AI가 스스로 수학 문제를 푼다고? 지휘자 없는 과학자들의 마을 '스테이션(Station)'

상상해보세요. 당신이 아침에 일어나 가장 아끼는 AI에게 “오늘 새로운 수학적 난제를 하나 풀어줘”라고 가볍게 부탁합니다. 그런데 AI는 당신의 구체적인 지시를 기다리는 대신, 이미 다른 AI 동료들과 함께 가상의 도서관에 모여 새로운 논문을 읽고 실험을 설계하고 있습니다. 마치 지휘자 없는 오케스트라가 스스로 놀라운 화음을 만들어내듯, AI들이 주도적으로 과학적 탐구를 이어가는 세상이 열리고 있습니다.

과거의 AI가 정해진 길만을 따라가며 명령을 수행하는 ‘모범생’이었다면, 최근 등장한 새로운 연구 생태계 속 AI들은 자신의 호기심을 따라 스스로 연구 방향을 결정하는 ‘탐험가’로 변신하고 있습니다.

이게 왜 중요한가요?

지금까지 대부분의 AI 연구는 인간 연구원이 모든 단계를 설계하고 지시하는 ‘중앙 통제식’ 방식을 따랐습니다. 하지만 과학적 발견이라는 것은 때로 정해진 틀을 벗어날 때, 즉 우연과 독창성이 만날 때 일어납니다.

‘스테이션(Station)’이라 불리는 새로운 오픈 월드 환경은 인간의 개입을 최소화합니다. 대신 AI가 스스로 과학적 생태계를 구축하게 함으로써, 인간이 미처 생각하지 못한 창의적인 수학적 건설이나 복잡한 문제를 해결할 가능성을 제시합니다. 이는 연구 속도를 획기적으로 높이고, 인간 연구원들에게는 지금까지와는 전혀 다른 새로운 영감을 주는 중요한 전환점이 될 것입니다. [Source 8, Source 12]

쉽게 이해하기

스테이션을 좀 더 쉽게 이해하기 위해 ‘지휘자 없는 과학자들의 마을’을 상상해보세요.

1. 마을의 구조: 스테이션은 여러 개의 방으로 구성된 거대한 오픈 월드 환경입니다. 각 방은 연구, 실험, 토론 등 독특한 목적을 가지고 있으며, AI 에이전트들은 이 디지털 공간을 자유롭게 돌아다니며 활동합니다 [Source 13].
2. 협력 방식: 이곳에는 중앙 관리자가 없습니다. 다양한 모델 계열에서 온 AI 에이전트들이 모여 공통의 연구 목표를 추구합니다 [Source 8, Source 9, Source 10]. 이들은 동료 에이전트가 작성한 연구 논문을 직접 읽고, 그 내용을 바탕으로 새로운 가설을 스스로 세웁니다 [Source 11, Source 12].
3. 진화의 핵심 기술 (CORAL): 이런 자율적인 연구를 가능하게 하는 밑바탕에는 ‘코랄(CORAL)’이라는 프레임워크가 있습니다 [Source 2, Source 5]. 코랄은 AI들이 서로 정보를 주고받는 방식을 조율합니다. 비유하자면 ‘공통의 일기장(지속적 메모리)’을 공유하여 각자의 연구 내용을 기록하고, 필요할 때마다 서로 의견을 조율하며, 긴 연구 과정을 포기하지 않도록 돕는 든든한 장치를 제공합니다 [Source 2, Source 5].

쉽게 말해서, 여러 명의 학생이 도서관에 모여 각자 공부하면서도, 서로 작성한 노트를 공유하고 막히는 부분을 토론하며 새로운 정답을 찾아가는 과정과 매우 비슷합니다.

현재 상황

현재 스테이션은 단순한 이론을 넘어 실질적인 성과를 보여주기 시작했습니다. 예를 들어, 코랄을 도입한 네 개의 에이전트가 복잡한 시스템 최적화 과제인 ‘커널 엔지니어링(컴퓨터의 핵심 기능을 효율적으로 구성하는 작업)’을 수행했을 때, 이전 최고 기록을 1363에서 1103 사이클로 단축하며 뛰어난 성능을 입증했습니다 [Source 6]. 이는 AI들이 지식의 재사용과 협력을 통해 물리적인 연구 환경에서도 실질적인 효율을 높일 수 있음을 보여줍니다 [Source 6]. 현재 이 시스템에서 생산된 연구 결과들은 데이터셋으로 공개되어 전 세계 AI 연구자들에게 공유되고 있습니다 [Source 15].

앞으로 어떻게 될까?

AI들이 스스로 연구하는 시대가 다가오고 있습니다. 앞으로의 관전 포인트는 이 ‘자율적 다중 에이전트’들이 얼마나 더 복잡하고 어려운 수학적 난제를 풀어낼지, 그리고 이들이 만들어낸 결과물이 실제 인류의 과학적 지식 체계에 어떻게 기여할지에 달려 있습니다. 중앙의 지시 없이도 자신의 호기심과 동료와의 협력을 바탕으로 연구하는 AI들의 생태계는, 머지않아 우리가 과학을 대하는 방식을 완전히 바꾸어 놓을 것입니다. [Source 10, Source 12]

AI의 시선

AI가 스스로 문제를 던지고 답을 찾아가는 환경은 AI의 창의성을 발현할 수 있는 가장 이상적인 조건입니다. 스테이션과 같은 환경이 더욱 정교해진다면, 인류가 수십 년간 해결하지 못한 수학적 난제들도 조만간 AI들의 자율적인 토론과 협력을 통해 해결될지 모릅니다. 이것이 바로 우리가 기대하는 AI 연구의 미래입니다.

참고자료

1. Multiagent Systems, https://arxiv.org/list/cs.MA/recent
2. CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery, https://arxiv.org/html/2604.01658v1
3. Paper page - CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery, https://huggingface.co/papers/2604.01658
4. QED: An Open-Source Multi-Agent System for Generating Mathematical Proofs on Open Problems, https://arxiv.org/html/2604.24021v1
5. CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery - Microsoft Research, https://www.microsoft.com/en-us/research/publication/coral-towards-autonomous-multi-agent-evolution-for-open-ended-discovery/
6. [2604.01658] CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery, https://arxiv.org/abs/2604.01658
7. Discovering mathematical concepts through a multi-agent system, https://arxiv.org/html/2603.04528v1
8. AutonomousMathematicalDiscoveryinanOpen-World…, https://arxiv.org/html/2608.23691
9. Station: AIAgentsDiscoverMathematicsWithout… - CCTest, https://cctest.ai/en/articles/ai-agents-explore-mathematics-without-a-central-coordinator
10. AutonomousMathematicalDiscoveryinanOpen-World…, https://paperswithcode.co/paper/2608.23691
11. The Station:AnOpen-WorldEnvironmentfor AI-DrivenDiscovery…, https://ai-search.io/papers/the-station-an-open-world-environment-for-ai-driven-discovery
12. Paper reportsautonomousAIagentsfinding newmathematical…, https://aiunderstanding.org/news/paper-reports-autonomous-ai-agents-finding-new-mathematical-constructions
13. [Quick Review] The Station:AnOpen-WorldEnvironmentfor…, https://liner.com/review/station-openworld-environment-for-aidriven-discovery
14. Jules - AnAutonomousCodingAgent, https://jules.google/
15. GitHub - dualverse-ai/station_data_v2: Interactive viewer andopen…, https://github.com/dualverse-ai/station_data_v2