뉴스 요약
TREE NEWS 보도: 8월 23일, TechCrunch는 전 Google DeepMind 연구원들이 설립한 런던 기반 AI 연구소 Inherent가 공개된 과학 논문의 결과를 독립적으로 재현하도록 설계된 AI 연구 에이전트 ‘Faraday’를 공개했다고 보도했다. 벤치마크 테스트에서 Faraday는 단 27억 파라미터의 비교적 작은 Qwen 3.6 모델을 기반으로 구축되었음에도 불구하고 Anthropic의 Claude Opus 4.8 및 OpenAI의 GPT-5.5와 같은 최첨단 모델을 능가했다.
산업 분석
Faraday의 성공은 더 큰 모델이 본질적으로 더 우수하다는 일반적인 가정에 도전한다. 강화 학습을 활용하여 ‘연구 감각’—즉, 어떤 실험을 추구할 가치가 있는지, 어떻게 설계할지 판단하는 능력—을 기르는 방식으로, Inherent는 AI를 단순한 패턴 인식에서 가설 기반의 과학적 탐구로 끌어올리고 있다. 이 접근 방식은 인간 연구자가 훈련되는 방식을 반영한다. 즉, 기존 작업의 재현을 독창적 발견의 기초로 삼는 것이다.
Faraday가 코딩 도구로 OpenAI의 GPT-5.5 Codex를 사용한다는 사실은 실용적이고 도구를 활용하는 패러다임을 강조한다. Faraday는 자체 능력에만 의존하는 대신 오케스트레이터 역할을 하여 특수 작업에 외부 모델을 호출한다—마치 과학자가 데이터 분석에 소프트웨어를 사용하는 것과 같다. 이러한 하이브리드 워크플로우는 연구에서 AI 에이전트의 표준이 되어 더 작고 효율적인 모델이 그 규모 이상의 성과를 낼 수 있게 할 수 있다.
Inherent의 시드 펀딩 5천만 달러와 여러 도메인에 걸쳐 자율적 발견이 가능한 ‘AI 과학자’를 구축하겠다는 야망은 AI 연구의 새로운 지평을 알린다. 그러나 재현을 통한 검증에 초점을 맞춘 회사의 접근 방식은 AI가 생성한 발견이 신뢰되기 전에 그 신뢰성을 보장하는 중요한 첫 단계이다.
미래 전망
Inherent의 훈련 방법론이 확장 가능함이 입증된다면, 과학적 응용을 위한 AI 모델 개발 방식에 변화가 일어날 수 있다—단순한 파라미터 수보다 효율성과 도메인 전문성을 우선시하는 방식으로 말이다. 이는 고급 연구 도구에 대한 접근을 민주화하여 소규모 연구소와 기관이 기술 대기업과 경쟁할 수 있게 할 수 있다. 더 넓은 AI 및 암호화폐 생태계의 관점에서, AI 에이전트와 분산 컴퓨팅 네트워크 또는 데이터 마켓플레이스의 통합은 온체인 피어 리뷰 연구나 토큰화된 과학적 발견과 같은 새로운 사용 사례를 열 수 있다.
Faraday가 진화함에 따라 핵심 지표는 재현에서 진정한 혁신으로 이동할 수 있는지—즉, 새롭고 검증 가능한 과학적 돌파구로 이어지는 가설을 생성할 수 있는지가 될 것이다. 성공한다면, Inherent는 과학에서 AI의 역할을 재정의할 뿐만 아니라 지식 추구에 있어 AI와 블록체인 기술이 어떻게 협력할 수 있는지에 대한 선례를 세울 수 있을 것이다.
