 이상치(Outliers)에 직면했을 때 오판을 내리거나 시스템이 충돌할 위험이 크다. 이로 인해 값비싼 실험 장비가 파손되거나 연구 무결성이 훼손될 가능성이 상존한다.

 

영국 왕립학회(Royal Society)는 2026년 보고서에서 이러한 기술이 과학의 수행 방식을 파괴적으로 변화시킬 잠재력이 있음을 인정하면서도, 연구자들이 결과물을 해석하고 이해할 수 있도록 '설명 가능성'을 확보하는 것이 무엇보다 중요하다고 강조했다.

안보 및 생물학적 위험 (CBRN)

강력한 AI가 생물학적 연구 능력을 갖추게 됨에 따라, 테러리스트나 악의적 행위자가 이를 활용해 새로운 전염병을 설계하거나 독성 물질을 제조할 위험이 커지고 있다. 미국 DOE와 영국 정부는 AI 모델에 대한 레드팀(Red-teaming) 테스트를 강화하고, 위험한 과학적 역량이 포함된 모델에 대한 접근 권한을 엄격히 통제하는 조치를 취하고 있다.

지식재산권과 법적 책임의 모호성

AI가 스스로 발명한 기술에 대해 누구에게 소유권을 인정할 것인가의 문제는 법조계의 뜨거운 감자이다. 현행 특허법은 대부분 인간 발명자만을 인정하고 있어, AI 과학자가 도출한 성과물의 상업적 활용과 투자 유치에 걸림돌이 될 수 있다. 또한 자율 시스템에 의한 사고 발생 시 책임 소재를 규명하는 법적 프레임워크 구축도 시급한 과제이다.

결론 및 시사점: 과학의 민주화인가, 새로운 격차의 시작인가

2026년은 자율형 AI 과학자가 실험실의 보조 도구에서 독립적인 연구 주체로 거듭나는 원년으로 기록될 것이다. 영국의 선제적인 투자는 국가 경쟁력을 제고하고 기술 주권을 확보하기 위한 필연적인 선택이다.

본 분석을 통해 도출된 주요 시사점은 다음과 같다:

1. 연구 생산성의 기하급수적 향상: AI 과학자는 신약 개발, 신소재 설계 등에서 인간의 속도를 압도하며 사회 전반의 혁신을 가속화할 것이다. 영국의 '100일 이내 신약 임상 준비' 미션은 이러한 가능성을 실현하려는 야심 찬 목표이다.
2. 인프라와 자원의 집중화: 고성능 컴퓨팅과 고품질 데이터에 대한 접근성이 과학적 우위를 결정짓는 핵심 요소가 되었다. 주권적 AI 역량을 갖추지 못한 국가나 기관은 과학적 발견의 속도 경쟁에서 도태될 위험이 크다.
3. 인간 과학자의 역할 재정의: 자율형 시스템이 반복적 실험을 수행함에 따라, 인간 과학자는 고차원적인 윤리적 판단, 연구 방향 설정, 그리고 AI 결과물의 비판적 검증에 집중하는 '연구 감독자'로 진화해야 한다.
4. 안전과 혁신의 균형: 혁신을 저해하지 않으면서도 생물학적 테러나 기술 오용을 막을 수 있는 '역동적 규제(Dynamic Regulation)' 모델이 필요하다. 영국의 'AI Growth Lab' 샌드박스 시도는 이러한 균형점을 찾기 위한 중요한 실험이다.

자율형 AI 과학자는 인류 지식의 지평을 넓히는 강력한 도구이지만, 그 방향성을 결정하는 것은 여전히 인간의 몫이다. 영국의 전략이 성공적으로 안착한다면, 이는 전 세계 과학 연구의 표준을 바꾸는 혁명적인 전환점이 될 것이다. 또한, 과학적 발견의 자율화는 이제 거스를 수 없는 흐름이며, 이에 대한 전략적 대응이 국가의 미래를 결정짓는 핵심 변수가 될 것임이 자명하다.

---

[데이터 요약: 자율형 AI 과학자 도입에 따른 주요 경제 및 사회 지표]

지표 항목	예상 수치 및 변화 (2026-2035)	데이터 근거
영국 GDP 부양 효과	최대 5,500억 파운드 증가 (2035년 기준)	techUK 분석
직원 생산성 향상	약 40% 개선 기대	Forbes 및 전문가 설문
데이터 센터 전력 소비	미국 기준 전체 전력 수요의 9% 도달 (2030년)	미국 에너지부(DOE) 전망
신약 개발 기간 단축	기존 수년에서 '100일 이내'로 목표 설정	영국 AI for Science Mission
AI 숙련 인재 수요	영국 내 최소 1,000명의 전문 연구원 필요	영국 정부 전략 보고서
AI 투자 유치 증대	샌드박스 참여 기업의 투자 유치율 6.6배 증가	AI Growth Lab 분석