"새로운 발견 시대 시작"

편집자 주: 오늘 런던에서 Google DeepMind와 Royal Society는 제1회 AI for Science 포럼을 공동 주최했습니다. 이 포럼은 노벨상 수상자, 과학계, 정책 입안자, 산업 리더들이 모여 AI가 과학적 돌파구를 이끌고, 세계의 가장 시급한 도전 과제를 해결하며, 새로운 발견의 시대를 열 잠재력을 탐구했습니다.

Google의 연구, 기술 및 사회 담당 수석 부사장인 James Manyika가 개회사를 전했습니다. 아래는 그의 연설 원고를 그대로 옮긴 것입니다.

AI가 과학에 미치는 영향은 최근 큰 주목을 받고 있지만, AI를 활용해 과학의 경계를 넓히려는 아이디어는 새로운 것이 아닙니다. 이는 Alan Turing과 Christopher Longuet-Higgins 같은 선구자들로 거슬러 올라가며, 최근에는 Google DeepMind와 Google Research의 동료들이 최전선에 서 있습니다.

AI와 과학을 둘러싼 관심은 과학자를 대체하려는 것이 아니라, 계산 능력의 이점을 활용해 까다로운 문제를 해결하는 데 AI가 어떻게 도움을 줄 수 있는지에 관한 것입니다. AI를 과학자들의 믿음직한 조수로 생각해보세요.

우리는 Hodgkin과 Huxley가 신경 충동이 뉴런을 따라 이동하는 방식을 설명하기 위해 계산 방법을 사용했을 때 이 잠재력을 엿볼 수 있었습니다. 그들의 작업은 1963년 노벨상을 수상했습니다.

오늘날로 빠르게 넘어가면, 제 동료 Demis Hassabis, John Jumper, 그리고 AlphaFold 팀은 1970년대 Christian Anfinsen이 제시한 "단백질 접힘 문제"를 AI로 해결했습니다. 그들의 노력은 노벨 화학상을 받았습니다.

그렇다면 AI는 과학을 어떻게 발전시키고 있을까요?

먼저 속도에 대해 이야기해 봅시다. 일부 분야에서 AI는 보통 수백 년이 걸릴 연구를 단 몇 년, 몇 달, 심지어 며칠로 단축시키고 있습니다.

AI는 또한 연구의 범위를 넓혀 과학자들이 한 번에 하나씩이 아니라 동시에 여러 가지를 새로운 방식으로 탐구할 수 있게 합니다.

AI 덕분에 더 많은 사람들이 연구에 참여할 수 있게 되었고, 이는 과학적 발견을 더욱 가속화할 수 있음을 의미합니다.

AI는 다양한 과학 분야에서 큰 진전을 이끌고 있습니다

AI가 큰 파장을 일으키고 있는 몇 가지 예를 들어 AlphaFold부터 시작해 보겠습니다:

단 1년 만에 제 동료들은 거의 모든 알려진 단백질, 즉 2억 개 이상의 구조를 예측했습니다. 그리고 AlphaFold 3를 통해 단백질을 넘어 DNA, RNA, 리간드 같은 생명체의 모든 생체분자를 포함했습니다.

AlphaFold는 190개국의 200만 명 이상의 연구자들에게 게임 체인저였으며, 소홀히 다뤄진 질병부터 약물 내성 박테리아까지 모든 것을 다루고 있습니다.

AlphaFold를 기반으로 한 AlphaMissense는 7,100만 개의 가능한 미스센스 변이(단일 문자 DNA 변화)를 거의 90%가 유해하거나 무해한 것으로 분류했습니다. 인간 전문가에 의해 확인된 것은 0.1%에 불과했다는 점에서 이는 큰 도약입니다.

인간 게놈이 처음 시퀀싱되었을 때는 단일 어셈블리를 기반으로 했습니다. 하지만 작년에 Google Research의 동료들은 학계 협력자들과 함께 47개 어셈블리를 기반으로 한 참조 인간 판게놈의 초안을 발표했습니다. 이는 인간 유전적 다양성에 대한 더 나은 그림을 제공합니다.

신경과학에서는 Google Research, Max Planck Institute, 그리고 Harvard의 Lichtman Lab 간의 10년간의 협력으로 인간 뇌의 나노 스케일 지도가 제작되었습니다. 이 정도의 세부 사항은 전례 없는 것이었으며, 뇌를 이해하는 방식을 바꿀 수 있는 새로운 구조를 드러냈습니다. 이는 알츠하이머 같은 신경 질환을 다루는 새로운 방법을 이끌 수 있습니다. 전체 지도는 이제 다른 연구자들이 탐구할 수 있도록 공개되었습니다.

생명과학을 넘어 다른 분야에서도 돌파구를 보고 있습니다.

기후 모델링에서는 전통적인 물리 기반 방법과 머신 러닝을 결합해 NeuralGCM을 만들었습니다. 이 모델은 전통 모델이 19일을 시뮬레이션하는 데 걸리는 시간에 7만 일 이상의 대기를 시뮬레이션할 수 있습니다.

또 다른 예는 Google DeepMind의 동료들이 개발한 GenCast입니다. 이는 업계 표준보다 더 정확하고 빠르게 최대 15일 앞의 날씨를 예측하는 최고 수준의 AI 모델입니다.

우리의 Quantum AI 팀은 횡단 가능한 웜홀 연구와 같은, 과거에는 공상과학에 가까웠던 영역을 탐구하고 있습니다. 이는 거의 90년 전 Einstein-Rosen 브리지로 처음 제안된 양자 중력 이론을 테스트하는 데 도움이 될 수 있습니다.

사실, 양자와 AI는 서로를 돕기 시작했습니다. AI는 양자 컴퓨팅을 발전시키고, 양자는 AI 연구를 앞으로 나아가게 합니다.

우리는 또한 학계 과학자들과 협력하여 재료 과학, 핵융합, 수학 등에서 진전을 이루고 있습니다.

AI 주도 과학 발전은 실세계에 실질적인 영향을 미치고 있습니다

이러한 돌파구를 넘어, AI는 기후와 의료 같은 영역에서 사람들에게 직접적인 이익을 주는 방식으로 과학을 개선하고 있습니다.

예를 들어 기후 적응을 살펴보면, 기후 변화로 인해 홍수 예측이 점점 더 중요해지고 있습니다. AI 덕분에 우리는 이제 현재 예측과 동일한 정확도로 최대 7일 앞의 강 홍수를 예측할 수 있습니다. 우리의 조기 경보 플랫폼인 Flood Hub는 방글라데시에서 시작되어 이제 100개국 이상과 7억 명의 사람들을 포괄합니다.

기후 완화를 위해 비행기 연기(contrails)를 생각해보세요. 이는 항공의 지구 온난화 영향의 최대 35%를 차지합니다. Google Research의 동료들은 연기가 형성될 가능성을 예측하는 AI 모델을 개발했습니다. American Airlines와 함께 70개의 비행에서 테스트한 결과, 배출량이 54% 감소했습니다.

AI는 질병 탐지에서도 가능성을 보여줍니다. 8년 전 Google 연구원들은 AI가 당뇨병성 망막병증(약 1억 명에게 영향을 미치는 예방 가능한 실명 원인)을 탐지하기 위해 망막 스캔을 해석하는 데 도움을 줄 수 있음을 발견했습니다. 우리는 전 세계에서 60만 건 이상의 스크리닝에 사용된 스크리닝 도구를 개발했습니다. 태국과 인도에서의 새로운 파트너십은 앞으로 10년 동안 600만 건의 스크리닝을 가능하게 할 것입니다.

우리는 또한 결핵, 대장암, 유방암, 산모 건강과 같은 다른 영역에서도 작업하고 있습니다.

앞으로의 길

이 모든 진전에도 불구하고, 우리는 이제 막 시작했을 뿐입니다. 아직 해야 할 일이 많습니다.

AI의 잠재력을 완전히 활용해 과학을 발전시키고 사회에 실질적인 이익을 가져오기 위해 집중해야 할 세 가지 핵심 영역을 봅니다:

첫째, AI의 한계를 계속 해결하고 새로운 과학적 개념, 이론, 실험을 개발하는 데 AI의 능력을 높여야 합니다.

둘째, 과학적 방법을 계속 지지하고 AI를 책임감 있게 사용해야 합니다. 과학자, 윤리학자, 안전 전문가들은 바이러스와 생물무기 같은 과학 특유의 위험과 데이터 편향, 개인정보 보호, 환경 영향 같은 도전을 해결하기 위해 함께 노력해야 합니다.

셋째, AI 기반 연구 도구와 자원을 전 세계 과학자들에게 더 접근 가능하게 만들어 우리가 이룬 진전이 전 세계 사람들에게 이익이 되도록 해야 합니다.

이 새로운 발견의 시대에 미래가 무엇을 가져올지 기대됩니다.

모두의 이익을 위해 과학을 발전시키는 도구를 만드는 데 우리가 함께 할 수 있는 일이 너무 많습니다.

그리고 여기와 전 세계의 놀라운 과학자들을 지원하기 위해 우리가 할 수 있는 일이 너무 많습니다 — 오늘 그들 중 몇 명의 이야기를 들어볼 것입니다.