과학 연구자들이 실험 과정에서 작성하는 비공식 실험 노트를 AI 에이전트가 사용할 수 있는 검증 가능한 스킬로 변환하는 Notes2Skills 프레임워크가 발표됐다. 실험 노트는 검증된 관찰, 잠정적 판단, 가능한 후속 실험 계획이 같은 문장 안에 뒤섞여 기록된다. 연구팀은 AI 에이전트가 이러한 불확실성 신호를 구별하지 못하면 불확실한 판단을 확정된 결론이나 즉시 실행 가능한 지시사항으로 잘못 처리할 수 있다고 지적했다.
Notes2Skills는 실험 노트를 AI 에이전트 스킬로 전환하는 2단계 프레임워크다. 핵심은 저자의 확실성 수준을 보존하면서 진술을 추출하고 구조화하는 과정이다. 불확실성이 내포된 잠정적 관찰과 실행 가능한 확정적 절차를 명확히 구분함으로써, 에이전트가 불확실한 정보를 마치 사실인 것처럼 행동하는 오류를 방지한다. 기존 과학 AI 연구들이 주로 논문, 프로토콜, 구조화된 데이터베이스에 집중했던 것과 달리, 이 연구는 비공식 실험 노트를 AI 입력으로 활용하는 가능성에 초점을 맞췄다.
7가지 조건과 3번의 실험실 세션(wet-lab session)에 걸친 평가에서 Notes2Skills는 불확실한 노트를 확정된 지시사항으로 오인하거나, 확정된 지시사항을 버리는 오류를 전혀 범하지 않은 유일한 구성 방식이었다. 비교 대상이 된 다른 방법들은 이 두 가지 오류 중 하나 이상을 나타냈다. 연구팀은 확실성 보존이 실험 노트와 신뢰할 수 있는 에이전트 스킬 사이의 빠진 연결 고리임을 확인했다고 밝혔다.
AI 공동 연구자 시스템이 실제 실험실 환경에서 연구자와 협력하려면, 검증된 지식과 미검증 가설을 구별하는 능력이 필수적이다. 약품 개발, 재료 과학, 생명과학 분야에서 잘못된 확실성 부여는 실험 오류와 자원 낭비로 이어질 수 있다. Notes2Skills의 접근 방식은 AI가 과학 지식을 단순히 처리하는 수준을 넘어 불확실성을 인식하고 그에 맞게 행동하는 더 안전한 AI 공동 과학자 시스템 개발의 기반을 제시한다.
