과학기술부가 과학AI 붐을 맞아 대대적인 대책을 내놓았다.

생성적 AI가 붐을 일으키고 있습니다. AI 시대에 중국은 어떻게 다른 나라를 추월할 수 있을까? 이에 대해 과학기술부는 과학을 위한 AI 특별 배치를 시작하겠다고 개인적으로 답변했습니다. 과학 분야에서 AI의 새로운 물결이 올 것으로 예상됩니다.

3월 27일 신화통신은 국가급 '차세대 인공지능 발전 계획'을 이행하기 위해 과학기술부가 중국 국가자연과학기금과 함께 '인공지능 기반 과학 연구(AI for Science)'라는 특별 배치 작업을 최근 시작했다고 보도했습니다.

중국과학원 학술원이자 베이징 과학기술연구소 소장, 그리고 중국 국가자연과학기금의 주요 연구 프로그램인 "차세대 인공지능" 전문가 그룹 리더인 오우웨이난은 "과학을 위한 AI는 우리를 다음 단계의 과학기술 혁명의 최전선으로 이끌어 줄 잠재력을 가지고 있다"고 예측했습니다.

새로운 과학 혁명은 어떻게 다른 혁명을 앞지를 수 있을까?

Deepin의 창립자이자 수석 과학자인 장린펑(Zhang Linfeng) 베이징 과학기술연구소 부소장은 인공지능이 주도하는 과학 연구의 가장 큰 특징은 전례 없는 방식으로 다양한 분야와 배경을 가진 사람들을 연결한다는 점이라고 생각합니다. "AI for Science는 학문 분야와 지식 체계를 대대적으로 재구성하는 과정입니다. 컴퓨터 과학, 데이터 과학, 재료 과학, 화학, 생물학과 같은 여러 학문 분야의 교차 통합뿐만 아니라 수학이나 물리학과 같은 기초 학문 분야에서 더욱 심도 있는 이론적 구성과 알고리즘 설계도 필요합니다." 장린펑은 “관련 통합이 잘 이루어져야만 우리는 새로운 과학혁명에서 주도권을 잡을 기회를 얻을 수 있다”고 상기시켰다.

이번에 우리나라의 AI 과학첨단기술 연구개발체계는 수학, 물리, 화학, 천문학 등 기초학문의 핵심과제를 긴밀히 통합하고, 신약개발, 유전자 연구, 생물육종, 신소재 개발 등 핵심분야의 과학연구 수요에 초점을 맞출 것입니다. 이에 대해 중국과학원 자동화연구소 소장인 쉬보(徐波)는 신약창출, 유전자 연구, 생물육종, 신소재 연구개발 등 분야는 인공지능과 과학연구를 결합해야 할 시급한 필요성이 있는 중요한 방향으로, 뛰어난 진전을 이루었으며 대표적인 사례라고 설명했습니다.

예를 들어, 생물학적 메커니즘, 질병 및 약물 관련 데이터, 약물의 다양한 약리적 특성에 기반한 인공지능 모델은 새로운 약물의 안전성과 효과를 예측할 수 있습니다. 인공지능의 도움으로 연구개발에 들어가는 인력, 물적 자원, 시간 투자를 줄일 수 있고, 이를 통해 약물 연구개발의 성공률을 높일 수 있습니다. 인공지능이 신소재의 연구 개발에 힘을 실어주면 전자적 규모와 분자적 규모와 같은 다중 규모 재료의 계산 시뮬레이션 방법을 결합하고, 목표 성능을 충족하는 새로운 소재의 구성과 구성을 빠르게 선별하고, 새로운 소재와 장치의 연구 개발 주기를 단축하고 비용을 절감할 수 있습니다.

AI의 새로운 전장: 전통적인 과학 연구

최근 들어 인공지능은 과학 연구 분야에 처음으로 적용되었습니다. 점점 더 많은 과학자들이 데이터 마이닝 분석, 모델링, 시뮬레이션, 예측과 같은 과학 연구를 지원하기 위해 성숙한 인공 지능 알고리즘을 개발하거나 채택하고 있습니다. 이를 통해 자연 과학에서 새로운 법칙과 새로운 모델의 발견이 가속화되고, 반복적인 수동 작업이 줄어들고, 과학적 발견의 정확도가 높아지고, 과학 연구자의 작업 효율성이 크게 향상되었습니다. 인공지능 기술과 과학 연구의 통합이 점점 더 긴밀해짐에 따라, 과학을 위한 AI라는 새로운 연구 분야가 등장했고, 2020년 이후 이 새로운 분야는 집중 확산 단계에 들어섰습니다.

2021년 1월, 캘리포니아 대학교 샌디에이고 캠퍼스와 다른 기관의 연구진은 "다중 충실도 재료 그래프 네트워크"라는 머신 러닝 방법을 제안했습니다. 이는 여러 측정 및 시뮬레이션 소스에서 얻은 데이터를 학습하여 AI 모델을 통해 재료의 특성을 예측하는 것입니다. 이 방법을 사용하면 보편적으로 중요한 의미를 갖는 더욱 정확한 "재료 특성 모델"을 구축할 수 있어 과학자들이 연구 가능성이 있는 후보 재료를 선별하는 데 도움이 됩니다.

2021년 7월, DeepMind는 AlphaFold 2를 출시했는데, 이는 98.5%의 정밀도로 인간 단백질의 3차원 구조를 성공적으로 예측했습니다. 예측된 결과는 대부분 단백질의 실제 구조와 원자 하나만 다를 뿐이며, 극저온 전자 현미경과 같은 복잡한 실험 관찰을 통해 이전에 예측한 수준에 도달했습니다. 12월에 이 연구는 Nature 잡지에 의해 2021년 올해의 기술 혁신으로 선정되었습니다.

또한 2021년 7월에는 워싱턴 대학교, 하버드 대학교 등의 연구진이 단백질 구조 예측 알고리즘인 RoseTTAFold를 제안했습니다. 이 방법은 딥러닝을 기반으로 하며 단백질 서열 정보를 통해 학습하여 단백질의 정확한 구조를 빠르게 생성할 수 있으며, 기존 방법에서 실험 측정에 투자했던 시간과 노력을 줄여줍니다. 이 알고리즘은 이제 오픈 소스입니다.

GitHub 주소:

https://github.com/RosettaCommons/RoseTTAFold

DeepMind는 2021년 10월 Nature 저널에 논문을 게재하면서 영국 기상청과 협력하여 강우량 예측에 AI 기술을 적용했습니다. 연구진은 심층적 생성 모델을 사용하여 1536km×1280km 지역의 강수 상황을 5~90분 전에 예측할 수 있습니다. 다른 방법과 비교했을 때, 제안된 모델은 89%의 경우 가장 높은 정확도와 유용성을 보였다.

해외에서 관련 분야의 연구 성과가 발표되는 것 외에도, 중국에서는 과학 분야를 위한 AI의 인기도 높아지고 있습니다.

정책적 관점에서, 과학기술부가 직접 나서서 이를 지원하기에 앞서, 2022년 5월 국가발전개혁위원회의 "제14차 5개년 생물경제 발전 계획"에서 고성능 유전자 염기서열 분석 기술의 가속화 개발을 첨단 생명공학 혁신을 실현하는 중요한 수단으로 명확히 정의했습니다. 인공지능 등 정보기술의 활용을 지원하여 제약산업의 정밀한 연구개발을 달성하고, 생명공학과 정보기술의 통합을 통해 국민에게 더 큰 혜택을 제공합니다.

인재의 관점에서 보면, AI 분야의 많은 유명 인사들이 이 분야에 합류하기로 선택했습니다. 이번 달 중순, CV 분야의 선두주자인 허카이밍은 MIT에서 한 학술 연설에 대해 이야기했습니다. 그 연설에서 그는 미래의 과학을 위한 AI에 초점을 맞추고, 특히 비전과 NLP를 통합하여 자율 감독 X+AI를 만드는 것에 초점을 맞췄습니다.

결과의 관점에서 보면, 최근 중국과학원 산하 선전선진기술연구소 연구팀은 최초로 데이터 기반 자동 합성, 로봇 지원 제어 합성, 머신 러닝을 이용한 역설계를 콜로이드 나노결정(페로브스카이트 등) 재료 합성에 적용하여 "머신 과학자" 플랫폼을 탐색하고 구축했습니다. 이 플랫폼은 과학 연구자들이 전통적인 시행착오식 실험과 노동 집약적 특성 분석에서 벗어나 과학적 혁신에 집중하고 나노결정 재료의 디지털 지능형 제조를 실현할 것으로 기대됩니다.

2023년 3월 2일, 해당 연구는 "콜로이드 나노결정 합성을 위한 로봇 플랫폼"이라는 제목으로 Nature Synthesis에 게재되었습니다.

논문 링크:

https://www.nature.com/articles/s44160-023-00250-5

과학을 위한 AI: 기회와 과제

모두가 익숙한 생성적 AI와는 달리, 과학을 위한 AI는 생물약학, 에너지, 소재 연구 및 개발과 같은 과학 연구 분야를 포함합니다. 대중이 관련 결과를 즉시 경험하게 할 수는 없지만, 최첨단 과학 연구에 미치는 효과가 가속화되면 인간 사회와 경제 발전에 더 근본적이고 광범위한 영향을 미칠 것입니다.

그러나 과학 분야에서 AI가 지닌 포괄적이고 심오한 혁신적 가치는 일반적인 AI 응용 프로그램보다 훨씬 더 높은 구현 장벽에 직면하게 한다는 점도 유의해야 합니다. 알리바바 DAMO 아카데미의 2022년 10대 기술 동향 보고서에 따르면, 인공지능과 과학 연구의 심층적 통합은 여전히 세 가지 과제를 해결하는 데 중점을 두어야 합니다.

• 인간-컴퓨터 상호작용과 관련하여, 과학 연구 과정에서 AI와 과학자 간의 협업 메커니즘과 업무 분담을 보다 명확하게 정의하여 긴밀한 상호작용 관계를 형성할 필요가 있습니다.
• AI에 대한 설명 가능성: 과학자들은 과학적 이론을 형성하기 위해 명확한 인과 관계가 필요하고, 과학과 AI 사이에 신뢰 관계를 구축하기 위해 AI는 이해하기 쉬워야 합니다.
• 학제간 인재, 전문 분야 과학자, AI 전문가 간의 상호 이해 수준이 낮고, 상호 승진 장벽도 여전히 높습니다.

보고서에서는 향후 3년 내에 인공지능 기술이 응용 과학에 널리 사용되고 일부 기술 과학에서는 연구 도구가 될 것으로 예측하고 있다는 점도 주목할 만합니다.

참고문헌:

[1]https://baijiahao.baidu.com/s?id=1761512222605101709&wfr=스파이더&for=pc

[2]https://new.qq.com/rain/a/20221230A04ZWS00

[3]https://www.ncsti.gov.cn/kjdt/kjrd/202112/P020211231640762390337.pdf

[4] 다모아카데미 2022년 10대 기술 트렌드