혼자서 신약까지 설계하는 AI 시대…이제 중요해진 건 '검증 능력'

[서울=뉴시스]윤현성 기자 = 인공지능(AI)이 신약 후보물질을 홀로 설계하고 수학 난제까지 인간보다 훨씬 빠르게 풀어내는 시대가 되면서 과학 연구의 경쟁 방식이 바뀌고 있다.

연구의 출발점이었던 설계와 예측이 빨라진 만큼 AI가 내놓은 결과가 실제로 맞는지 검증하는 능력과 양질의 실험 데이터를 확보하는 역량이 중요해졌다는 진단이다.

정부가 추진하는 'K-문샷'도 신약을 비롯해 핵융합·양자 등 12대 국가 미션에서 AI의 예측과 실제 연구·실증을 연결하는 데 방점을 찍었다.

과학기술정보통신부는 10일 서울 용산에서 'K-문샷 정책 세미나'를 개최하고 지난 9월 의결된 K-문샷 전략로드맵의 원활한 이행을 위한 AI 활용 환경 및 제도·인프라 점검에 나섰다.

이날 세미나에서 윤태영 서울대 생명과학부 교수(프로티나 대표)는 "AI 시대에는 변화가 수개월 단위로 일어나는 것 같다"며 "기존에는 오랜 수련을 받은 교수가 평생의 공력을 모아 한 문제를 푸는 것이 연구의 모델이었지만, 이제는 AI가 수개월에 걸쳐 공부하면 수천년에 걸친 바둑을 뛰어넘었던 것처럼 과학 연구에서도 기존의 한계를 넘어설 수 있는 시대가 됐다"고 말했다.

윤 교수는 앤트로픽이 AI '클로드'를 활용해 신약 연구를 진행한 1인 바이오기업 미스릴 메디슨을 인수한 사례를 소개했다. 창업자 한 명이 AI로 연구 계획과 신약 후보 설계를 진행하고, 실제 검증은 외부 위탁연구기관(CRO)에 맡겼다는 것이다. 대규모 제약사 인력 없이도 신약 연구에 뛰어들 수 있게 된 변화를 보여준다.

윤 교수는 "기존에는 신약회사를 만들려면 적어도 제약회사에서 어느 정도 직책을 가진 사람들을 스카우트해야 가능했다"며 "앞으로는 AI를 이용해 과학 연구의 분산화와 대중화가 훨씬 더 빠르게 일어나는 시대가 되지 않을까 싶다"고 설명했다.

하지만 설계의 대중화가 곧 신약개발의 완성을 의미하지는 않는다. 윤 교수는 지난해 말까지만 해도 설계 AI에 접근할 수 있느냐가 병목이었다면 이제는 클라우드 자원만으로도 설계 비용이 사실상 0에 가까워지고 있다고 진단했다.

그는 "수많은 설계도가 쏟아지는데 누가 실제로 동작하는 항체 신약을 검증하고 찾아낼 것인지가 급격하게 문제로 대두되고 있다"며 "오히려 AI 시대에 아이러니하게도 실험이 더 중요해지는 상황이 벌어지고 있다"고 강조했다.

실제 윤 교수가 운영하는 프로티나는 정제 없이 소량의 항체를 검사할 수 있는 독자 플랫폼을 갖춰 주당 1만개를 생산·검증하고 있다. 서울대 연구진 등과 진행한 과제에서는 항체 데이터 50만개 이상도 확보했다. 이같은 검증 능력을 월 100만개까지 늘린다는 목표다.

윤 교수는 "직접 칩과 장비를 만들어 극히 미량의 항체를 정제 없이 검사하고 데이터를 생산할 수 있는 플랫폼을 갖고 있다"며 "AI가 만든 수많은 설계도를 누가 빠르게 검증하고 결과를 피드백할 수 있을지도 고민해야 한다"고 밝혔다.

AI가 가져온 이같은 변화는 신약 개발을 비롯한 바이오만의 문제가 아니다.

윤 교수는 AI가 722편의 수학 연구 원고를 내놓은 사례를 거론하며 "도대체 누가 이 논문들을 다 읽고 맞는지 틀리는지 검증할 것인가가 큰 문제로 대두되고 있다"며 "과학 연구가 대중화되면서 쏟아지는 성과를 대량으로 빠르게 검증하고 피드백하는 체계를 고민해야 한다"고 말했다.

검증 방식은 다르지만 AI가 쏟아내는 결과물을 실제 성과로 이어가기 위한 검증체계가 필요하다는 점은 공통적이다.

김현옥 과기정통부 미래전략기술정책과장은 이날 세미나에서 "우리나라는 바이오, 재료·화학, 반도체 등 강점 분야의 연구와 산업 역량을 글로벌 수준으로 보유하고 있다"면서도 "AI-레디 데이터가 부족하고 데이터가 파편화돼 있으며 핵심 혁신 주체의 역량도 분산돼 있다는 문제가 있다"고 진단했다.

이어 "지금은 과학 패러다임의 AI 전환을 둘러싼 글로벌 경쟁 초기, 즉 골든타임이라고 보고 있다"며 "미국과 중국의 비약적인 혁신에 따라 기술 격차가 확대되고 있는 만큼 국가적으로 역량을 결집해야 할 시기"라고 강조했다.

정부는 K-문샷을 통해 2030년 연구 생산성을 2배로 높이고 2035년까지 12대 국가 미션 해결에 도전할 계획이다. 연구기관에 흩어진 데이터를 연결하고 핵융합 연구시설 KSTAR의 연구 데이터를 AI가 활용할 수 있는 형태로 전환하는 사업 등을 추진한다.

국가슈퍼컴퓨터 6호기의 컴퓨팅 자원을 K-문샷에 우선 배분하고 과학 추론용 신경망처리장치(NPU) 서비스를 구축하는 방안도 내놨다.

김 과장은 "과학적 탐구 전 과정을 AI가 스스로 반복하는 자율형 AI 과학자 시스템을 구현하고자 한다"며 "예측과 실증이 자율적으로 순환하는 체계를 구축해 연구 속도를 혁신하고, 자율실험실에서 생산되는 연구 데이터를 국가 자산화해 연구자들이 활용할 수 있도록 하겠다"고 설명했다.

이와 관련해 윤 교수는 한국의 돌파구로 제조업과 실험 플랫폼을 통한 독자 데이터 확보를 꼽았다.

그는 "대규모언어모델(LLM) 기반 AI 과학자 분야에서는 한국이 미국과 중국에 비슷한 수준만 돼도 다행이라고 생각한다"면서도 "자연계의 개별 법칙들을 학습한 AI는 아직 많이 필요하고, 이를 개발하기 위해서는 한국의 발달된 제조업과 고유한 기술 플랫폼으로 생산한 AI 데이터가 중요한 역할을 할 것"이라고 강조했다.

또 "자연계의 여러 법칙들을 마스터한 AI는 사실 그렇게 많지 않다"며 "한국만의 제조업 역량과 KSTAR 같은 연구시설을 활용해 데이터를 쌓는 것이 굉장히 중요한 의미를 갖는다"고 덧붙였다.

결국 AI가 연구 결과를 만들어내는 속도만큼 이를 실험으로 확인하고 다시 다음 연구에 활용할 수 있는 체계를 갖추는 것이 과학 경쟁력의 핵심 과제로 떠오르고 있다.


◎공감언론 뉴시스 [email protected]