9 가지 방법 AI는 과학을 발전시키는 것입니다

마지막 업데이트: 2024년 11월 22일

우리는 응용 과학, 인간의 창의력, 그리고 새로운 기술이 인류의 가장 크고 오래된 질문들에 빛을 비추는 시대에 살고 있습니다. 우리는 종종 과학적 진보가 빠르고 멈출 수 없는 것으로 생각하지만, 실제로는 지난 수십 년 동안 진보가 사실상 느려졌습니다. 과학계는 이 느려짐의 원인에 대해 여전히 논쟁 중이지만, 제트기에서 제조 공정에 이르기까지 오늘날의 많은 기술은 지난 반세기 동안 크게 변하지 않았습니다.

그러나 최근 몇 년 동안 인공지능과 양자 컴퓨팅과 같은 분야에서의 돌파구는 과학적 발견의 속도를 크게 가속화했습니다. 의료 발전에서부터 플라스틱을 분해하는 효소 발견에 이르기까지, 우리는 이미 그 이점을 보고 있습니다.

이러한 돌파구는 연구자, 기술자, 정책 입안자, 시민 단체, 그리고 다양한 배경의 사람들이 수십 년간 협력한 결과입니다. 이는 AI가 과학에서 어떻게 사용되어 우리의 삶을 크게 개선할 수 있는지에 대한 로드맵을 제공합니다.

이를 염두에 두고, 로열 소사이어티는 Google DeepMind와 협력하여 오늘 런던에서 첫 번째 AI for Science 포럼을 개최합니다. 이 행사는 과학자, 정책 입안자, 산업 리더들을 한자리에 모아 AI가 과학을 어떻게 변화시킬 수 있는지, 그리고 공공-민간 파트너십이 혁신을 이끄는 데 어떤 역할을 하는지 탐구합니다.

우리가 어떻게 이 지점에 도달했는지, 그리고 앞으로 어디로 나아갈지 이해하기 위해, 미래의 과학적 진보를 위한 길을 닦은 최근 9가지 주요 이정표를 살펴보겠습니다:

1. 50년간의 "거대한 도전" 단백질 구조 예측 해결

수십 년 동안 전문가들은 단백질 접힘을 이해하는 것을 "거대한 도전"이라고 불렀습니다. 2022년, Google DeepMind는 AlphaFold 2 모델을 사용해 2억 개의 단백질 구조를 예측해 발표했습니다. 그전에는 단백질 하나의 3D 구조를 알아내는 데 1년 이상이 걸릴 수 있었지만, AlphaFold는 놀라운 정확도로 몇 분 안에 이를 수행할 수 있습니다. 이러한 예측을 무료로 공개함으로써 전 세계 과학자들은 신약 개발, 항생제 내성 대응, 플라스틱 오염 해결과 같은 분야에서 연구를 가속화할 수 있게 되었습니다. 다음 단계인 AlphaFold 3는 모든 생명체의 분자 구조와 상호작용을 예측함으로써 이를 발전시켰습니다.

2. 인간 뇌를 전례 없는 세부적으로 밝혀 건강 연구 지원

인간 뇌는 항상 미스터리였습니다. 10년간의 커넥토믹스 연구 끝에, Google은 하버드의 Lichtman 연구소 및 기타 기관과 함께 인간 뇌의 작은 부분을 그 어느 때보다 상세히 매핑했습니다. 2024년에 발표된 이 프로젝트는 이전에 보지 못했던 뇌의 구조를 보여주었습니다. AI가 생성한 각 세포에 대한 주석이 포함된 전체 데이터셋은 이제 공개되어 연구를 가속화하는 데 도움을 주고 있습니다.

3. 정확한 홍수 예측으로 생명 구하기

Google이 2018년에 홍수 예측 프로젝트를 시작했을 때, 제한된 데이터로 인해 대규모로 홍수를 정확히 예측하는 것은 불가능하다고 여겨졌습니다. 하지만 연구자들은 AI 모델을 개발해 관측되지 않은 유역에서 최대 5일 전까지 극단적인 강변 사건을 예측할 수 있었으며, 이는 기존의 즉시 예측보다 신뢰도가 높거나 비슷했습니다. 2024년까지 Google Research는 이를 전 세계 100개국, 7억 명으로 확장했으며, 이전 모델이 5일 리드 타임으로 제공했던 정확도를 7일 리드 타임으로 개선했습니다.

4. 산불을 더早く 발견해 소방관들이 더 빨리 대응하도록 돕기

더 덥고 건조한 기후로 인해 산불이 더 빈번하고 파괴적으로 변하고 있습니다. 2024년, Google Research는 미국 산림청과 협력해 교실 크기만 한 산불을 탐지하고 추적하도록 설계된 AI 모델 및 새로운 글로벌 위성 네트워크인 FireSat을 만들었습니다. 20분 이내에 더 높은 해상도의 이미지를 제공함으로써, 이는 소방 당국이 더 빨리 대응할 수 있게 하여 생명, 재산, 자연 자원을 보호할 가능성을 높입니다.

5. 더 빠르고 정확한 날씨 예측

2023년, Google DeepMind는 GraphCast라는 머신 러닝 모델을 출시했으며, 이는 산업 표준(HRES)보다 더 정확하고 훨씬 빠르게 최대 10일 앞의 날씨를 예측합니다. GraphCast는 또한 사이클론 경로와 홍수와 같은 관련 위험을 더 정확히 예측할 수 있으며, 허리케인 리가 노바스코샤를 강타할 것임을 기존 모델보다 3일 먼저 정확히 예측했습니다.

6. 수학적 추론의 경계를 넓히다

AI는 제한된 데이터와 추론 능력으로 인해 복잡한 수학에서 항상 어려움을 겪었습니다. 하지만 2024년, Google DeepMind는 AlphaGeometry라는 AI 시스템을 소개했으며, 이는 인간 올림피아드 금메달리스트에 가까운 수준으로 복잡한 기하학 문제를 해결했습니다. 이는 AI 성능과 더 발전된 일반 AI 시스템 개발에서 큰 진전이었습니다. 후속 모델인 AlphaGeometry 2는 AlphaProof와 결합해 지난 25년간의 국제수학올림피아드(IMO) 기하학 문제의 83%를 해결했습니다. 이는 AI의 추론 능력이 점점 커지고 있으며, 현재 인간의 능력을 넘어 문제를 해결하고 새로운 지식을 발견 및 검증할 수 있는 시스템에 더 가까워지고 있음을 보여줍니다.

7. 양자 컴퓨팅을 사용해 화학 반응성과 키네틱스를 정확히 예측

Google 연구원들은 UC 버클리 및 컬럼비아 대학교와 함께 양자 컴퓨터에서 지금까지 가장 큰 화학 시뮬레이션을 수행했습니다. 2022년에 발표된 이 결과는 기존의 고전적 방법과 경쟁할 뿐만 아니라 양자 컴퓨팅과 관련된 일반적인 오류 완화가 필요하지 않았습니다. 이러한 시뮬레이션을 실행할 수 있는 능력은 화학 반응성과 키네틱스를 더 정확히 예측할 수 있게 하여, 실세계 문제를 해결하기 위한 화학의 새로운 응용을 열어줍니다.

8. 재료 과학 가속화 및 더 지속 가능한 태양전지, 배터리, 초전도체의 가능성

2023년, Google DeepMind는 저온에서 안정적인 38만 개의 재료를 시뮬레이션에 따라 발견한 AI 도구 GNoME를 발표했습니다. 새로운 에너지 솔루션, 처리 능력, 재료 과학 발전을 찾고 있는 시점에서, 이는 더 나은 태양전지, 배터리, 그리고 잠재적인 초전도체로 이어질 수 있습니다. 이 기술을 모두에게 접근 가능하게 하기 위해, Google DeepMind는 GNoME의 가장 안정적인 예측을 Materials Project의 오픈 데이터베이스를 통해 공개했습니다.

9. 핵융합으로의 의미 있는 한 걸음—그리고 풍부한 청정 에너지

오래된 속담에 따르면, "융합은 미래의 에너지이며, 항상 그럴 것이다"라고 합니다. 태양을 포함한 별을 작동시키는 에너지를 활용하는 것은 오랜 도전 과제였습니다. 2022년, Google DeepMind는 핵융합 반응기 내부의 플라스마를 자율적으로 제어할 수 있는 AI를 개발했습니다. EPFL의 스위스 플라스마 센터와 협력하여, 그들은 작동 중인 융합 반응기 내에서 플라스마를 안정화하고 형성할 수 있는 최초의 강화 학습 시스템을 구축했으며, 이는 안정적인 융합과 모두를 위한 풍부한 청정 에너지로 가는 새로운 길을 열었습니다.