데미스 허사비스 스탠퍼드 대담: AGI 2030년 전망과 알파폴드 무료 공개의 이유
구글 딥마인드 CEO 데미스 허사비스가 스탠퍼드 GSB 대담에서 AGI 도달 시점과 '특이점의 산기슭' 발언의 의미, 알파폴드를 무료 공개한 이유, 경쟁 압력과 규제, 학생들에게 건넨 조언을 이야기했다.
핵심 내용 읽기 →
AI TOPIC
알파폴드 최신 뉴스와 핵심 해설
알파폴드 관련 핵심 뉴스와 활용 인사이트 13편을 최신순으로 모았습니다.
2024 노벨 화학상 해설: AI 단백질 구조 예측과 맞춤형 설계, 알파폴드와 로제타폴드가 바꾼 것
서울대 백민경 교수가 2024년 노벨 화학상을 해설한 강연을 정리했다. 단백질 구조를 왜 알아야 하는지, 진화 정보와 AI가 어떻게 결합했는지, 구조 예측을 뒤집은 단백질 설계가 무엇을 바꾸는지 짚는다.
핵심 내용 읽기 →
RNA 구조 예측에 알파폴드가 없는 이유 — 화학 매핑 데이터와 캐글 대회로 만든 리보난자넷 이야기
스탠퍼드 리주 다스 교수가 RNA 구조 예측의 현재를 짚는다. 최근 대회 상위권은 딥러닝을 피한 전문가들이었고, 데이터 부족을 뚫기 위해 게임과 캐글이라는 두 크라우드소싱으로 백만 단위 실험 데이터를 만들어 낸 과정을 소개한다.
핵심 내용 읽기 →
알파폴드2·ProteinMPNN·RFdiffusion으로 보는 AI 단백질 설계 파이프라인 정리
버클리 세미나 강연을 토대로 단백질 구조 예측(알파폴드2), 역폴딩(ProteinMPNN), 골격 생성(RFdiffusion)이 어떻게 하나의 단백질 설계 파이프라인으로 이어지는지, 각 모델의 작동 원리와 한계를 함께 정리했다.
핵심 내용 읽기 →
마이클 닐슨 인터뷰: AI가 과학을 자동화하기 어려운 이유와 문명마다 갈라지는 기술 트리
양자컴퓨팅 표준 교과서를 쓴 마이클 닐슨이 드와케시 파텔과 나눈 대담. 마이컬슨-몰리 실험과 알파폴드를 사례로 과학의 검증 루프가 왜 기대만큼 짧지 않은지, 기술 트리는 왜 문명마다 갈라지는지 짚는다.
핵심 내용 읽기 →
등변 신경망 입문 정리 — 등변성과 불변성의 차이, 대칭성 군론 기초, 알파폴드2 활용까지
CNN이 이동에는 강하면서 회전에는 약한 이유에서 출발해 등변성과 불변성의 차이, 대칭성과 군론의 기초, 그리고 알파폴드2와 의료 영상 진단에 실제로 쓰인 등변 신경망 사례까지 입문자 눈높이로 정리했다.
핵심 내용 읽기 →
알파폴드3 접촉 확률로 유전자 가위 오작동 99% 줄인 네이처 연구
예측된 단백질 3차원 구조는 멀쩡했지만 답은 다른 출력값에 있었다. 알파폴드3의 접촉 확률을 이용해 염기 편집기의 표적 이탈 편집을 크게 줄인 네이처 논문을 정리했다.
핵심 내용 읽기 →
AI 과학 발견 15선: 크리스퍼·알파폴드3·신약 설계·기후 예측까지 정리
AI가 최근 이룬 15가지 과학적 성과를 정리했다. 유전자 편집 오류 감소, 단백질 결합 예측 가속, 신약과 항생제 설계, 기후 예측 등 분야별 구체적 수치를 담았다.
핵심 내용 읽기 →
알파폴드 단백질 구조 예측: AI가 푼 반세기 생물학 난제와 2024 노벨화학상
X선 결정학으로 60년간 15만 개에 그쳤던 단백질 구조를 딥마인드 알파폴드가 2억 개로 확장한 과정과, 2024년 노벨화학상으로 이어진 AI 과학 혁신을 정리했다.
핵심 내용 읽기 →
알파고 10주년 회고: 이세돌과의 대국, 37수, 알파제로에서 알파폴드까지의 AI 혁명
2016년 서울에서 알파고가 이세돌을 4-1로 꺾은 지 10년. 딥마인드 과학자들이 37수의 의미, 알파제로의 무(無)에서의 학습, 그리고 단백질 접힘·행렬 곱셈으로 이어진 과학적 확장을 돌아본다.
핵심 내용 읽기 →
AI 유방암 연구: 알파폴드로 우간다에서 백신 후보를 찾아내는 과정과 그 의미
우간다는 유방암 발병이 늘고 발병 연령은 빨라지는 반면 생존율은 낮다. 알파폴드 같은 AI 도구로 유전자 차원의 조기 선별과 백신 후보 탐색을 현지에서 직접 수행하며 과학 연구를 민주화하는 사례를 소개한다.
핵심 내용 읽기 →
데미스 허사비스 인터뷰: 알파폴드·알파고가 보여준 AI의 진짜 잠재력
구글 딥마인드 CEO 데미스 허사비스가 알파폴드, 알파고 '37수', 알파제로, 신약 개발과 AGI까지 자신이 만든 도구들과 그 위험을 이야기한다. 눈에 보이지 않는 곳에서 과학을 바꾸는 AI의 미래상을 짚는다.
핵심 내용 읽기 →
데미스 허사비스 인터뷰 — AI 신약 개발, 코사이언티스트, 자동 발견 전망
딥마인드 데미스 허사비스가 AI를 활용한 질병 정복 로드맵, 가설을 만드는 코사이언티스트, 알파폴드 이후의 신약 개발, 그리고 'AI가 새 과학을 발명하는' 자동 발견의 가능성을 이야기한다.
핵심 내용 읽기 →