정책

[AI for Science]
다음 사례를 참고하여, AI for Science가 전통적 연구 패러다임과 어떻게 다른지 구체적인 양상 3가지를 서술하시오.

※ 사례 A: AlphaFold는 2억 개 이상의 단백질 구조를 예측하여 기존 50년간 축적된 실험구조(약 19만 개) 대비 1,000배 규모 데이터를 생성
※ 사례 B: MIT·하버드 연구진은 AI 스크리닝을 통해 수년 걸릴 항생제 후보탐색을 수개월로 단축
※ 사례 C: 구글딥마인드 GNoME은 220만 종의 신규 결정구조를 예측① 탐색공간의 폭발적 확장: 전통적으로 실험만으로 도달 불가능했던 설계공간을 AI가 개방 (AlphaFold 사례: 기존 50년 누적 실험구조 대비 1,000배 데이터 생성)
② 연구 주기의 단축: AI-in-the-loop 방식으로 수년 걸릴 후보탐색·검증 과정을 수개월로 단축 (MIT·하버드 항생제 발견 사례)
③ 연구자 역할의 재정의: 연구자가 '데이터 생산자'에서 '데이터·모델 큐레이터(Curator)'로, 나아가 AI 협업과학자로 역할이 확장됨

모두CBT | 국가고시 실기시험 부시기!

[AI for Science] 다음 사례를 참고하여, AI for Science가 전통적 상세 페이지