Notes2Skills: 실험 노트에서 확실성 인지 과학 에이전트 기술로

과학적 발견 워크플로우(Scientific discovery workflows)는 일반적으로 실험 노트(lab notes)를 포함하며 이에 크게 의존합니다. 연구자들은 이곳에 관찰 내용을 기록하고, 불확실한 결과를 해석하며, 후속 실험을 계획합니다. 이러한 정보가 풍부한 실험 노트는 출판물에 나타나는 다듬어진 최종 결과보다는 진화하는 과학적 추론과 저자의 불확실성(uncertainty)을 보존하고 있어, AI가 더욱 포괄적이고 깊은 수준에서 과학적 탐구에 참여할 수 있는 귀중한 기회를 제공합니다. 그러나 과학 텍스트에 관한 대부분의 이전 연구는 논문, 프로토콜(protocols) 또는 구조화된 데이터베이스에 집중되어 있어, 비정형 실험 노트는 과학을 위한 AI 에이전트의 입력값으로서 충분히 탐구되지 않았습니다. 이러한 격차는 중요한데, 실험 노트는 종종 동일한 구절 내에 검증된 관찰, 잠정적인 판단, 그리고 가능한 실험적 다음 단계가 뒤섞여 있기 때문입니다. 만약 이러한 신호들이 혼동된다면, AI 에이전트는 불확실한 과학적 판단을 확정된 결론이나 실행 가능한 행동으로 오해할 수 있습니다. 이를 위해, 우리는 저자의 확실성을 보존하면서 실험 노트를 과학 AI 에이전트를 위한 검증 가능한 기술(skills)로 전환하는 2단계 프레임워크인 Notes2Skills를 제시합니다. 7가지 조건과 3번의 습식 실험(wet-lab) 세션에 걸쳐, Notes2Skills는 불확실한 노트를 확정적인 지침으로 오해하지도, 확정적인 지침을 폐기하지도 않는 유일한 구성입니다. 우리는 확실성 보존(certainty preservation)이 실험 노트와 신뢰할 수 있는 에이전트 기술 사이의 누락된 조각임을 보여주며, 더 안전한 AI 공동 과학자(co-scientist) 시스템을 향한 길을 열어줍니다.