science-io-2026/" data-source-date="2026-05">[1]. 연구자가 쿼리를 제출하면 Antigravity는 통합된 데이터베이스 중 어느 하위 집합을 호출할지 결정하고, 해당 쿼리를 실행한 뒤 종합된 응답을 반환합니다. 실질적인 효과는 이렇습니다. 기존에 AlphaFold, UniProt, ChEMBL 각각에 대한 통합 스크립트를 직접 작성해야 했던 연구자가 이제 개별 연결 설정 없이 단일 프롬프트로 멀티 데이터베이스 쿼리를 표현할 수 있습니다. 30개 이상의 데이터베이스 전체 목록은 아직 공개되지 않았습니다.
공개 발표에서 확인된 데이터베이스는 네 가지입니다. AlphaFold Database(단백질 3D 구조 예측), AlphaGenome API(게놈 서열 수준 예측), UniProt(단백질 서열 및 기능 주석), InterPro(단백질 도메인 분류 및 기능 패밀리 주석) 입니다. ChEMBL은 Co-Scientist의 가설 교차 검증에 활용되며 Science Skills 번들에 포함되어 있을 가능성이 높지만, I/O 2026 발표에서 Science Skills 통합 데이터베이스로 명시적으로 언급되지는 않았습니다.
| 데이터베이스 | 분야 | 데이터 유형 | Science Skills 내 상태 |
|---|---|---|---|
| AlphaFold Database | 구조 생물학 | 단백질 3D 구조 예측 | 확인됨 |
| AlphaGenome API | 유전체학 | 게놈 서열 수준 예측 | 확인됨 |
| UniProt | 단백질체학 | 단백질 서열, 기능 주석, 교차 참조 | 확인됨 |
| InterPro | 단백질 분석 | 도메인 분류, 단백질 패밀리 주석 | 확인됨 |
| ChEMBL | 화학 생물학 | 생활성 분자, 약물 표적, 분석 데이터 | Co-Scientist 통합을 통해 사용; Science Skills에서 명시적으로 언급되지 않음 |
| 25개 이상의 추가 데이터베이스 | 생명과학 (범위 미지정) | 미공개 | 개별 확인 불가 |
Google은 기존에 수 시간이 걸리던 구조 생물정보학 및 게놈 분석 워크플로우를 Science Skills로 수 분 내에 완료할 수 있다고 주장합니다 . 이를 검증하는 독립적인 벤치마크는 아직 공개되지 않았습니다. 비교 기준도 명확하지 않습니다. '수 시간'이라는 표현은 개별 데이터베이스에 대한 원시 API 쿼리 지연 시간을 가리키는 것일 수도 있고, 연구자가 통합 스크립트를 작성하고 디버깅하는 시간까지 포함한 것일 수도 있습니다. 두 해석에 따라 수치는 달라지며, 이 주장은 두 시나리오를 모두 모호하게 포괄합니다.
Antigravity 라우팅 레이어는 명시적으로 따져볼 만한 투명성 트레이드오프를 수반합니다. Antigravity가 쿼리의 각 부분을 어떤 데이터베이스가 처리할지 자동으로 선택하기 때문에, 출처 추적은 연구자 자신의 쿼리 로직이 아닌 내부 인용 매핑에 의존합니다. Science Skills 위에서 구축하는 팀은 라우팅 결정을 검사하거나 쿼리 플랜을 평가할 수 없습니다. Antigravity는 공개 문서가 없으며 Gemini for Science 인터페이스 외부에 프로그래밍 방식의 접근 수단도 제공하지 않습니다. 재현성이 중요한 워크플로우에서 이러한 불투명성은 실질적인 평가 공백입니다.
엔터프라이즈 베타와 기관 연구 네트워크
Gemini for Science는 지정된 엔터프라이즈 베타 코호트와 100개 이상의 학술 기관 파트너십을 갖추고 출시되었으며 , 스탠퍼드 대학교, 임피리얼 칼리지 런던, 프랜시스 크릭 연구소가 포함됩니다 . 엔터프라이즈 코호트는 도구별로 구분됩니다. BASF와 Klarna는 Computational Discovery를, Daiichi Sankyo, Bayer Crop Science, 미국 에너지부 국립연구소는 Co-Scientist를 테스트합니다. 이 구분은 세 도구가 별개의 베타 프로그램으로 운영되고 있음을 나타내며, 엔터프라이즈 참여자가 통합 플랫폼 계약 하에 교차 도구 접근권을 갖는 것으로는 보이지 않습니다.
I/O 2026에서 발표된 기관 연구 결과는 세 대학에 걸쳐 있습니다. 케임브리지 대학교에서는 Co-Scientist가 항균 내성 연구에 적용되었습니다 . 듀크 대학교에서는 2D 반도체 제조를 지원했으며, 럿거스 대학교에서는 수학적 오류 식별에 활용되었습니다. 이 마지막 사례는 가설-토론 파이프라인이 실험 생물학뿐 아니라 형식 추론 과제에도 작동할 수 있음을 시사합니다. 이 결과들 중 어느 것도 연구팀의 기존 방법론에서 Co-Scientist의 기여를 분리하여 독립적으로 동료 심사를 받은 것은 없습니다.
"선도적인 연구 기관과의 파트너십을 통해 가장 어려운 과학적 문제에 이 도구들을 검증할 수 있습니다. 통제된 조건이 아닌 실제 환경에서 이 접근 방식이 진정으로 유용한지 아니면 흥미롭기만 한지를 그 과정에서 파악하게 됩니다." — Yossi Matias, Google Research 부사장, Google I/O 2026 (source: Google Blog, May 2026)
ICML, STOC, NeurIPS 동료 심사 파일럿은 ML 연구 생태계에서 활동하는 개발자들이 특히 주목할 필요가 있습니다 . 이 이니셔티브는 Gemini for Science를 실험실 데이터 분석이 아닌 학회 인프라로 확장합니다. 주요 ML 학회에서 AI 지원 동료 심사가 도입되면 연구 평가 및 출판 방식에 영향을 미치고, 이는 향후 모델의 학습 데이터에 편입될 연구와 표준 벤치마크로 수용될 항목에도 연쇄적인 영향을 줍니다. 파일럿 대상인 구체적인 기능—심사자 매칭, 재현성 검토, 이해충돌 감지—은 공개 발표에서 상세히 설명되지 않았습니다.
엔터프라이즈 접근을 검토 중인 조직에 있어 가격 정보나 공개된 계약 조건이 없다는 점은 현실적인 장벽입니다. 지정된 베타 참여자 모두 기존에 Google Cloud와 관계를 맺고 있는 대형 기관이며, 이는 현재 엔터프라이즈 접근 경로가 셀프서브 등록이 아닌 협상을 통해 이루어짐을 시사합니다. 대기자 명단이나 신청 절차는 공개적으로 발표되지 않았습니다.
통합 이전과 이후: 기술적으로 무엇이 새로워졌나
Gemini for Science의 핵심 아키텍처 혁신은 워크플로 통합입니다. I/O 2026 이전까지 NotebookLM, Co-Scientist, AlphaEvolve는 각각 별도의 제품으로 존재했으며, 인터페이스도 분리되어 있었고 공유 데이터 라우팅 레이어도 없었습니다 . Gemini for Science는 이 도구들을 연구자가 바라보는 단일 인터페이스 아래로 모았습니다. Science Skills는 큐레이션된 데이터베이스 라우팅 레이어를 추가해, 연구자들이 이전에 ChEMBL·UniProt 등 서비스에 직접 API를 호출하며 관리하던 도구별 설정을 대체합니다. 새로운 모델 역량이 도입된 것은 아니지만, 통합 자체가 가져오는 엔지니어링 가치는 실질적입니다.
개별 도구 내에서 리브랜딩된 LLM 챗과 가장 차별화되는 구성 요소는 Co-Scientist의 Elo 기반 가설 순위 결정과 AlphaEvolve의 병렬 변이 루프입니다. 가설 선택에 Elo 점수를 활용하면 어떤 가설이 더 나은지에 대한 사람의 레이블이 필요 없어집니다 — 토너먼트 이력이 순위 신호를 생성하고, 비교 횟수가 늘수록 단조적으로 개선됩니다. AlphaEvolve의 병렬 변이·채점 사이클은 집단 다양성을 자동으로 생성하고, 모델의 신뢰도 점수가 아닌 실행 출력 결과를 기준으로 선택합니다. 두 메커니즘 모두 AI 연구(토너먼트 학습, 진화 알고리즘)에서 선례가 있지만, 표면적인 인터페이스 변경이 아닌 의도적인 아키텍처 선택을 반영합니다.
기술 평가자를 위한 실질적 주의 사항:
- 가격 미공개: 어떤 구성 요소에 대해서도 소비자·학술·기업 등 어느 티어의 요금제도 발표되지 않았습니다. 현재 공개된 정보만으로는 예산 계획이 불가능합니다.
- 프로그래매틱 인터페이스 없음: 세 도구 모두 공개 API가 없습니다. Gemini for Science를 자동화 파이프라인에 통합해야 하는 팀에게는 현재 가능한 경로가 없습니다.
- 일정 미정: 2026년 5월부터의 "단계적 출시"에 대해 labs.google/science의 구체적인 일정이나 대기열 방식이 공개되지 않았습니다. 기업 도입 일정도 마찬가지로 불확실합니다.
- 독립적 벤치마크 없음: Science Skills 워크플로에 대한 Google의 성능 주장은 독립적으로 검증되지 않았습니다. Literature Insights는 통제된 평가에서 Elicit·Semantic Scholar·Colab 기반 검색과 비교된 바 없습니다.
- 데이터베이스 범위의 공백: 30개 이상의 데이터베이스라는 수치는 생명과학에 해당하며, 재료과학·기후과학 또는 생의학 맥락 외의 화학 분야 커버리지는 언급되지 않았습니다 .
지금 참여할지 기다릴지 결정하는 개발자에게: 가장 명확한 단기 신호는 기업 베타 세분화입니다. 기존 Google Cloud 관계가 있고 생명과학 또는 산업 시뮬레이션 워크로드가 명확히 정의된 조직이라면 베타 접근을 위한 직접 문의가 현실적입니다. 그런 관계가 없는 조직에게는 labs.google/science 출시 현황을 추적하는 것이 현실적인 단기 방법입니다.
자주 묻는 질문
Gemini for Science는 새 모델인가요, 아니면 기존 Google AI 시스템 위에서 실행되나요?
Gemini for Science는 새 모델이 아닙니다. 2026년 5월 19일 Google I/O에서 발표된 워크플로 통합 레이어입니다 . Literature Insights는 Google NotebookLM 위에서 실행됩니다. Co-Scientist는 동료 심사를 거친 Nature 논문에서 처음 소개된 별도 설계의 멀티 에이전트 시스템으로, 7개 모듈로 구성된 독자적인 파이프라인을 갖추고 있습니다. Computational Discovery는 AlphaEvolve(코드 진화 엔진)와 ERA(실험 실행 및 해석 레이어) 위에서 실행됩니다. Science Skills는 Google Antigravity를 통해 30개 이상의 외부 생명과학 데이터베이스로 쿼리를 라우팅합니다. 이번 이니셔티브에서는 새로운 파운데이션 모델이나 새로운 파인튜닝 체크포인트는 도입되지 않았습니다.
Co-Scientist의 Elo 기반 가설 순위 산정은 어떻게 작동하나요?
Co-Scientist의 Ranking 모듈은 후보 가설 간 일대일 비교를 실행하고 Elo 점수를 부여합니다. AlphaGo 및 AlphaStar 토너먼트 학습에서 사용된 것과 동일한 점수 산정 방법론을 따릅니다 . 각 비교는 대결로 처리되며, 승자의 점수는 오르고 패자의 점수는 내려갑니다. 조정 폭은 대결 전 점수 차이를 반영합니다. 어떤 가설이 더 나은지 사람이 직접 레이블을 붙이지 않아도 비교 횟수가 늘어날수록 신뢰도가 높아집니다. 높은 점수를 받은 가설은 Debate 단계에서 Evolve 단계로 진입하며, 이 단계에서 Evolution 에이전트가 다음 점수 산정 주기를 위해 가설을 정제하고 재조합합니다.
독립 연구자도 Gemini for Science에 접근할 수 있나요, 아니면 기업 전용인가요?
독립 연구자는 labs.google/science를 통해 Gemini for Science에 접근할 수 있으며, 2026년 5월부터 단계적 공개가 시작되었습니다 . 기업 고객은 Google Cloud를 통한 별도 접근 경로를 이용합니다. 출시 시점에 요금제, 대기자 등록 방식, 접근 자격 기준은 공개되지 않았습니다. 엔터프라이즈 베타 참여 기업으로 명시된 BASF, Klarna, Daiichi Sankyo, Bayer Crop Science, 미국 DOE 국립연구소를 보면, 현재 엔터프라이즈 경로는 셀프서브 등록이 아닌 Google과의 협의를 통해 이루어지는 것으로 보입니다.
Science Skills에는 어떤 데이터베이스가 포함되나요?
확인된 데이터베이스는 네 곳입니다. AlphaFold Database(단백질 3D 구조 예측), AlphaGenome API(유전체 서열 예측), UniProt(단백질 서열 및 기능 주석), InterPro(단백질 도메인 분류)입니다 . Google은 Science Skills가 총 30개 이상의 생명과학 데이터베이스를 통합한다고 밝혔으나 전체 목록은 공개하지 않았습니다. 모든 데이터베이스는 데이터베이스별 API 직접 호출이 아닌 자연어 프롬프트를 통해 Google Antigravity로 접근합니다. ChEMBL은 Co-Scientist가 가설 교차 검증에 활용하지만, I/O 2026 발표에서 Science Skills의 확인된 통합 목록에 명시적으로 포함되지는 않았습니다.
Google Antigravity란 무엇이며, Science Skills에서 왜 중요한가요?
Google Antigravity는 AI 도구와 외부 데이터 소스 간 쿼리를 라우팅하는 Google의 내부 에이전트 오케스트레이션 플랫폼입니다. Science Skills는 Antigravity 내부의 특화 번들로, 연구자가 프롬프트를 제출하면 Antigravity가 쿼리할 데이터베이스를 결정하고 해당 호출을 실행한 뒤 결과를 단일 응답으로 종합합니다. 연구자가 개별 데이터베이스 연결을 직접 설정할 필요가 없습니다. Antigravity는 공개 문서화되거나 상업적으로 제공되는 제품이 아닙니다. 연구자는 라우팅 로직을 검사하거나, 쿼리 플랜을 평가하거나, Gemini for Science 인터페이스 외부에서 프로그래밍 방식으로 연동할 수 없습니다. 이 추상화는 데이터베이스별 설정 부담을 줄여주지만, 특정 결과가 어떻게 조합되었는지에 대한 투명성을 제거합니다. 재현성이 중요한 워크플로에서는 이 점이 핵심 고려 사항입니다.
연구 인프라 구축자에게 이 수렴이 의미하는 것
Gemini for Science는 Google의 AI 연구 도구를 연구자가 접하는 단일 인터페이스로 통합한 결과물입니다. NotebookLM의 문서 분석, Co-Scientist의 대립적 가설 엔진, AlphaEvolve의 진화적 코드 최적화를 하나의 우산 아래 결합하고, Science Skills로 데이터베이스 라우팅을 제공함으로써 실질적인 마찰 지점을 해소합니다. 연구자들은 현재 Gemini for Science가 단일 세션에서 처리하고자 하는 워크플로를 실행하기 위해 여러 플랫폼과 API 통합 사이를 오가고 있습니다. 이 통합은 개별 구성 요소가 기술적으로 전례가 있는지 여부와 무관하게 엔지니어링적 가치를 지닙니다.
출시 시점에 확인된 공백은 프로덕션 평가를 가로막는 구체적인 장애물입니다. 프로그래밍 방식 인터페이스 없음. 요금제 없음. labs.google/science 공개 일정은 "2026년 5월부터 단계적"이라는 것 외에 공개되지 않음. Literature Insights와 Elicit 또는 Semantic Scholar 간, Science Skills 워크플로와 데이터베이스 API 직접 통합 간의 독립 벤치마크 없음. 생명과학 외 분야에서의 Science Skills 데이터베이스 범위는 미공개. 이는 실험적 출시에서 드문 제약은 아니지만, I/O 2026 발표를 근거로 벤더 신뢰도나 파이프라인 통합을 평가하는 팀에게는 실질적인 장벽입니다.
ML 개발자 커뮤니티에 파급 효과가 가장 크게 나타날 것으로 보이는 움직임은 ICML, STOC, NeurIPS 동료 심사 파일럿입니다. AI 보조 동료 심사 도구가 표준 학술대회 인프라로 자리 잡는다면, 연구 콘텐츠를 생성하고 구조화하는 도구는 Gemini for Science 어느 도구가 일반 제공에 도달하는 시점과 무관하게 연구 파이프라인의 업스트림 구성 요소로서 중요성을 갖게 됩니다. 이것이 실험적 제품 공개와는 별도의 타임라인으로 추적할 가치가 있는 신호입니다.
최종 업데이트: 2026-05-29. Google I/O 2026 발표 및 출시일 기준 공개 문서를 바탕으로 작성되었습니다. 접근 약관, 데이터베이스 통합, 요금제는 실험적 공개가 진행됨에 따라 변경될 수 있습니다.
