관점
직접 연구하고 도구를 만들면서 AI와 과학에 대해 생각합니다. 작업하며 생긴 의문, 달라진 판단, 더 이야기해 보고 싶은 문제를 씁니다.
-
두 번 검토하고도 글이 어색했던 이유
9월 20일, Jev 벤치마크를 다룬 짧은 글을 X에 올렸다. 사실관계는 맞았지만 읽어 보니 검증 메모에 가까웠다. 데이터를 어떻게 나눴는지, 검증에 쓴 사례를 어떻게 재사용했는지, 어떤 처리 경로가 실패했고 어디를 실패 기준으로 잡았는지까지 넣다 보니, 정작 내가 겪은 일을 설명하는 글이 그 세부사항에 묻혔다.
-
항목 하나로 드러난 ‘서로 다른 세 칸’ 규칙의 불일치
두 목록에서 서로 다른 항목은 하나였고 복원에도 성공했다. 하지만 그 개수를 추정하는 과정에서 두 코드가 서로 다른 배치 규칙을 쓴다는 사실이 드러났다.
-
Keap1 후보 목록을 바꾼 이유
Keap1 초기 계산에서는 morroniside가 유망해 보였다. 다섯 물질을 같은 조건에서 다시 비교한 뒤 catalpol과 geniposide를 실험으로 확인할 후보로 남긴 이유를 설명한다.
-
AI가 정리한 자료에도 원문으로 돌아갈 길이 필요하다
의방성도에서 같은 이름의 처방 기록을 비교하는 화면을 만들었다. 이 경험을 바탕으로 AI가 요약한 자료에도 독자가 근거를 확인할 길이 필요한 이유를 생각해 봤다.
-
이름이 같은 두 측백산을 따로 남긴 이유
이름도 한자도 같은 두 측백산에는 서로 다른 약재 이름이 적혀 있다. 의방성도에서 두 기록을 따로 남긴 이유와 비교 화면의 50%가 무엇을 세는지 설명한다.