MIT 연구진, AI가 과학 기기를 스스로 설계·실행하는 '재귀적 메타 지능' 제시

MIT의 Markus J. Buehler 연구진이 Recursive Meta-Intelligence 개념을 제시했다. 이 프레임워크는 AI가 자체적인 과학 기기를 생성하고, 이를 에이전트 생태계가 거주하는 **실행 가능한 세계(executable world)**로 변환하여 물리적 미래의 비선형 공간을 추론하는 재귀적 루프를 형성한다.

계층적 메타물질에서의 실패 원리 규명

연구는 **계층적 메타물질(hierarchical metamaterials)**의 실패 메커니즘을 규명하는 데 적용되었다. 수만 개의 시뮬레이션 궤적이 메커니즘 원리로 압축되었으며, 주요 발견은 다음과 같다.

• 구조의 역할: 계층 구조 자체보다 손상이 누적될 때 힘이 전달되고 재분배되는 경로를 조직화하는 방식이 성능을 결정한다.
• 하중 지지 배분: 지배적인 하중 지지 구조에 소재를 할당할 때 성능이 향상되며, 기하학적 질서 배치가 동기화된 붕괴 여부를 결정한다.
• 복원력 설계: 손상에 대한 복원력은 실패 시작 후 기능이 보존되는 상태 시퀀스로 재료를 유도하는 구조 설계로 달성 가능하다.

Swarm Habitat와 재귀적 플라이휠

AI는 Swarm Habitat을 통해 수천 개의 대안과 가능한 역사를 탐색하고, 이를 인간이 이해할 수 있는 메커니즘으로 압축하여 **확장된 인지(extended cognition)**를 형성한다. 첫 에이전트가 정의한 과학적 세계가 공유 인지가 되어 다른 에이전트들이 증거를 추가하는 재귀적 플라이휠이 작동하며, 이를 통해 과학 분야의 지능 폭발(intelligence explosion)이 발생한다.

과학적 초지능으로의 진화

이 과정은 단순한 반복이 아니라 추론 기질(reasoning substrates)의 새로운 수준을 생성한다. 고차원 활동이 안정적 불변량으로 압축되고, 이것이 상위 동적 공간을 생성하는 계약(contract) 역할을 한다. 이러한 다중 스케일 아키텍처는 복잡한 활동이 안정적인 추상화를 생성하고, 이것이 새로운 추론 수준의 빌딩 블록이 되는 과정을 통해 **과학적 초지능(scientific superintelligence)**으로 진화할 가능성을 제시한다.