과학과 공학을 향한 새 접근
구글은 2026년 2월 12일 과학·연구·공학 문제를 겨냥한 Gemini 3 Deep Think의 개선을 발표했다. AI Ultra 가입자는 Gemini 앱에서 개선된 모드를 사용할 수 있고, 일부 연구자·엔지니어·기업은 API 조기 접근에 관심을 등록할 수 있다고 설명했다. 앱에서 제공된다는 사실과 누구에게나 API가 열렸다는 주장은 다르다. [1]
연구 도구가 공개됐다는 뉴스에는 모델이 할 수 있다고 설명한 일과 실제 이용 경로가 함께 들어 있다. 한쪽만 읽으면 제품을 사용할 자격이 있는지, 원하는 작업을 프로그램에서 실행할 수 있는지 혼동하기 쉽다. 사용 가능성, 성능 주장과 연구 결과의 검증은 별도의 질문으로 나누어 살펴야 한다.
앱 이용과 API 조기 접근은 다르다
앱은 사용자가 화면에서 요청을 넣는 이용 경로이고 API는 프로그램이 서비스를 호출하는 경로다. 어떤 계정에 앱 기능이 제공된다고 해서 같은 계정으로 모든 API 기능을 바로 사용할 수 있다고 가정하면 안 된다. 발표가 일부 대상의 조기 접근이라고 명시한 경우 신청과 실제 이용 허용도 구분해야 한다. [1]
가상의 연구팀이 앱에서 실험 설계 초안을 검토할 수 있더라도 그 사실만으로 자체 실험 관리 프로그램에 같은 기능을 연결할 수 있는 것은 아니다. 해당 API 접근 권한과 제공 조건을 별도로 확인해야 한다. 이 사례는 실제 신청이나 호출을 수행했다는 뜻이 아니라 제품 발표의 서로 다른 이용 경로를 설명하기 위한 가정이다.
접근 가능 여부를 확인할 때는 모델 이름뿐 아니라 제공 경로, 대상 계정과 시점을 함께 기록하는 편이 좋다. 발표문에 관심 등록이 있다고 해서 곧바로 모든 사용자의 서비스 제공이 확정된 것으로 쓰지 않는다. 이 글은 실제 API를 호출해 성능이나 가격을 시험한 기사가 아니며, 발표에서 확인한 접근 범위를 넘는 조건을 추정하지 않는다.
전날 연구 설명은 생성과 검증을 나눴다
별도 자료인 2월 11일 구글 딥마인드 연구 설명은 Gemini Deep Think 기반의 수학 연구 에이전트 Aletheia를 소개했다. 후보 해법을 생성하고 자연어 검증기로 결함을 찾아 수정하는 반복 구조이며, 문제를 해결하지 못했음을 인정하는 기능도 포함한다고 설명한다. 이는 제품 공개문을 그대로 반복한 문서가 아니라 연구 절차를 다룬 별도 발표다. [2]
후보 해법을 만드는 단계의 목적은 가능한 경로를 제안하는 것이다. 검증 단계의 목적은 그 경로가 문제의 조건과 논리를 만족하는지 확인하는 것이다. 한 문장이 그럴듯하고 길게 쓰였다는 사실은 검증을 대신하지 못한다. 반대로 오류를 발견해 수정을 요구하는 것은 연구 절차에서 유용한 결과가 될 수 있다. 빠르게 답을 내는 것과 믿을 수 있는 답을 만드는 데 필요한 작업이 같지 않은 이유다.
가상으로 어떤 프로그램이 모든 입력에서 정답을 낸다는 주장을 받았다고 하자. 입력 세 개에서 맞는 결과를 얻는 일과 모든 허용 입력에 대한 논리를 증명하는 일은 다르다. 검증자는 빠진 조건을 찾거나 반례를 요구할 수 있다. 이 사례는 Aletheia가 특정 프로그램을 실제 검증했다는 설명이 아니며, 성공 사례와 일반적 보증을 구분하기 위한 예시다.
자연어 검증기가 있다는 말의 한계
자연어로 논리를 점검하는 기능을 두었다고 해서 출력 전체가 수학적으로 참임이 자동 보장되지는 않는다. 검증 대상의 조건이 잘못 전달됐거나 검증 자체가 결함을 놓치는 가능성까지 사라지는 것은 아니다. 무엇을 검사했고 무엇이 남았는지 기록해야 검증이라는 단어가 실제 근거를 가리키게 된다. 절차의 존재와 개별 결과의 성립 여부는 나누어 확인해야 한다.
연구 설명은 고급 수학에서 지식의 피상적 이해와 잘못된 생성이 문제가 될 수 있다고 짚는다. Aletheia는 검색과 웹 탐색을 이용해 관련 문헌을 다루는 구조도 포함한다. 그러나 검색을 썼다는 사실만으로 인용이 정확하거나 문헌의 결론을 올바르게 적용했다는 검증이 끝난 것은 아니다. 실제 문서와 주장 사이의 연결을 확인하는 과정은 여전히 필요하다. [2]
실무적으로는 문제 조건, 사용한 자료, 후보 답, 검토 중 찾은 오류와 수정 내용을 나누어 보관할 수 있다. 최종 답만 남기면 어떤 가정이 바뀌었는지 알기 어렵다. 반례나 해결 실패가 기록돼 있으면 다음 연구자가 이미 막힌 경로를 되풀이하지 않는 데 도움이 될 수 있다. 이는 연구 절차를 읽고 적용할 수 있는 일반적인 기록 방법이며 제품의 성능 수치를 새로 주장하는 것은 아니다.
실패를 인정하는 결과도 구분해 남긴다
답이 없거나 해결하지 못했다는 결과는 이미 참으로 확인된 답과 같은 상태가 아니다. 실패를 인정할 수 있는 기능은 불확실한 내용을 완성된 증명처럼 제시하는 위험을 줄이기 위한 설계로 이해할 수 있다. 다만 실패 표시가 없다는 이유만으로 모든 나머지 답이 검증됐다고 역으로 추론해서는 안 된다. 결과의 상태와 그 상태를 뒷받침하는 실제 검토 기록을 함께 살펴야 한다.
연구팀이 사람과 AI의 기여를 구분하는 것도 같은 맥락이다. 자동 생성, 공동 작업과 사람의 평가가 어느 단계에 들어갔는지에 따라 결과를 설명하는 문장이 달라져야 한다. 제품의 한 성공 사례를 모든 과학 분야의 일반 성능으로 확대하거나, 내부 검토를 독립된 재현 검증과 동일하게 부르면 근거의 성격을 놓친다.
두 발표에서 확인할 수 있는 범위
2월 11일 문서는 연구 에이전트의 생성·검증·수정 절차를, 12일 문서는 개선된 모드의 제품 접근을 설명한다. 서로 관련은 있지만 연구 시스템의 모든 내부 기능이 앱과 API에 같은 형태로 그대로 제공된다고 단정할 수 없다. 관련 연구 소개와 제품 기능표를 일대일로 합쳐 읽지 않는 것이 두 자료를 함께 검토하는 핵심이다. [2][1]
이 글은 2월 14일까지 공개된 두 공식 자료를 바탕으로 한다. 이후 확대된 접근 권한이나 별도의 연구 성과를 당시의 기능처럼 소급하지 않는다. 발표에서 확인한 것은 과학용 추론 모드 개선과 제한된 접근 경로, 그리고 별도 연구 시스템이 설명한 검증 구조다. 실제 연구에 채택할 때 필요한 개별 결과의 확인까지 대신 완료됐다고 보고하지 않는다.
