인공지능은 과학 연구를 변모시키고 있습니다. 이는 단순히 더 강력한 도구로서가 아니라, 연구 주기 자체에 자율적인 참여자로서 작용하고 있다는 의미입니다. 이러한 변화는 가장 정확한 의미에서 '연구의 산업화'를 구성합니다. 즉, 지식, 방법, 판단이 연구자 개인에게 내재되어 있던 장인 모델(craft model)에서, 이 단계들이 분해되고 자동화되며 감독되는 파이프라인 모델(pipeline model)로의 전환입니다. 미국 에너지부(US Department of Energy)의 Genesis 임무가 이러한 변화의 가장 야심 찬 현재 구현 사례이지만, 이것이 제기하는 근본적인 질문들은 어떤 단일 프로그램보다 훨씬 광범위합니다. 본 에세이는 다음과 같은 일곱 가지 질문들을 고찰합니다: 과학적 역량의 세대 간 전수 약화; AI가 생성한 이론의 증가하는 불투명성(opacity); 기계가 생성한 방대한 결과물 속에서 피어 평가(peer evaluation)의 붕괴; 패러다임 전환적인 발견을 위한 AI의 입증되지 않은 능력; 과학적 의제가 정치적 및 산업적 행위자에 의해 장악되는 현상; 폐쇄 루프 파이프라인(closed-loop pipelines) 내 체계적 오류의 복합화; 그리고 전 지구적 연구 공동체의 비비교 가능한 계층(incommensurable tiers)으로의 구조적 양분화. 이러한 우려들은 AI 주도 과학에 반대하는 주장이라기보다는, 그 잠재력이 실질적이고 중요함에도 불구하고, 그러한 잠재력을 책임감 있게 추구할 수 있는 조건들을 구성합니다.