AI 과학 발견 15선: 크리스퍼·알파폴드3·신약 설계·기후 예측까지 정리

핵심 메시지

• AI가 크리스퍼 유전자 편집의 오류를 최대 90%까지 줄여 더 안전한 편집을 돕는다.
• 병원 데이터를 공유하지 않고도 학습하는 연합학습으로 의료 영상 정확도가 95%를 넘겼다.
• 알파폴드3와 볼츠2 등은 단백질 움직임과 결합 예측을 수십~수천 배 빠르게 만들어 신약 개발을 가속한다.
• AI가 저탄소 시멘트와 신규 항생제 등 새로운 물질·의약품을 직접 설계하고 있다.
• AI 기상 예측은 대체로 뛰어나지만, 데이터에 드문 극단적 사건에는 취약하다는 한계도 확인됐다.

쉽게 이해하기

이 영상은 AI가 최근 이뤄낸 15가지 과학적 발견을 정리한다. 첫 번째 축은 유전자와 세포 분야다. AI는 크리스퍼 프라임 편집의 오류를 크게 줄여 일부 실험에서 의도치 않은 편집을 최대 90%까지 낮추었고, 실험 전에 문제를 미리 잡아낼 수 있게 했다. 또 알파지놈은 최대 100만 염기쌍 길이의 DNA를 처리해 멀리 떨어진 부위가 어떻게 유전자 작동을 조절하는지 분석한다.

의료 진단에서도 성과가 이어진다. 병원들은 프라이버시 규제로 데이터를 공유하기 어렵지만, 연합학습은 데이터를 병원 밖으로 내보내지 않고 모델이 각 병원에서 학습하게 해 의료 영상 정확도 95% 이상을 달성했다. EEG 뇌 신호를 학습한 모델은 치매 유형을 최대 97% 정확도로 구분했고, 10초짜리 표준 심전도만으로 기존 검사가 놓치던 관상동맥 미세혈관 기능 이상을 몇 초 만에 찾아냈다.

신약과 물질 개발은 속도 혁신이 두드러진다. 볼츠2는 단일 GPU에서 약 18초 만에 단백질 구조와 리간드 결합을 예측해 기존 대비 약 1000배 빠른 스크리닝을 가능하게 했다. AI는 3600만 개가 넘는 분자를 분석해 새로운 항생제 후보를 만들었고, 자율 물질 연구실은 매주 1000회 이상의 실험을 스스로 수행한다. MIT 연구진은 AI로 100만 개 이상의 암석 샘플을 분석해 배출량을 80~95% 줄이는 시멘트 대체재를 찾아냈다.

기후·기상 분야에서는 명암이 함께 드러났다. 구글 딥마인드의 젠캐스트는 최대 15일 중기 예보에서 97.2% 정확도를 기록하며 물리 기반 모델을 대부분 앞섰다. 반면 연구진은 AI 기상 모델이 과거 데이터에 드문 극단적 사건, 이른바 "회색 백조"를 예측할 때 일부 시험에서 최대 90%까지 실패한다는 점을 확인했다. AI는 과거로부터 학습하는데 드문 사건은 데이터에 충분히 나타나지 않기 때문이다.

이 밖에도 단일 이미지에서 3D 물체를 복원하는 SAM 3D, 장-뇌 화학 상호작용을 시뮬레이션하는 후지쓰의 모델, 그리고 논리와 형식 증명 검증을 결합해 국제수학올림피아드 수준에서 금메달급 성능을 낸 딥시크 매스 V2가 소개됐다. 딥시크 매스 V2의 핵심은 속도가 아니라, 각 단계를 수학 규칙에 맞춰 검증해 조용히 스며드는 오류를 줄이는 신뢰성이다.

주요 인사이트

• AI의 성과가 텍스트 생성에 그치지 않고 유전자 편집·신약·재료·의료 진단 등 실험 과학의 속도와 정확도를 직접 끌어올리고 있다.
• 연합학습은 민감한 환자 데이터를 공유하지 않고도 여러 기관이 함께 학습하게 해, 프라이버시와 성능을 동시에 잡는 방식으로 주목된다.
• 단백질 결합 예측을 수 초로 줄인 것처럼, 핵심 가치는 느린 여과 과정을 빠른 스크리닝으로 바꿔 탐색 범위를 넓히는 데 있다.
• 기상 예측 사례는 AI가 평균적으로 우수해도 극단적·희귀 사건에서는 과신이 위험할 수 있음을 보여주며, 데이터 불균형이라는 근본 한계를 드러낸다.

자주 묻는 질문

관련 AI 소식