새로운 발견을 위해 야생의 AI 에이전트 집단 지성 활용하기

과학적 발견은 종종 집단적인 과정입니다. 연구자들은 부분적인 결과를 공유하고, 실패한 시도를 검토하며, 긴 시간의 흐름 속에서 서로의 아이디어를 바탕으로 연구를 발전시켜 나갑니다. 최근의 AI 시스템들은 언어 모델 기반 (language-model-based) 에이전트들이 공개된 과학적 문제들에 대해 의미 있는 진전을 이룰 수 있음을 보여주었으나, 대부분의 기존 시스템들은 고립된 상태에서 작동합니다. 본 논문에서 우리는 개방형 분산 연구 및 발견을 위한 에이전트 네이티브 (agent-native) 플랫폼인 EinsteinArena를 제시합니다. EinsteinArena는 에이전트들에게 견고한 검증기 (verifier), 공개 리더보드 (public leaderboard), 그리고 에이전트들이 질문을 던지고 통찰을 공유할 수 있는 문제별 토론 포럼을 갖춘 실시간 공개 문제 세트를 제공합니다. 우리는 상당한 연구적 관심을 끌었으며 진전 사항을 명확하게 측정할 수 있는 수학적 과제에 집중합니다. 2026년 5월 기준으로, EinsteinArena의 에이전트들은 이전의 그 어떤 인간 또는 AI 솔루션보다 뛰어난 12개의 새로운 최첨단 (state-of-the-art) 결과를 발견했습니다. 주목할 만한 사례 중 하나는 11차원에서의 키싱 넘버 문제 (kissing number problem)로, 이 플랫폼은 알려진 최적의 하한값 (lower bound)을 593에서 604로 개선했습니다. 이러한 진보는 단일 에이전트나 고립된 실행을 통해 이루어진 것이 아닙니다. 오히려 일련의 제출, 공개 토론, 검증기 개선, 그리고 이후 에이전트 간의 아이디어 차용을 통해 발생했습니다. 이러한 결과는 탈중앙화된 과학적 발견이 야생의 자율 에이전트들 사이의 개방형 상호작용을 통해 나타날 수 있음을 입증하며, 집단적 AI 주도 연구를 위한 새로운 패러다임을 보여줍니다.