AI 신약 개발의 미래

지난 9월 30일에 뉴욕 타임즈에 Top A.I. Researchers Leave OpenAI, Google and Meta for New Start-Up 라는 제목의 기사가 실렸다. 지금 가장 많은 몸값을 자랑하는 회사들인 OpenAI, 구글, 메타의 연구자들이 Periodic Labs라는 이름의 새로운 스타트업에 합류했다는 내용이다.

⁠But Mr. Fedus and Dr. Cubuk believe that no matter how many textbooks and academic papers these systems analyze, they cannot master the art of scientific discovery. To reach that, they say, A.I. technologies must also learn from physical experiments in the real world.

위의 두 문장에 이 기사의 핵심이 있다.

과학적인 발견은 교과서나 논문을 많이 읽는 것만으로 가능하지 않고, 결국 실험을 통해서 배워야만 가능하다는 것이다. 물론 어떤 과학 분야를 이야기하느냐에 따라 다르겠지만, 실험을 필요로 하지 않는 과학 분야는 실험을 필요로 하는 과학 분야의 수에 비해 매우 적다고 말할 수 있으니, 이 말은 일반적으로 충분히 의미있는 말로 받아들일 수 있을 것이다.

나는 유기화학을 전공했다. 유기 합성 실험을 하는 것이 내가 가장 잘 할 수 있는 일이 아니라는 것을 발견하기는 했지만, 모든 실험이 이론처럼 한 번에 되는 것이 아닐 뿐만 아니라 누가 하느냐에 매우 의존적이라는 것을 배울 만큼의 시간은 보냈다. 그래서 과학적인 진보가 이루어지기 위해서는 물리적인 세상이 이론과 맞닿아야 하고, 이를 위해 양쪽의 기여가 (정도의 차이는 있을 수 있지만) 필수적이라는 사실을 이해하고 있다. 이론이 먼저 제시되고 실험이 그 이론을 증명해내는 경우도 있겠지만, 대체적으로는 실험 결과가 쌓이고 그로부터 새로운 이론이 출연하는 경우가 더 많이 있는 것 같다.

인공지능 신약 개발은 결국 이 실험이라는 부분을 어떻게 인공 지능 기술과 결합할 수 있는가에 따라 그 성과가 갈리게 될 것이다. 과학이나 신약 개발이라는 맥락을 제거하더라도 인공 지능 기술의 다음 과제는 물리적 세계를 어떻게 받아들이고, 이해하고, 조절할 수 있는가 하는 문제라는 사실은 변하지 않는다.

결국 실험실은 자동화되고 알고리즘에 의해 운영될 것이며, 이 환경에서 수집되는 데이터가 되먹임되면서 과학에 대한 새로운 생각을 만들어내는 것이 가능해질 것이다. 누군가는 이런 일을 하지 않을 수 없는데, 실험실의 자동화라는 것이 많은 투자를 필요로 한다는 점에서 지금은 충분한 투자를 받는 선도 주자들이 이 분야에서 해야 할 기본적인 실패를 많이 해 보면서 경험을 쌓는 시점이라는 생각이 든다. 이런 움직임들이 지금의 실험실을 어떻게 바꾸게 될 것일지 궁금해진다.