AI 모델은 고정된 산물이 아니라 데이터·목표·구조·최적화 동역학이 빚어낸 시간 진화 과정의 한 단면인데, 기존 연구는 학습이 끝난 뒤 행동을 분석할 뿐 그것이 왜 출현하는지는 묻지 않는다고 이 입장 논문은 지적한다. 저자들은 'AI의 과학'이 사후 땜질을 넘어 모델 행동을 만들어내는 학습 동역학 자체를 연구해야 한다고 주장한다. 그런 과학은 초기 학습 신호로 결과를 예측하고, 궤적이 어긋날 때 개입하며, 궁극적으로 원하는 속성을 더 안정적으로 만드는 학습 절차를 설계하는 단계적 이해를 지원해야 한다. 스케일링 법칙이 손실(loss) 예측을 일상화했듯, 이제 역량·편향·견고성·안전 관련 행동으로 그 성공을 확장하는 것이 과제이며, 과학사·과학철학에 기반해 기계적 해석가능성·공정성·암기 등에서의 진전과 구체적 미해결 문제를 짚는다.

• •모델을 고정된 산물이 아닌 학습 동역학의 시간 진화 과정으로 봐야 한다는 입장
• •사후 때질(fix it in post)을 넘어 행동을 생성하는 학습 동역학을 연구해야 함
• •초기 신호로 결과 예측 → 궁적 이상 시 개입 → 원하는 속성을 설계하는 단계적 이해 필요
• •스케일링 법칙이 달성한 loss 예측을 역량·편향·견고성·안전 행동으로 확장하는 것이 과제
• •과학사·과학철학에 근거해 기계적 해석가능성·공정성·암기 등의 구체적 미해결 문제 제시