본 논문은 인공지능(AI) 기반 과학적 발견의 진전을 위해서는 모델 크기, 데이터, 계산 시간 증가보다 추상화 격차, 추론 격차, 현실 격차를 해소하는 것이 중요하다고 주장한다. AI 기반 과학적 발견을 위한 능동 추론 시스템은 (i) 인과적 자기 지도 기반 모델에 근거한 장기적인 연구 기억을 유지하고, (ii) 베이지안 가드레일을 갖춘 기호 또는 신경 기호적 계획자를 사용하며, (iii) 사고가 새로운 개념 노드를 생성하고, 추론이 인과적 경계를 설정하며, 실제 상호 작용이 잘못된 연결을 제거하고 검증된 경로를 강화하는 지속적인 지식 그래프를 성장시키고, (iv) 고충실도 시뮬레이터와 자동화된 실험실과의 폐쇄 루프 상호 작용을 통해 내부 표현을 개선하는 시스템으로 정의한다. 즉, 반사실적 추론을 가능하게 하는 내부 모델과 가설을 현실에 근거하게 하는 외부 검증 간의 상호 작용에서 발견이 발생하는 아키텍처를 개괄한다. 또한, 시뮬레이션 및 실험으로부터의 피드백의 고유한 모호성과 기저 불확실성으로 인해 인간의 판단이 일시적인 발판이 아닌 영구적인 아키텍처 구성 요소로 필수적이라고 주장한다.
