The Latent-First Laboratory: A Manifesto for Efficient, Audit-Based AI Science

Motivation

• Known: PetaKit5D 등 최신 light-sheet microscopy 시스템은 시간당 수 테라바이트에 달하는 데이터를 생성하며, 기존 연구들은 decode-then-process 파이프라인의 I/O·deskewing·deconvolution 성능을 최적화해왔다. 또한 climate science, image-based profiling 등 여러 분야에서 learned latent compression이 downstream task 성능을 상당 부분 보존할 수 있음이 보고되어 있다.
• Gap: 기존 연구는 latent representation을 모델 내부의 중간 산물로만 다루며, pixel-space 재구성을 여전히 과학 데이터의 canonical 저장 형태로 가정한다. 또한 latent-first 저장으로 전환할 때 발생하는 인간 연구자와 자율 AI 시스템 간의 신뢰(trust) 문제를 다루는 통합적 governance 프레임워크가 부재하다.
• Why: AI agent가 과학적 발견의 주된 소비자가 되어가는 상황에서, 인간 가독성을 전제로 한 데이터 아키텍처는 저장·연산 병목을 심화시키므로, 기계 중심 데이터 인프라로의 구조적 전환은 향후 AI-driven science의 확장성과 검증가능성을 좌우하는 근본적 문제이다.
• Approach: latent representation을 scientific repository의 기본 저장 형태로 삼는 Latent-First Laboratory 모델을 제안하고, 소량의 원본 데이터를 uncertainty-aware하게 보존하는 Human Audit Slice 정책으로 신뢰 문제를 보완한다.

Achievement

1. AI-Native Repository 개념 정립: latent representation을 machine-native scientific data architecture의 canonical 형태로 정의함.
2. Human Audit Slice governance 메커니즘 제안: 시간·모달리티·배치·불확실성 영역에 걸쳐 계층화된 소량의 raw data를 보존하여 인간 검증과 재현성을 확보하는 정책을 제시함.
3. 평가 어젠다 및 synthetic 실험 제시: latent-first 저장의 과학적 타당성을 판단하기 위한 평가 방향을 제시하고, synthetic rare-event retention sweep을 통해 uncertainty-aware audit sampling이 random retention 대비 훨씬 높은 anomaly recall을 적은 raw-data 보존 비율로 달성함을 보임.

How

• PetaKit5D 등 기존 고속 volumetric imaging 파이프라인의 I/O·재구성 병목을 문헌 근거로 분석함
• 기후과학(Han et al., 2025), image-based profiling(Moshkov et al., 2024), 이미지 압축(Alvar et al., 2022; Testolina et al., 2021) 등 latent compression 관련 선행연구를 종합하여 latent-first 파이프라인의 기술적 타당성을 논증함
• AI governance·auditing 문헌(Birhane et al., 2024 등)을 바탕으로 Human Audit Slice의 계층화된 표본추출(시간, 모달리티, 배치, 불확실성 regime) 설계 원칙을 제시함
• synthetic rare-event 데이터셋을 이용해 random retention과 uncertainty-aware retention 간의 storage–recall tradeoff를 비교하는 실험을 수행함

Originality

• 기존 연구들이 latent representation을 개별 모델의 중간 산물로 취급한 것과 달리, latent space 자체를 저장소의 canonical 기본 상태로 격상시키는 아키텍처적 관점 전환을 제시함
• petabyte-scale imaging, learned compression, AI governance라는 서로 분리되어 발전해온 세 연구 흐름을 하나의 repository 설계 원칙으로 통합함
• 압축과 신뢰(trust)를 별개 문제가 아닌 Human Audit Slice라는 단일 governance 메커니즘으로 결합하여 다룸

Limitation & Further Study

• position paper 특성상 실제 대규모 실험적 검증 없이 synthetic 실험 하나에 의존하고 있어, 실제 domain(생물학, 물리학)별 latent representation의 task-relevance 손실 정도에 대한 정량적 근거가 부족함
• Human Audit Slice의 구체적 표본 크기, 계층화 기준, 비용-편익 분석 등 실제 운영 시 필요한 세부 정책이 미비함
• latent representation 자체의 신뢰성(예: encoder의 domain shift, 압축 과정에서의 편향 도입 가능성)에 대한 논의가 부족하며, 후속 연구에서 실제 대규모 과학 데이터셋에 대한 latent-first 파이프라인의 실증적 벤치마크가 필요함

Evaluation

총평: 과학 데이터 인프라를 pixel-first에서 latent-first로 전환하자는 시의적절하고 통찰력 있는 제안이지만, position paper로서 실증적 검증이 제한적이어서 향후 구체적 벤치마크와 governance 세부사항 확립이 필요하다.