Dharma AI가 Goldfeder·Wyder·LeCun·Shwartz-Ziv의 2026년 논문을 바탕으로 AI의 특화(specialization)가 구조적으로 불가피하다고 주장하는 해설 글이다. Wolpert-Macready의 No Free Lunch 정리(모든 문제에서 우월한 범용 알고리즘은 없음), 생태적 틈새를 채우는 진화생물학의 전문종 우위, 경쟁시장의 선택 압력, 그리고 머신러닝의 negative transfer와 MoE 아키텍처까지 네 분야가 모두 '유한 자원 아래서는 적합도(fit)가 범용성(breadth)을 이긴다'는 동일한 결론에 도달한다고 정리한다. Sutton의 Bitter Lesson과의 충돌에 대해서는 도메인 '지식'(수작업 피처)의 가치는 스케일링으로 감소하지만 도메인 '특화'(자원·범위 집중)의 이점은 유지된다고 구분한다. AlphaFold를 대표 사례로 들며, 조직의 AI 도입 전략에서 특화가 저평가되고 있다고 주장한다.

• •최적화 이론·진화생물학·경쟁시장·머신러닝 4개 분야가 모두 '적합도가 범용성을 이긴다'는 결론에 수렴
• •No Free Lunch 정리: 모든 문제에 우월한 범용 알고리즘은 수학적으로 불가능
• •MoE 아키텍처는 범용 모델이 내부적으로 특화를 복원한 증거라는 해석
• •Bitter Lesson과의 구분: 도메인 지식의 가치는 감소해도 도메인 특화(범위 집중)의 이점은 지속
• •원땐 논문은 arXiv:2602.23643, AlphaFold를 특화 우위의 전형 사례로 제시