Anthropic Claude의 생물학 발견, 재현성 시험대에 오르다

Anthropic은 과학자들이 아직 그 시스템의 기능을 알지 못하는 상황에서도 Claude가 이전에 특성화되지 않았던 효소 시스템을 발견했다고 밝혔다. Anthropic Claude의 생물학 발견에는 약 950개의 AI 에이전트가 21시간 동안 유전체 데이터를 탐색하는 작업이 포함됐다. 한 에이전트는 특이한 효소 근처에서 반복되는 DNA 패턴을 발견했다.

array-associated reverse transcriptases, 즉 ART라고 불리는 이 시스템의 구성은 CRISPR를 연상시킨다. 그러나 ART가 유전자를 편집하거나 DNA를 표적화하거나, 그 밖의 CRISPR 유사 작용을 수행한다는 사실을 보여준 실험은 아직 없다.

이 간극이 이 이야기의 핵심이다. Claude는 연구자들이 놓쳤던 생물학적으로 흥미로운 패턴을 드러낸 것으로 보인다. 하지만 Anthropic은 일부 과학자들이 가용한 증거보다 강하다고 본 표현으로 초기 가설을 제시했다.

이 연구는 두 번째 문제도 드러낸다. Anthropic의 기술 보고서에 따르면, 열 차례의 반복 캠페인은 핵심적인 반복 배열을 다시 발견하지 못했다. 따라서 이 결과는 신뢰할 수 있는 자율 발견보다는 AI 보조 탐색을 더 분명하게 뒷받침한다.

Anthropic과 Claude가 실제로 발견한 것

Claude는 작동하는 유전자 편집 도구가 아니라, 알려진 유전체 구성 요소들 사이의 새로운 관계를 식별했다.

Anthropic은 2026년 9월 23일 새로운 생명과학 연구 그룹과 Bay Area 실험실을 함께 발표했다. 이 그룹은 범용 AI 모델이 기초 생물학 연구를 가속할 수 있는지 시험하기 위해 2026년 봄에 구성됐다.

연구진은 Claude에게 특이한 역전사효소를 찾도록 요청했다. 역전사효소, 즉 RT는 RNA를 DNA로 복제하는 효소다.

이 효소들은 바이러스, 이동성 유전 요소, 세균 방어 시스템, 여러 생명공학 도구에서 발견된다. 이들의 다양성은 대규모 서열 데이터베이스에서 간과된 생물학적 장치를 찾는 유전체 마이닝의 유용한 표적이 되게 한다.

이 캠페인은 약 19억 개 단백질 클러스터에서 파생된 데이터를 조사했다. Claude 에이전트들은 20만 개가 넘는 역전사효소를 수집하고 약 3,500개의 후보 시스템을 식별했다.

그런 다음 에이전트들은 그 집합을 상세 보고서와 인간 검토를 위한 약 20개 후보로 좁혔다. Anthropic의 발견 발표에 따르면, 약 950개의 에이전트가 21시간의 탐색 동안 2억 1,000만 토큰을 처리했다.

한 에이전트는 역전사효소 유전자 주변의 원시 DNA를 조사했다. 이전 연구자들이 기술하지 않았던, 균일한 간격으로 배치된 반복 서열의 긴 배열을 발견했다.

에이전트는 인근의 파트너 유전자도 식별했다. Anthropic 팀은 이 조합을 array-associated reverse transcriptases의 약자인 ART로 명명했다.

ART 시스템은 주로 세균을 감염시키는 바이러스인 박테리오파지에서 발견된다. 각 시스템은 RT, 인접한 파트너 유전자, 그리고 비암호화 DNA 반복 서열의 긴 배열로 구성된다.

바로 이 조합이 발견의 내용이다. 기반이 되는 RT는 MarsHill이라는 점보 파지 관련 연구를 포함해 이전 연구에 이미 등장했다. Claude의 기여는 RT, 파트너 유전자, 반복 배열이 하나의 생물학적 시스템을 이룰 수 있음을 인식한 데 있다.

Anthropic의 실험실은 이후 가설의 일부를 시험했다. 연구진은 반복 배열이 비활성 유전체 물질로 남는 것이 아니라, 서로 구별되는 짧은 RNA로 발현된다는 사실을 확인했다.

이 결과는 배열이 생물학적 과정에 참여한다는 점을 시사한다. 다만 그 과정이 무엇인지, RT가 해당 RNA를 사용하는지, 혹은 시스템이 DNA를 조작하는지는 입증하지 않는다.

모든 물리적 실험실 작업은 인간 과학자들이 수행했다. Claude는 데이터를 탐색하고, 가설을 생성하며, 후보 보고서를 작성하고, 결과 해석을 지원했다.

Anthropic은 핵심 계산 캠페인 동안 에이전트들이 인간 개입 없이 작동했다고 밝혔다. 다만 인간은 연구 브리프를 작성하고, 더 넓은 문제를 선정하며, 산출물을 검토하고, 실험실 실험을 수행했다.

회사는 작업 흐름과 초기 증거를 설명하는 기술 프리프린트를 공개했다. 이 논문은 아직 동료 심사를 마치지 않았다.

이 구분은 중요하다. 동료 심사는 분석 오류, 누락된 대조군, 과장된 신규성, 대안적 설명을 드러낼 수 있기 때문이다. 또한 Anthropic 외부의 전문가들이 팀의 해석에 이의를 제기할 기회도 제공한다.

현재로서는 ART를 기능이 알려지지 않은, 이전에 특성화되지 않았던 유전체 배열로 설명하는 것이 가장 적절하다. 이를 효소 시스템이라고 부르는 것은 타당하지만, 유전자 편집 메커니즘으로 묘사하는 것은 아직 뒷받침되지 않는다.

Claude 효소 발견이 여전히 중요한 이유

가장 강력한 결과는 새로운 CRISPR가 아니다. 언어 모델 에이전트가 원시 서열 데이터에서 검증 가능한 생물학적 단서를 생성할 수 있다는 증거다.

유전체 데이터베이스에는 과학자들이 한 번도 특성화하지 못한 단백질이 엄청나게 많이 존재한다. 다수는 서열로만 알려져 있을 뿐, 기능이나 관계를 설명하는 근거는 거의 없다.

전통적인 계산 파이프라인은 관련 단백질을 그룹화하고 인접 유전자를 찾을 수 있다. 하지만 어떤 패턴이 주목할 가치가 있는지, 어떤 후보가 비용이 많이 드는 실험실 작업을 정당화하는지는 여전히 연구자가 판단해야 한다.

Anthropic은 그 판단의 더 많은 부분을 자동화하려 했다. Claude는 단순히 논문을 검색하거나 미리 정해진 하나의 서열 분석 도구를 실행한 것이 아니다.

에이전트들은 문헌을 검토하고, 알려진 발견을 재현하며, 효소 계통을 그룹화하고, 유전체 주변 환경을 조사하고, 특이한 후보에 관한 보고서를 작성했다. 또한 탐색 중 생성된 가설 대부분을 기각했다.

이 작업 흐름은 초기 연구 퍼널과 닮아 있다. 계산이 넓은 탐색 공간을 조사하고, AI 시스템이 해석을 제안하며, 인간 과학자들이 어떤 결과가 실험할 가치가 있는지 결정한다.

ART 후보는 한 에이전트가 효소 주변의 원시 서열을 조사하면서 등장했다. 올바른 DNA 구간이 맥락 속에 놓이자 시각적으로 뚜렷해진 반복 패턴을 인식한 것이다.

이 행동은 단순해 보이지만, 연구는 기존 파이프라인이 표시하도록 설계되지 않은 이상 징후를 알아차리는 일에 달려 있는 경우가 많다. 생물학 데이터베이스에는 누군가 연결 고리를 발견하기 전까지 수년간 중요한 패턴이 남아 있을 수 있다.

따라서 Claude는 일반적인 요약보다 더 가치 있는 기여를 했다. 특정 유전자 좌위로 인간의 관심을 이끌고, 검증 가능한 생물학적 관계를 제안했다.

MIT 교수이자 CRISPR 선구자인 Feng Zhang은 Anthropic의 발표 전 프리프린트를 검토했다. 그는 역전사효소와 연관된 RNA 반복 배열이 흥미롭다며 추가 조사가 필요하다고 말했다.

그의 반응은 ART의 생물학적 관심도를 뒷받침한다. 하지만 자율 발견이나 ART의 잠재적 응용에 관한 Anthropic의 더 광범위한 주장을 검증하는 것은 아니다.

흥미로운 단서와 작동하는 도구의 차이는 과학 연구에서 핵심적이다. 새로운 자연 시스템은 연구자들이 이를 이해하기까지 생화학적, 구조적, 유전학적 작업을 수년간 요구하는 경우가 많다.

CRISPR 자체가 그러한 시간표를 보여준다. 반복 서열은 연구자들이 적응 면역에서의 역할을 확립하기 수십 년 전 세균에서 처음 보고됐다.

이후 과학자들은 CRISPR 관련 단백질이 RNA 가이드를 이용해 유전적 표적을 인식하는 방식을 밝혀냈다. 2012년에 발표된 획기적인 프로그래밍 가능한 DNA 연구는 이 장치를 생명공학에 맞게 재지정할 수 있는 방식을 보여줬다.

ART는 아직 어느 단계에도 도달하지 못했다. 연구자들은 자연 상태에서의 기능은 물론, 프로그래밍 가능한 도구가 될 수 있는지도 알지 못한다.

그럼에도 Claude 효소 발견은 AI 보조 가설 생성의 구체적 사례를 제시한다. 광범위한 프롬프트에서 출발해 인간 검토를 통과하고 측정 가능한 실험실 관찰을 낳은 후보에 도달했다.

이는 정적인 과학 벤치마크에서의 성공보다 더 의미 있다. 벤치마크는 모델이 평가자가 이미 알고 있는 답을 복원할 수 있는지 묻는다.

유전체 마이닝은 답을 미리 알지 못한 채 조사할 가치가 있는 대상을 찾도록 시스템에 요구한다. 이후 산출물은 물리적 실험과의 접촉을 견뎌야 한다.

이 접근법은 언젠가 연구팀이 시간을 배분하는 방식을 바꿀 수 있다. AI 에이전트는 소규모 과학자 그룹이 수작업으로 검토할 수 있는 것보다 더 많은 후보 시스템을 조사할 수 있다.

그러나 풍부함은 그 자체로 문제를 만든다. 에이전트가 수천 개의 그럴듯한 이야기를 만들어낸다면, 연구자들에게는 여전히 이를 순위화할 신뢰할 수 있는 방법이 필요하다.

잘못된 단서는 실험실 자원을 소모한다. 특히 모델이 약한 증거를 확신에 찬 언어로 제시할 때, 설득력 있는 설명은 확증 편향도 만들 수 있다.

Anthropic Claude의 생물학 발견은 이 방정식의 양면을 보여준다. 시스템은 실제 패턴을 드러냈지만, 그 결과에 이르는 경로는 일관되지 않았다.

Anthropic Claude의 생물학 발견은 드문 적중에 의존했다

성공하지 못한 열 번의 재실행은 최초 발견을 신뢰할 수 있는 발견 과정의 증거가 아니라, 가능성의 증거로 바꾼다.

Anthropic의 최초 캠페인에는 수백 개의 동시 에이전트 세션이 포함됐다. 이 에이전트들은 탐색을 과제로 나누고, 후보를 조사하며, 보고서를 평가하고, 나중의 검토를 위해 발견 사항을 기록했다.

한 세션이 관련 서열을 마주하고 그 반복 구조를 발견했다. 이 관찰은 ART 가설의 토대가 됐다.

연구팀은 이후 같은 일반 브리프와 에이전트 하니스를 사용해 추가로 열 차례 캠페인을 실행했다. 어느 캠페인도 핵심 ART 배열을 다시 발견하지 못했다.

반복 실행에서는 결정적 패턴이 포함된 상류 DNA 구간을 조사하지 않았다. 해당 서열이 맥락에 놓이지 않으면서, 에이전트들은 이를 인식할 기회를 얻지 못했다.

이 실패가 최초 발견을 지우는 것은 아니다. ART의 유전체 구성은 Claude가 한 번, 반복적으로, 혹은 다시는 발견하지 못하더라도 존재한다.

하지만 이는 캠페인에 대한 더 광범위한 해석을 약화시킨다. 신뢰할 수 있는 과학 작업 흐름이라면 연구자들이 비교 가능한 조건에서 반복할 때 유사한 탐색 행동을 보여야 한다.

실패한 재실행은 범위 문제를 드러낸다. 에이전트는 자신이 본 증거에 대해 잘 추론할 수 있으면서도, 관련 증거를 일관되지 않게 탐색할 수 있다.

이 차이는 AI 연구 시스템을 평가하는 조직에 중요하다. 모델이 자체적인 정보 수집 경로를 통제할 때, 추론 품질만으로는 신뢰할 수 있는 성능을 확립할 수 없다.

탐색 시스템은 무엇을 조사했고, 무엇을 건너뛰었으며, 왜 멈췄는지도 보여줘야 한다. 그렇지 않으면 성공적인 결과는 방대한 탐색 공간을 통과하는 문서화되지 않은 경로에 의존할 수 있다.

최초 캠페인에는 발견 성과를 위한 전통적인 분모도 없었다. Anthropic은 에이전트 수, 효소 후보 수, 최종 보고서 수를 포함해 많은 유용한 수치를 공개했다.

그러나 이 수치들은 작업 흐름이 실험적으로 가치 있는 가설을 얼마나 자주 만들어내는지는 알려주지 않는다. 또한 더 깊은 검증 후 얼마나 많은 겉보기 발견이 실패하는지도 보여주지 않는다.

수천 개 가운데 하나의 성공 후보도 유용할 수 있다. 하지만 구매자, 실험실, 자금 지원 기관에는 인상적인 일화 이상의 것이 필요하다.

이들은 여러 연구 질문에 걸친 전향적 평가를 필요로 한다. 그러한 시험은 성공률, 위양성률, 컴퓨팅 사용량, 과학자 투입 시간, 재현성을 기록해야 한다.

캠페인의 규모는 인간의 작업과 비교하는 일도 복잡하게 만든다. Anthropic은 전문 과학자가 유사한 분석을 수행하는 데 수주 또는 수개월이 걸릴 수 있다고 밝혔다.

AI 실행을 둘러싼 인간의 노력을 측정하지 않으면 그 비교는 불완전하다. 과학자들은 브리프를 설계하고, 하니스를 구축하며, 데이터베이스를 준비하고, 보고서를 검토하고, 후속 실험을 수행했다.

21시간이라는 수치는 경과한 계산 검색 시간을 설명한다. 이는 연구 프로젝트 전체 기간을 나타내지 않는다.

마찬가지로 2억1천만 토큰은 상당한 규모의 병렬 처리를 나타낸다. 독립 연구실이 이 캠페인을 재현하는 데 필요한 재정적 비용이나 인프라는 드러내지 않는다.

이러한 누락이 프로젝트를 무효로 만드는 것은 아니다. 다만 속도, 경제성, 실질적인 과학 생산성에 관해 누구나 내릴 수 있는 결론을 제한한다.

더 방어 가능한 주장은 좁다. Claude는 하나의 대규모 에이전트 캠페인에서 Anthropic의 과학자들이 간과된 유전체 패턴을 식별하도록 도왔다.

cautious scientific response는 이 진술과 AI가 새로운 생물학을 신뢰성 있게 발견할 수 있다는 주장 사이의 거리를 보여준다.

과학적 발견에는 패턴을 알아차리는 일, 그 패턴의 중요성을 입증하는 일, 그 작동 메커니즘을 설명하는 일, 그리고 증거를 재현하는 일이 포함된다. Anthropic은 첫 번째 단계를 마쳤고 두 번째 단계를 시작했다.

실패한 재실행 결과를 공개한 점은 가치가 있다. 이러한 부정적 결과는 외부 연구자들에게 에이전트 기반 검색을 개선할 더 명확한 목표를 제공한다.

향후 시스템은 에이전트가 모든 후보 주변의 고정된 유전체 구간을 검사하도록 요구할 수 있다. 또한 커버리지를 추적하고 독립 검토자에게 신규성 주장에 이의를 제기하도록 할 수도 있다.

그러한 통제 장치는 한 에이전트가 유난히 생산적인 경로를 택하는 데 대한 성공의 의존도를 낮출 것이다. 그때까지 ART는 취약한 과정에서 발견된 유망한 단서로 남는다.

CRISPR 비교는 반복 패턴에서 멈춘다

ART는 CRISPR의 한 가지 구조적 특징을 닮았지만, 두 시스템이 비슷한 생물학적 작동을 수행한다는 증거는 없다.

CRISPR 배열에는 가변적인 스페이서로 분리된 반복 DNA 서열이 포함된다. 박테리아와 고세균은 이 스페이서를 과거 침입자로부터 유래한 유전 물질의 분자 기록으로 사용한다.

세포는 이 배열을 가이드 RNA로 전사한다. CRISPR 연관 단백질은 이 가이드를 사용해 일치하는 유전적 표적을 인식한다.

이러한 프로그래밍 가능성은 미생물 면역 체계를 유전자 편집 플랫폼으로 바꿨다. 연구자들은 선택한 DNA 서열로 효소를 유도하는 가이드 RNA를 설계할 수 있다.

ART 역시 긴 반복 배열을 포함하며, Anthropic은 이 배열이 서로 다른 짧은 RNA를 생성한다는 사실을 발견했다. 이러한 관찰은 ART가 어떤 프로그래밍 가능한 작동을 수행하는지 물을 근거가 된다.

그러나 그것이 이 질문에 답하지는 않는다. Anthropic은 ART 역전사효소가 짧은 RNA와 상호작용한다는 사실을 확립하지 못했다.

연구진은 또한 ART가 일치하는 표적을 인식하는지, DNA를 절단하는지, 정보를 선택된 위치에 복사하는지, 또는 파지를 다른 생물학적 위협으로부터 보호하는지를 보여주지 못했다.

활동의 자연스러운 방향조차 불확실하다. ART는 주로 파지에서 발생하는 반면, 익숙한 많은 CRISPR 시스템은 박테리아와 고세균에서 작동한다.

ART의 반복 서열은 또한 CRISPR 시스템에 적응형 표적화 기억을 부여하는 고전적인 반복-스페이서 배열과 다르다. 구조적 유사성만으로 기능적 동등성이 확립되지는 않는다.

자연에는 수많은 반복 서열이 존재한다. 일부는 유전자 발현을 조절하고, 일부는 RNA 분자를 생성하며, 다른 일부는 프로그래밍 가능한 작업을 수행하지 않는 중복을 반영한다.

ART 파트너 단백질은 필수적임이 입증될 수 있다. 또는 유전자 편집과 거의 관련 없는 기능을 수행할 수도 있다.

Anthropic의 발표는 이러한 불확실성을 인정한다. 회사는 아직 ART의 기능을 알지 못한다고 말하며, 이 패턴을 CRISPR를 “연상시키는” 것으로 설명한다.

그러나 이 발견을 CRISPR의 역사와 함께 제시하면 더 강한 대중적 해석을 불러온다. 독자는 “유사한 반복 구조”에서 “새로운 유전자 편집 시스템”으로 쉽게 넘어갈 수 있다.

그러한 도약은 시기상조다. 공개된 어떤 결과도 Anthropic의 CRISPR 유사 효소가 어떤 유전체든 편집한다는 것을 보여주지 않는다.

이 비교는 또한 매우 초기 단계의 발견을 현대 생물학에서 가장 중대한 기술 중 하나와 나란히 놓는다. 이러한 프레이밍은 기본 메커니즘이 확인되기 전에 기대치를 높인다.

더 정확한 비유는 발견의 순서에 관한 것이다. CRISPR는 그 중요성이 즉시 이해되지 않았던 낯선 반복 서열로 시작했다.

ART는 이제 분자 기계와 연관된 또 다른 낯선 반복 서열이다. 연구자들이 그것이 무엇을 하는지 모르기 때문에 바로 조사가 필요하다.

역사적 선례는 격려와 절제를 모두 제공한다. 일부 설명되지 않은 시스템은 가치 있는 도구가 되지만, 다수는 특수한 생물학적 호기심으로 남는다.

역전사효소 시스템은 이미 여러 연구 방향을 뒷받침한다. 레트론은 특이한 DNA-RNA 분자를 생성하며 유전체 공학과 분자 기록에 맞게 응용되어 왔다.

프라임 에디팅은 역전사효소와 CRISPR 표적화 장치를 결합해 선택된 유전적 변화를 기록한다. ART는 궁극적으로 핵산을 처리하거나 복사하는 또 다른 유용한 전략을 드러낼 수 있다.

이러한 가능성은 여전히 가설이다. 역량으로 제시해서는 안 된다.

다음 निर्ण정적 증거는 비유가 아니라 실험에서 나와야 한다. 연구자들은 효소가 활성 상태인지 보여주고, 그것이 작용하는 분자를 식별해야 한다.

짧은 RNA가 효소를 안내하는지, 주형으로 기능하는지, 발현을 조절하는지, 또는 관련 없는 역할을 수행하는지 판단해야 한다.

유전적 교란 연구는 어떤 ART 구성 요소가 필요한지 밝힐 수 있다. 구조 연구는 단백질이 RNA 또는 DNA와 복합체를 형성하는지 보여줄 수 있다.

그러한 질문들이 답을 얻은 뒤에야 과학자들은 CRISPR 비교가 ART를 밝히는지, 아니면 단지 이를 마케팅하는지 판단할 수 있다.

인간 과학자들은 여전히 입증 책임을 진다

Claude는 검색 범위를 확장했지만, 그 출력이 과학으로 인정될지를 결정한 것은 여전히 인간의 판단과 실험실 검증이었다.

Anthropic은 Claude가 과학자들의 고수준 지시 아래 자율적으로 ART를 발견했다고 설명한다. 이 설명은 21시간의 계산 캠페인에는 들어맞지만, 연구 과정 전체에는 해당하지 않는다.

인간은 역전사효소를 표적으로 선택했다. 또한 에이전트가 접근할 수 있는 데이터와 도구를 구성했다.

연구자들은 조정 하니스를 만들고 모델이 후보를 보고할 방식을 결정하기도 했다. 이들은 남은 제안을 검토하고 어떤 실험을 수행할지 선택했다.

이후 실험실 과학자들은 생물학적 구성 요소를 발현하고, RNA 데이터를 분석하며, 결과를 해석했다. Claude는 이러한 단계에서 보조했지만, 물리적으로 수행하지는 않았다.

이러한 분업은 약점이 아니다. 이는 AI 지원 과학을 위한 가장 실용적인 단기 모델일 수 있다.

모델은 거대한 정보 공간을 탐색하고 후보 설명을 생성할 수 있다. 과학자들은 분야별 판단을 적용하고, 대조군을 설계하며, 주장을 물리적 세계에 비추어 검증할 수 있다.

“자율적”이라는 표현이 이러한 협업을 모델이 혼자 행동한 이야기로 축약할 때 문제가 생긴다. 그러한 언어는 성공적인 출력 주변의 과학 인프라를 흐릴 수 있다.

모델의 검색은 학습 데이터와 제공된 도구에 내재된 사전 지식의 영향도 받았다. Claude는 과학자들이 이미 그러한 패턴을 기록했기에 효소 근처의 직렬 반복 서열이 알려진 생물학 시스템과 닮을 수 있음을 인식했다.

그 기여는 대규모 데이터셋 전반에서의 재조합, 주의 배분, 우선순위화에 있었다. 이 과정이 발견으로 간주되어야 하는지는 철학적 명칭보다 측정 가능한 연구 가치에 더 좌우된다.

유용한 AI 과학자는 독립적인 검토를 견뎌내는 발견을 만들어야 한다. 또한 다른 팀이 결과를 감사할 수 있을 만큼 자신의 검색 경로를 충분히 설명해야 한다.

Anthropic의 프리프린트는 일반적인 제품 발표보다 더 많은 방법론적 세부 정보를 제공한다. 여기에는 캠페인 설계, 선별 과정, 에이전트 행동, 부정적 반복 실행이 포함된다.

이러한 투명성은 외부 과학자들에게 작업을 검증할 근거를 제공한다. 그러나 독립적인 재현은 아직 이루어지지 않았다.

Anthropic은 모델을 소유하고, 연구실을 운영하며, 보고서를 작성했다. 이 회사의 연구자들은 Claude를 효과적인 발견 시스템으로 제시할 과학적·상업적 이유를 모두 갖고 있다.

이러한 이해관계가 증거를 무효화하는 것은 아니다. 다만 Claude 채택에 이해관계가 없는 팀의 검증 필요성을 높인다.

독립 그룹은 우선 파지 유전체 전반에서 보고된 ART 구성을 확인해야 한다. 이어 자체 방법으로 RNA 발현 결과를 재현하고 구성 요소 간 제안된 상호작용을 시험해야 한다.

별도의 팀은 같은 데이터와 프롬프트를 사용해 계산 검색을 다시 실행할 수도 있다. 또 다른 유용한 시험은 Claude를 기존 생물정보학 파이프라인 및 다른 AI 시스템과 비교하는 것이다.

이 비교는 각 방법이 ART를 발견하는지 여부 이상을 측정해야 한다. 연구자들은 각 시스템이 얼마나 많은 신규 후보를 생성하는지, 그리고 그중 얼마나 많은 후보가 실험을 통과하는지 살펴봐야 한다.

이는 범용 언어 모델이 자동화를 넘어 과학적 판단을 추가하는지 명확히 할 것이다. 또한 특화된 서열 모델이 더 신뢰할 수 있는 영역을 드러낼 수도 있다.

따라서 이 결과는 두 집단에 압박을 가한다. AI 기업은 재현 가능한 성능으로 과학적 행위자성에 관한 주장을 뒷받침해야 한다.

연구 기관은 확률적 모델, 독점 인프라, 인간 실험을 결합하는 워크플로를 어떻게 평가할지 결정해야 한다.

전통적인 방법 섹션은 다른 연구실이 절차를 반복할 수 있다고 가정한다. 에이전트 시스템은 실행과 모델 버전에 따라 모델 행동이 달라질 수 있기에 이 기준을 복잡하게 만든다.

재현성을 위해서는 프롬프트, 도구 구성, 모델 식별자, 에이전트 로그, 데이터베이스, 샘플링 설정을 보존해야 할 수 있다. 서면 절차만으로는 더 이상 충분하지 않을 수 있다.

이것이 Anthropic 발표의 지속적인 중요성이다. ART는 흥미로운 생물학적 후보이지만, 이 캠페인은 AI 지원 과학을 보고하는 방식의 시험 사례로도 기능한다.

세 가지 신호가 이 주장의 성립 여부를 결정할 것이다

ART의 생물학적 기능, 독립적 재현, 반복 가능한 에이전트 성능이 이것이 이정표가 될지 아니면 유용한 경고가 될지를 결정할 것이다.

첫 번째 신호는 기계론적 결과다. Anthropic 또는 다른 연구실은 ART 역전사효소, 파트너 단백질, RNA 배열이 실제로 무엇을 하는지 확립해야 한다.

RT와 배열 유래 RNA 사이의 직접적인 상호작용은 이러한 구성 요소가 하나의 기능적 시스템을 이룬다는 생각을 강화할 것이다. 프로그래밍 가능한 표적화의 증거는 CRISPR 비유를 더욱 의미 있게 만들 것이다.

다른 기능이 밝혀진다고 해서 ART가 중요하지 않게 되는 것은 아니다. 다만 이야기는 가능한 유전자 편집 플랫폼에서 파지 생물학의 새로운 구성 요소로 좁혀질 것이다.

두 번째 신호는 독립적인 실험적 확인이다. 다른 연구 그룹은 자체 방법으로 RNA 결과를 재현하고 유전체 구성을 검증해야 한다.

동료 검토는 도움이 되겠지만, 출판만으로 이 문제가 해결되지는 않는다. 가장 강력한 뒷받침은 Anthropic 프로젝트에 관여하지 않았던 연구실에서 나올 것이다.

독립 검증은 Claude의 발견 워크플로가 일관되지 않더라도 생물학적 주장을 강화할 것이다. 보고된 관찰 결과를 재현하지 못한다면 발표 전체가 약화될 것이다.

세 번째 신호는 에이전트 캠페인이 검색을 반복할 수 있는지다. Anthropic은 개선된 워크플로가 관련 유전체 영역을 신뢰성 있게 검사하고 여러 표적 전반에서 발견을 회수한다는 점을 보여야 한다.

ART를 다시 찾는 것도 유용하겠지만, 더 폭넓은 전향적 시험이 더 큰 무게를 가질 것이다. 연구자들은 인간이 어떤 답을 예상해야 하는지 알기 전에 시스템이 새로운 후보를 식별하는 모습을 확인해야 한다.

그러한 테스트는 총 컴퓨팅 자원, 인간 검토 시간, 실패한 가설, 그리고 실험실 적중률을 공개해야 한다. 또한 결과를 전문 연구팀 및 기존 소프트웨어와 비교해야 한다.

신뢰할 수 있는 플랫폼이라면 모든 실행에서 동일한 후보를 만들어낼 필요는 없다. 중요한 것은 가치 있고 감사 가능한 단서를 생성할 안정적인 확률을 갖추는 일이다.

그러한 증거가 없다면 Claude의 효소 발견은 여전히 인상적인 사례 연구에 머문다. 이는 과학 발전을 위한 자동화된 엔진이 확립됐음을 의미하지는 않는다.

신중한 해석 역시 중요한 의미를 지닌다. Claude는 방대한 유전체 공간을 탐색해 간과됐던 배열을 포착했고, 그 관찰을 검증 가능한 연구 프로그램으로 전환하는 데 도움을 줬다.

동시에 인간은 질문을 제시하고 증거를 검증했으며, 이제 가장 어려운 과제에 직면해 있다. ART가 중요한 기능을 수행하는지 판단해야 한다.

따라서 Anthropic Claude의 생물학적 발견은 발표 이후의 전개를 기준으로 평가해야 한다. 이 시스템이 재현 가능한 메커니즘을 밝혀낼까, 아니면 CRISPR와의 비교는 검증 과정에서 흐려질까?

AI 지원 과학을 지켜보는 독자들은 에이전트 군집의 규모보다 이 세 가지 신호에 주목해야 한다. ART를 새로운 유전자 편집 플랫폼으로 받아들이기 전에 기능적 증거, 독립적 재현, 그리고 반복 가능한 발견률을 요구해야 한다.