이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
Google DeepMind alumni가 설립한 런던 AI lab Inherent는 과학 논문의 결과를 독립적으로 재현하는 AI agent Faraday를 공개했습니다. Inherent에 따르면 Faraday는 270억 개 파라미터의 Qwen 3.6을 기반으로 Claude Opus 4.8과 GPT-5.5를 해당 과제에서 앞섰으며, 핵심 차별점은 단순 정확도가 아니라 어떤 실험을 수행할지 판단하는 research taste에 있습니다. 회사는 이 능력을 Reinforcement Learning의 보상 구조로 학습시키고, 코딩 도구는 직접 개발하지 않고 OpenAI의 GPT-5.5 Codex를 활용했습니다. 12명 규모의 팀은 연말까지 20명에서 25명으로 확대하며 AI scientist agent와 world models 개발을 이어갈 계획입니다.
섹션별 상세
런던의 AI lab Inherent는 Google DeepMind alumni가 세운 스타트업으로, $50 million seed round를 공개한 지 몇 주 만에 Faraday를 발표했습니다. Faraday의 과제는 정답을 미리 알려주지 않은 상태에서 공개된 과학 논문의 연구 결과를 독립적으로 재현하는 일이었습니다. 이 과제는 인간 과학자에게도 초기 박사과정 훈련으로 쓰이는 만큼, Inherent는 단순한 성능 시연보다 AI가 실제 연구 과정을 밟을 수 있는지를 시험하는 기준으로 삼았습니다.
Faraday는 Anthropic의 Claude Opus 4.8과 OpenAI의 GPT-5.5보다 훨씬 작은 Qwen 3.6을 사용하면서 해당 논문 재현 과제에서 더 나은 결과를 냈다고 Inherent가 밝혔습니다. Qwen 3.6은 270억 개 파라미터를 가진 모델이며, 기사에서는 파라미터 수를 모델 규모와 일반적인 학습 비용을 가늠하는 지표로 설명합니다. 따라서 Inherent가 내세우는 핵심은 대형 모델을 그대로 확장하는 방식이 아니라 비교적 작은 기반 모델에 연구 수행 능력을 학습시킨 방식입니다.
Inherent는 Faraday의 성공 조건을 논문 결과의 재현율에만 두지 않고, 어떤 실험을 할 가치가 있는지 고르고 실험을 잘 설계하는 연구 감각까지 포함했습니다. 이처럼 규칙으로 명확히 적기 어려운 판단을 학습시키기 위해, 좋은 결과에는 보상을 주고 나쁜 결과에는 보상을 주지 않는 Reinforcement Learning을 활용했습니다. 과학 연구가 진행되는 방식을 데이터로 주입하는 데 집중하기보다 보상 기반 학습이 여러 과학 분야로 더 잘 일반화될 것이라는 판단이 장기 목표의 근거입니다.
Inherent는 모든 개발 도구를 직접 만들기보다 Faraday가 OpenAI의 GPT-5.5 Codex를 코딩 도구로 사용하게 했습니다. 인간 과학자가 필요한 소프트웨어를 직접 구축하기보다 기존 도구를 활용하는 방식과 유사하게, 에이전트가 연구의 핵심 판단에 집중하도록 구성한 선택입니다. 회사는 사용자가 듣고 싶어 하는 답을 내놓는 에이전트보다 스스로 궁금증을 발견하고 실험을 수행한 뒤 결과를 협업자에게 가져오는 연구 동료를 지향합니다.
Inherent는 King’s Cross 사무실에서 12명 전원이 대면으로 근무하고 있으며, 연말까지 인력을 약 20명에서 25명으로 늘릴 계획입니다. 공동창업자 Edward Hughes는 런던의 높은 AI 인재 밀도를 긍정적으로 평가하면서도, 퇴사자의 경쟁사 합류나 창업을 제한하는 영국의 garden leave 관행에는 개인적으로 문제를 제기했습니다. Inherent의 채용 확대는 Demis Hassabis의 새 역할 이후 진로를 고민하는 일부 DeepMind 직원에게 선택지가 될 수 있지만, 이는 회사의 채용 계획과 런던 AI 생태계에 관한 기사 내 전망입니다.
용어 해설
- 강화학습(Reinforcement Learning)
- — 강화학습은 정답 규칙을 일일이 지정하는 대신 시스템의 행동 결과에 보상을 주어 정책을 학습시키는 방법입니다. Inherent는 과학적 실험의 가치와 설계 능력처럼 명시적으로 규정하기 어려운 연구 감각을 보상 신호로 학습시키는 데 활용했습니다.
- 연구 감각(Research Taste)
- — 연구 감각은 어떤 실험을 수행할 가치가 있는지 판단하고, 결과를 얻기 위해 실험을 어떻게 설계할지 결정하는 능력입니다. Inherent는 논문 결과를 재현하는 정확성뿐 아니라 이 판단 능력까지 Faraday의 목표에 포함했습니다.
- 과학 논문 재현(Paper Replication)
- — 과학 논문 재현은 공개된 연구 논문의 실험과 분석을 독립적으로 다시 수행해 기존 결과가 나오는지 확인하는 과정입니다. 기사에서는 이를 인간 과학자의 박사과정 초기 훈련과 Inherent의 AI scientist agent 개발을 잇는 과제로 제시했습니다.
- 파라미터(Parameters)
- — 파라미터는 모델이 학습 과정에서 조정하는 수치이며, 일반적으로 모델 규모와 학습 비용을 가늠하는 지표로 쓰입니다. Faraday는 270억 개 파라미터를 가진 Qwen 3.6을 기반으로 더 큰 frontier-scale 모델과 비교됐습니다.
- 가든 리브(Garden Leave)
- — 가든 리브는 영국에서 퇴사한 직원이 일정 기간 경쟁사로 옮기거나 회사를 창업하지 못하게 하는 관행입니다. Edward Hughes는 이 제약이 AI 인재의 이동을 늦춰 미국 스타트업에 채용상 선점 효과를 줄 수 있다고 말했습니다.
기술
- Faraday
- Qwen 3.6
- Claude Opus 4.8
- GPT-5.5
- OpenAI GPT-5.5 Codex
- Reinforcement Learning
- world models
활용 사례
- 공개 과학 논문의 실험 결과 독립 재현
- 실험 후보를 고르고 설계하는 과학 연구 보조
- 여러 과학 분야에 기여하는 AI scientist agent
- 기존 코딩 도구를 활용한 연구 자동화
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 08. 23.수집 2026. 08. 23.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
