본 논문은 과학적 발견에서 AI의 역할을 3단계로 제시합니다. 1단계는 대규모 언어 모델을 활용한 검색 및 정보 검색, 2단계는 질적 추론을 통한 모델 형성, 3단계는 실행 및 최적화입니다. 핵심 주장은 2단계 모델 형성이 가장 중요하지만 개발이 미흡하다는 점입니다. 기존 프레임워크의 한계를 인식하고 새로운 개념적 객체를 발견하는 능력은 과학적 진보에 필수적입니다.
체르의 가우스-보네 정리 증명, 네스테로프 가속 경사 수렴 문제 해결, OpenAI의 Erdos 단위 거리 추측 반증 사례를 통해 2단계 추론의 구조적 특징을 설명합니다. 이 사례들은 모두 부적절한 프레임워크, 누락된 개념적 객체, 예상치 못한 인접 분야에서의 해결책을 보여줍니다.
본 논문은 1단계 검색과 3단계 실행만으로는 기존 프레임워크에 갇히거나 기존 형식을 증폭시킬 뿐이며, 2단계 모델 형성이 과학적 발견의 핵심임을 강조합니다.