데미스 허사비스 인터뷰 — AI 신약 개발, 코사이언티스트, 자동 발견 전망

핵심 메시지

• 허사비스는 AI의 도움으로 향후 10~20년 안에 사실상 모든 질병을 치료하는 일이 물리 법칙상 불가능하지 않다고 본다.
• 신약 개발은 알파폴드 같은 모델 여러 개를 약물 발견 과정의 각 단계에 붙여 하나의 플랫폼으로 통합하는 방식으로 접근한다.
• 코사이언티스트는 가설 생성·데이터 분석·문헌 요약을 돕는 '연구 조수'로, 아직 자율적으로 발견하기보다 과학자를 보조한다.
• 코딩·수학은 검증이 쉬워 재귀적 자기 개선이 가능하지만, 물리·생물 과학은 실제 실험으로 검증해야 해 자동화 실험실이 필요하다.
• 허사비스는 1901년 지식까지만 아는 AI가 특수 상대성이론을 재발명할 수 있는지를 묻는 '아인슈타인 테스트'를 진짜 과학 발명 능력의 기준으로 제시한다.

쉽게 이해하기

이 영상은 딥마인드 CEO이자 노벨상 수상자인 데미스 허사비스와의 인터뷰다. 진행자는 제미나이가 긴 맥락으로 의료 영상을 분석해 도움을 준 사례를 전하며 시작하고, 허사비스는 제미나이를 건강 목적으로 쓴 일화가 많고 일부는 생명을 구하기도 했다고 답한다. 그는 자신은 제미나이를 브레인스토밍과 새 연구 분야의 빠른 요약, 즉 협업적 '스파링 파트너'로 자주 쓴다고 말한다.

대화의 큰 축은 AI를 통한 질병 정복이다. 허사비스는 향후 10~20년 안에 사실상 모든 질병을 치료하는 것이 물리 법칙상 불가능하지 않다고 본다. 다만 점진적이기보다 알파폴드처럼 어느 순간 큰 도약이 올 것이라고 말한다. 단백질 구조 예측은 약물 발견 과정의 한 단계일 뿐이며, 아이소모픽 랩스와 딥마인드 과학팀에서 흡수·독성 같은 체내 작용과 결합 부위, 부작용을 예측하는 알파폴드급 모델을 여러 개 만들어 하나의 플랫폼으로 통합하는 중이라고 설명한다.

그는 신약이 임상 시험 단계까지 가는 데 여전히 시간이 걸리지만, AI가 환자군 분류나 용량 예측으로 임상도 앞당길 수 있다고 본다. 규제는 AI가 직접 다룰 영역은 아니지만, AI가 설계한 약 여러 개가 전 과정을 통과해 효과를 입증하면 모델의 예측 정확도를 역으로 검증할 근거가 생겨 규제 절차가 빨라질 수 있다고 말한다. 코로나19 때 mRNA 백신 시험이 가속된 사례를 비교로 들면서도, 인류 건강은 앞으로 수백 년의 문제이므로 서두를 필요는 없다고 덧붙인다.

또 다른 축은 '코사이언티스트'다. 이는 가설 생성, 데이터 분석, 문헌 요약을 돕도록 도구와 장치를 더한 제미나이의 특화 버전으로, 아직 스스로 발견하기보다 과학자와 수학자를 보조하는 연구 조수에 가깝다. 초기 버전들은 더 효율적인 행렬 곱셈을 찾거나 컴퓨터과학 알고리즘을 개선하는 등 '발명을 스스로에게 적용해' 더 효율적으로 만드는 일을 해냈다고 한다.

흥미로운 사고 실험으로 '아인슈타인 테스트'가 등장한다. 1901년까지의 지식만 가진 AI가 1905년 특수 상대성이론을 비롯한 돌파구를 만들어낼 수 있는지를 보는 것이다. 만약 그것이 가능하다면, 현대 물리학을 모두 학습한 모델에게 끈 이론보다 나은 것을 물어 그 답을 진지하게 받아들일 수 있다는 논리다. 가설 생성기와 검증기를 하나로 융합하는 '폐루프 자동 발견'도 거론되는데, 코딩·수학은 검증이 빠르고 합성 데이터 생성이 쉬워 재귀적 자기 개선이 가능하지만, 물리·화학·생물 같은 자연과학은 실제 세계에서의 검증, 즉 자동화 실험실이 필요해 순환 주기가 길어진다고 설명한다. 허사비스는 18~24개월 안에 그런 실험실을 구상할 수 있으리라 보며, 런던에 20만 건의 신소재 설계를 빠르게 검증할 재료과학 자동 실험실을 짓고 있다고 밝힌다. 끝으로 그는 게임 EVE의 협업을 AI 아이디어를 시험할 흥미로운 '모래상자'로 소개한다.

주요 인사이트

• AI 신약 개발의 핵심은 단일 모델이 아니라, 약물 발견의 각 단계를 담당하는 알파폴드급 모델 여러 개를 하나의 플랫폼으로 엮는 데 있다.
• 코딩·수학은 검증이 쉽고 빨라 재귀적 자기 개선에 유리하지만, 자연과학은 실제 실험이 병목이라 자동화 실험실 없이는 자동 발견의 순환이 느려진다.
• AI가 설계한 약들이 전 과정을 통과한 실측 데이터가 쌓이면, 모델 예측의 신뢰도를 역검증해 규제 절차를 합리적으로 단축할 근거가 된다.
• '아인슈타인 테스트'는 과거 지식 컷오프에서 알려진 발견을 재현할 수 있는지를 봄으로써, AI가 진짜 새로운 과학을 발명할 준비가 됐는지 가늠하는 기준이 된다.
• 현재의 코사이언티스트는 자율 발견자가 아니라 과학자를 보조하는 연구 조수 단계이며, 자율 발견은 다음 단계로 남아 있다.

자주 묻는 질문

관련 AI 소식