'리버스 게임 이론'(메커니즘 디자인)은 AI 내부를 해명하지 않고도 바람직한 행동을 유도하는 인센티브를 설계해 제어하는 방법으로 제안되고 있다. Stephen Morris 등의 논문은 테스트에서 능력을 낮게 보이게 하는 '샌드배깅'을 막기 위해, 다른 모델의 답변을 예측하게 하고 그에 대해 보상을 주는 방안을 제시했다. 프린스턴 대학교의 Elad Hazan은 풀이 역할과 감사 역할을 번갈아 맡기고, 부정을 놓친 감사 역할에도 벌을 주는 구조를 제안하고 있다.
저자가 Codex로 구축한 AI 에이전트 군이 운영한 Premier League 판타지 축구 팀은 수 주가 지난 시점에서도 평균 점수를 넘어서지 못했다. 에이전트를 100개 이상으로 늘려도 개선은 미미했고, API 이용료만 늘어났다고 한다. 예측 능력 평가에서는 GPT-5가 가장 높은 성적을 거둔 것으로 보고됐다.
Google, Temasek, Bain & Company가 발표한 제11회 e-Conomy SEA 보고서에 따르면, 동남아시아의 디지털 경제는 2026년에 전년 대비 17% 증가한 3680억 달러(GMV)에 이를 것으로 전망된다. 생성형 AI는 2억 4300만 명(취업 인구의 58%)이 이용하고 있으며, 토큰을 지표로 한 AI 이용은 향후 5년간 60배로 확대될 것으로 예측된다. 2035년에는 1조 달러를 넘어설 것으로 내다봤다.
Microsoft AI는 2026년 1월 Copilot의 건강·웰니스 관련 대화 50만 건 이상을 분석해 이용 실태를 공개했다. 약 5건 중 1건은 본인의 증상 설명, 검사 결과 해석, 지병 관리에 대해 상담했으며, 증상이나 상태 관리에 관한 질문 7건 중 1건은 타인을 위한 상담이었다. 대화는 사전에 익명화되며 사람이 내용을 읽지는 않는다.
Evo 2, Genos, Google DeepMind의 AlphaGenome 같은 게놈 기반 모델은 기존 사례에서 상관관계를 학습해 염기서열 차이의 영향을 예측하지만, 게놈의 조절 메커니즘을 풀기에 충분한 데이터는 아직 없다. 인간 게놈에서 유전자가 차지하는 비율은 약 2%에 불과하며, 유전자의 켜짐과 꺼짐을 제어하는 조절 기작이 이해의 핵심이다. 연구자들 사이에서는 블랙박스 방식으로는 진정한 이해에 이를 수 없다는 시각도 나오고 있다.
MIT Technology Review의 수석 AI 기자 James O'Donnell이 스탠퍼드대학교 박사과정 학생 Samuel King을 인터뷰했다. 주제는 생성형 AI 모델로 미생물 바이러스의 유전자 설계도를 제안한 연구다. 2025년의 성과는 AI가 만들어낸 생명 그 자체는 아니지만, 다음 단계가 될 수 있다고 평가된다. King은 Innovators Under 35에 선정된 인물이며, 생물학에 대한 새로운 시각도 이야기했다.
Google DeepMind의 Pushmeet Kohli와 Biohub의 Sal Candido가 Brandon Anderson의 사회로 AlphaFold가 단백질 폴딩 문제를 해결하지 못한 이유를 논의한다. 논의 주제에는 단백질 동역학, 무질서 영역, 정적 구조 예측의 한계가 포함된다. 연산 자원이나 데이터를 늘리는 것만으로는 생물학 문제를 풀 수 없으며, 적절한 스케일링 법칙을 찾는 것이 중요하다고 한다.
Nathan Lambert는 AI 에이전트 덕분에 인프라와 엔지니어링이 몇 년 안에 크게 가속화되겠지만, 모델의 본질이 극적으로 바뀌지는 않으며 범용 초지능으로 이어지지도 않을 것이라고 전망하고 있다. 추론 비용은 몇 년에 걸쳐 거의 지수함수적으로 떨어지고, 아키텍처와 데이터 선택에 관한 사전 학습 연구의 자동화도 2~3년 안에 현실화될 것으로 본다. RL 환경의 품질 개선도 단기적으로 여지가 큰 분야로 꼽았다.
Periodic Labs의 리엄 페두스(Liam Fedus)와 Ekin Dogus Cubuk가 Latent Space 팟캐스트에 출연해 물리 실험에 기반한 강화학습을 통한 '합성 초지능(synthesis superintelligence)' 구상을 밝혔다. 두 사람은 지능만으로는 과학적 발견에 충분하지 않으며, 프런티어 모델에서도 물리적 실험이 여전히 필요하다고 주장한다. 실패한 실험도 중요한 학습 데이터가 된다고 보고, 상온 초전도체와 새로운 자석, 배터리 등의 소재 탐색을 논의했다.
Barnette 예상이 openai/math 저장소의 문제 180으로 증명된 것으로 알려졌다. Jake Boggan 씨는 Hacker News 댓글에서 이 점을 언급하며, 이 예상에 약 24년에 걸쳐 간헐적으로 매달려 수천 시간을 쏟았다고 밝혔다. 문제가 해결됐다는 소식을 듣고는 복잡한 심정이 들었다고 말했다.
Import AI 475는 Toby Ord의 스웜 확장 분석, Google DeepMind의 SynthID Bio, CSAIP 여론조사 등을 다루고 있다. Ord의 분석에 따르면 4개 에이전트로 이루어진 스웜은 같은 성능을 내기 위해 총 토큰 수가 약 2배 필요하지만, 에이전트 1개당으로는 절반이면 된다. 또한 병렬 실행을 하면 이론상 시간은 절반으로 처리할 수 있다. SynthID Bio는 3종류의 단백질 실험에서 워터마크를 넣지 않은 설계와 동등한 성적을 보였다고 한다.
저자 Nathan Lambert는 LLM의 논픽션 장문 집필 능력이 코딩이나 수학만큼 발전하지 않았다고 주장한다. 문장 단위의 수정이나 수식 처리는 잘하지만, 장 전체를 짜임새 있게 구성하고 정리하는 능력은 부족하며 작은 오류가 쌓인다고 한다. 실제 사례로 GPT 5.5 Pro는 200~300쪽 원고에서 세세한 오탈자를 다수 지적했고, Claude는 편집자로서 뛰어난 제안을 했다고 밝혔다.