미리보기
미리듣기
2024년 노벨 물리학상·화학상 수상으로 인정받은 AI 연구 성과를 다룬다. 신경망과 알파폴드2의 돌파구, 구글 공동 과학자 사례를 통해 AI가 과학 연구의 방법론과 미래를 어떻게 바꾸고 있는지 보여 준다.
초기 노벨 물리학상 위원회의 5인 중에는 스웨덴 웁살라 대학의 실험물리학적 전통을 강하게 대변하는 하셀베리(Klas Bernhard Hasselberg), 탈렌(Robert Thalén), 옹스트룀(Anders Jonas Ångström)이 있었다. 이들의 영향력으로 제1차 세계대전 이후까지 실험물리학 공헌자들이 노벨 물리학상 수상자로 선정되었다. 한편, 에너지 양자 개념을 발표한 이론 물리학자 막스 플랑크(Max Planck)가 수많은 사람들의 추천에도 불구하고 노벨 물리학상을 늦게 받았던 이유도 당시 실험물리학을 중시하던 노벨상 위원회의 의견 때문이다. 알베르트 아인슈타인에 대한 노벨 물리학상 수상 과정 역시 새로운 과학 이론에 보수적인 스웨덴 과학계의 태도를 보여 준다. 아인슈타인은 1910년 특수 상대성 이론으로 오스트발트에 의해 노벨상 후보로 처음 지명된 이후, 브라운 운동, 고체 비열, 양자론 등 여러 분야에 걸쳐 노벨상 후보로 추천되는 빈도가 늘어 갔다. 그러나 보수적인 실험물리학자들로 구성된 노벨 물리학상 위원회는 1922년에야 아인슈타인에게 노벨 물리학상을 수여하면서 수상 근거로 상대성 이론이 아니라 ‘이론물리학 특히 광전 효과에 대한 기여’로 발표했다. 이는 이론물리학이 취약했던 스웨덴 과학계의 상황을 반영한 것으로 보인다.
－01_“노벨상과 노벨상 위원회” 중에서
홉필드 모델의 이러한 단점을 해소하기 위해 뉴런들의 상태를 확률론적으로 변화시키는 볼츠만 머신이 제프리 힌턴(Geoffrey Everest Hinton)과 테런스 세이노프스키(Terrence Sejnowski)에 의해 제시되었다. 볼츠만 머신은 통계물리학의 개념을 이용해 신경 회로망의 상태가 국소 최소 지점을 벗어날 수 있도록 했다.
－03_“홉필드 모델과 볼츠만 머신” 중에서
단백질 구조 예측 문제란, 주어진 아미노산 서열 정보만으로 단백질이 실제로 어떤 3차원 구조로 접히는지를 컴퓨터나 인공지능을 활용해 예측하는 과제다. 이 문제는 생물정보학과 이론화학 분야에서 오랫동안 가장 중요한 난제로 꼽혀 왔으며, 신약 개발, 효소 설계, 질병 연구 등 다양한 응용 분야에 매우 중요하다.
기존에는 단백질의 구조를 X선 결정학이나 저온전자 현미경 등 실험적 방법으로 알아내야 했지만, 이 방법들은 비용과 시간이 많이 들고 일부 단백질(예: 막 단백질, 고분자 단백질)에는 적용이 어려웠다. 반면, 아미노산 서열 정보는 유전자 분석을 통해 비교적 쉽게 얻을 수 있으므로, 서열 정보만으로 구조를 예측할 수 있다면 연구 속도가 크게 빨라진다.
－06_“단백질 구조 예측 문제” 중에서
감독 에이전트는 특화 에이전트들을 조율해 입력된 연구 목표에 맞는 타당하고, 참신하며, 검증 가능한 가설과 연구 계획을 만들어 준다. 생성 에이전트는 연구 목표에 부합하는 초기 가설 목록을 생성한다. 이 가설들은 “반영 에이전트”의 검토를 거쳐, 순위 에이전트의 토너먼트 평가를 받는다. 진화, 근접도, 메타 리뷰 에이전트들은 토너먼트 상태를 기반으로 시스템 출력을 향상한다.
감독 에이전트는 주기적으로 콘텍스트 메모리에 종합적인 통계 정보−생성된 가설 수, 리뷰가 필요한 가설 수, 토너먼트의 진행 상태, 다양한 가설 생성 방법론의 효과 분석 관련−를 기록한다. 이러한 통계 정보를 바탕으로 감독 에이전트는 이후 시스템 동작−즉, 새로운 가설 생성, 리뷰, 토너먼트, 기존 가설 개선 등−을 워커 프로세스를 통해 특화 에이전트들을 전략적으로 선택하고, 가중치를 부여하는 형태로 조율한다.
－09_“구글 공동 과학자의 특화 에이전트들” 중에서