2030년대가 되면 대학, 기업, 국가가 서로 경쟁하는 자동 연구 체제를 운영하게 되고, 그 성과는 빠르게 늘어나지만 더 이상 하나의 공통된 과학 언어로 묶이지 않는다.
과학은 느려지지 않는다. 대신 분열된다. 자동 연구 엔진은 인간 연구실이 따라갈 수 없는 속도로 가설을 만들고, 실험을 설계하고, 문헌을 종합하고, 특허 지형을 그린다. 그러나 각 제도권 체제는 자기 인센티브에 맞게 최적화된다. 학계 체제는 재현성의 형식을, 기업 체제는 수익 경로의 보호를, 국가 체제는 전략적 비밀주의를 강화한다. 돌파구는 늘어나지만 상호 이해 가능성은 줄어든다. 가장 값비싼 과학자는 두 개의 참인 결과가 왜 서로 비교되지 않는지 설명할 수 있는 번역자가 된다.
제네바의 새벽 2시 10분, 한 약리학 편집자가 유리 회의실에 앉아 모두 정교해 보이지만 서로 모순되는 세 편의 AI 생성 암 연구를 비교한다. 그녀가 묻는 것은 어느 모델이 더 똑똑한가가 아니다. 동이 트기 전 비상 패널이 아직 신뢰할 수 있는 방법 언어가 무엇인가이다.
분열이 곧 쇠퇴를 뜻하는 것은 아니다. 경쟁하는 연구 체제는 숨겨진 가정을 드러내고, 단일한 사고방식의 위험을 줄이며, 더 명시적인 방법을 요구하는 압력을 만들 수 있다. 분열된 과학은 더 어수선하지만, 그만큼 더 자기인식적일 수도 있다.
요즘 같은 병을 연구해도 결과가 같은 언어로 모이지 않습니다. 사람들은 속도의 문제로 보지만, 실제로는 기준이 갈라지는 중이죠. 대학은 재현성을 챙기고, 기업은 특허를 먼저 봅니다. 국가는 보안을 우선하죠. 같은 암 연구도 다른 자동 연구 스택 위에서 돌아갑니다. 2024년 미국 민간 AI 투자액은 1091억 달러였습니다. 빨라졌는데, 결과는 쉽게 호환되지 않습니다. 이 흐름은 연구실에서 끝나지 않죠. 병원은 어느 검증 체계를 믿을지 골라야 하죠. 규제기관은 어느 방법 언어를 기준으로 삼을지 먼저 정합니다. 투자시장도 같은 선택을 시작할 겁니다. 이제 더 많이 아는 쪽보다, 어떤 방법을 표준으로 만들었는지가 힘이 됩니다. 앞으로 사실은 발견되는 걸까요, 아니면 채택되는 걸까요.