상하이 교통대학교 홍량 교수와의 대화: 과학에 AI를 적용하는 것이 더 보람 있다

최근 들어, 수천 개의 산업에서 새로운 인프라가 주도하는 차세대 정보기술이 등장하면서, 정책문서와 산업발전계획에 '산-대학-연구-응용 협력'이라는 용어가 자주 등장하고 있습니다. 올해 정부사업보고서에서는 "산학연 융합을 심화"할 것을 명확히 제시했습니다. 저자는 다음과 같이 믿는다"산업-대학-연구-응용"은 실제로 학계-연구와 산업-응용이라는 두 가지 영역으로 나눌 수 있습니다.학술연구란 교육과 과학연구, 즉 인재양성과 과학연구를 말한다. 생산 및 응용은 생산 현장과 실제 응용 시나리오에서 혁신적인 기술을 구현하는 것을 말합니다.

오랜 옛날에는 연구와 생산이 엄청난 분리된 영역으로 나뉘어 있었습니다. 학계는 최첨단 기술 혁신에 집중한 반면, 업계는 실질적인 어려움에만 국한되었고 "치료를 받을 곳이 없었다." 이후 과학기술 성과의 전환에 대한 중요성이 점점 더 두드러지게 되었고, 산업과 연구 사이에 소통과 교류의 다리가 점차 구축되었습니다. 오늘날, AI의 새로운 물결이 몰아치고 있습니다. 이는 산업계의 품질과 효율성을 개선하는 데 강력한 도움이 될 뿐만 아니라, 과학 연구 패러다임을 점진적으로 재구성합니다. 이러한 배경에서,학계와 산업계 사이의 '양방향 움직임'이 일반적인 추세가 되었습니다.

한편으로는,산업용 AI 애플리케이션은 비즈니스 프로세스와 생산 방법의 지능적 변환에 더욱 초점을 맞추고 있으며, 완전히 자율적이고 제어 가능한 AI 도구나 솔루션은 비교적 드뭅니다.반면에,과학을 위한 AI의 개발은 과학 연구의 진전을 가속화했을 뿐만 아니라 수많은 획기적이고 혁신적인 결과를 낳았는데, 이러한 결과의 실현 가능성을 검증하기 위해서는 시급히 더 많은 실제 데이터나 응용 시나리오가 필요합니다.

상하이 교통대학교 물리천문학부, 약학부 자연과학연구부의 홍량(Hong Liang) 교수는 다음과 같이 말했습니다."오늘날의 개발 환경에서 연구자들은 논문 출판이 더 이상 유일한 목표가 아니며, 실질적인 공학 문제 해결에 집중하는 것이 더 중요하다는 사실을 점점 더 인식하고 있습니다."

홍량 교수의 산업과 연구를 통합하려는 열린 태도는 그가 조직한 여름 학교 활동에도 반영되어 있습니다. 학업 성취의 전시와 공유에만 커리큘럼을 집중하는 대부분 학교와 달리, 상하이 교통대학의 생명공학을 위한 AI 여름학교는 단백질 공학 분야에 초점을 맞춥니다. 상하이 교통대학, 샤먼대학, 복단대학, 중산대학, 상하이 인공지능연구소의 전문가를 초대해 최신 연구 진행 상황을 공유했을 뿐만 아니라, 진사이제약, 웨이란바이오테크놀로지, 중원휘지와 공동으로 응용 관점에서 산업계에서 AI 생명공학 분야의 발전 진행 상황을 소개했습니다.

이번 여름학교에는 국내 여러 대학의 전문가와 학자뿐만 아니라, 30여 개 기업의 연구개발 인력도 참여한다는 점이 주목할 만합니다.그들 중에는 팀 리더는 물론 대기업의 회장도 있었습니다. 그들은 학생들과 함께 3일간의 전체 강의를 들었습니다.학교나 연구소 등에서 열리는 첨단기술 세미나에서는 보기 드문 이런 현상이 대학의 여름방학 활동에서 나타났는데, 이는 업계가 AI, 특히 '실용 AI'에 대한 열정으로 가득 차 있다는 것을 여실히 보여준다.

여름 학교 기간 동안 HyperAI는 홍량 교수와 심도 있는 대화를 나눌 수 있는 영광을 얻었습니다. 그는 단백질 공학 분야에서 AI의 개발을 시작으로, 과학을 위한 AI(AI4S) 구현의 과제와 접근 방식을 종합적으로 정리했으며, AI와 과학을 어떻게 유기적으로 결합할 수 있는지도 제시했습니다.

결정적 변화, Station B에서 AI 학위 취득

실제로 과학 분야 AI는 지난 2년 동안 급속한 발전을 이루었습니다. 초기에는 일부 연구 그룹이 소규모로 AI 도구를 탐색하고 실험하면서 데이터 처리 효율성을 개선하려고 시도했습니다. 오늘날, 많은 과학 연구 분야에서 AI는 연구의 병목 현상을 극복하는 열쇠가 되었으며, 많은 엔지니어링 과제에서도 그 성과가 인간 전문가의 능력을 능가했습니다. 그 결과, AI 실무자들이 과학 연구 분야로 대거 유입되었고, 연구자들은 스스로 AI를 배우기 시작했습니다. AI와 과학 간의 장벽이 무너지면서 눈길을 끄는 과학 연구 결과가 많이 나왔다는 것은 의심의 여지가 없습니다.하지만 실제로 연구실 밖으로 나가는 사람은 극소수에 불과합니다.

이에 대해 홍량 교수는 “AI4S를 할 때는 황제의 새옷을 짜는 일을 피해야 합니다. 언젠가는 드러나기 마련이니까요. 그래서 구현에 대해서도 생각해야 합니다.”라고 말했습니다. 그는 인정했다,"AI4S를 성공적으로 구현하면 더욱 보람 있을 것 같아요."

홍량 교수는 자신의 경험을 예로 들어 AI4S 구현의 매력을 더욱 자세히 분석했습니다. 그는 처음에는 기초 과학 연구에 참여했으며, "출판된 논문을 통해서만 과학 연구가 실제로 어떻게 적용될 수 있을지 상상할 수 있었습니다." 그러나 그의 팀이 단백질 공학을 위한 일반 인공지능을 성공적으로 구현하고 실제로 20개 이상의 기업에 진출하여 단백질 제품의 연구 개발을 도왔을 때, 그리고 자신의 컴퓨터에서 설계한 분자가 5,000L 발효 탱크에서 생산되어 실제로 사용되는 것을 보았을 때,"그 순간, 기초과학 연구를 수행하던 과학자들에게는 엄청난 행복감이 밀려왔습니다."

현재로서는 언급할 가치가 있습니다.연구팀은 자체 개발한 단백질 엔지니어링 Pro 시리즈 대형 모델을 기반으로 기능적 요구 사항에 따라 단백질 서열을 직접 설계합니다.우리는 이미 세계 최초, 두 번째로 고난이도 단백질 제품의 대규모 모델 설계와 산업화를 달성했습니다.

홍량 교수는 단백질 공학 연구 분야에서 산업화를 최초로 실현한 사람이라는 점에 대해 플랫폼, 개인의 학문적 배경, 연구 방향 등이 모두 중요하다고 생각합니다.

플랫폼 측면에서 보면, 그가 근무하는 상하이 교통대학은 공학 전공으로 유명한 기관입니다. "산업, 학계, 연구를 통합하는 연구팀을 지원해준 학교에 매우 감사드립니다."상하이 교통대학의 전반적인 학문적 분위기는 산업계, 학계, 연구에 개방적이고 포용적입니다.학교는 연구팀이 연구 결과를 실행에 옮기는 과정에서 많은 물질적, 정신적 격려를 제공할 것입니다.

또한, 홍량 교수의 학문적 배경과 AI 발전 추세에 대한 깊은 통찰력은 그가 산업 연구 개발 분야로 나아가는 초석이 되었습니다.

그는 중국 과학기술대학에서 학사 학위를, 홍콩 중국대학에서 대학원 학위를, 그리고 애크런 대학에서 박사 학위를 받았으며, 고분자와 단백질의 물리화학적 특성, 동역학, 상전이에 초점을 맞춰 물리학을 전공했습니다.

2010년에 그는 학업을 계속하기 위해 미국으로 건너가 오크리지 국립연구소에 박사후 연구원으로 합류하여 계산생물학 분야에서 단백질 구조, 역학, 기능에 집중했습니다.아마도 미국에서의 이런 경험이 그의 미래 주요 연구 방향인 단백질 기능에 대한 기초를 마련해 주었을 것입니다. 2015년에 그는 상하이 교통대학에 독립 PI로 합류하여 분자 생물물리학 연구를 수행했습니다.

2016년 알파고는 한국의 바둑 챔피언 이재석을 물리치고 유명해졌으며, 전 세계에 AI의 능력을 알리게 되었습니다. 2018년, 알파폴드가 갑자기 등장하여 생물학 분야에 큰 충격을 안겨주었고, 홍량 교수가 자신의 연구 방향을 AI와 결합하는 방법에 대해 생각하게 만들었습니다.

진정한 전환점은 2019년 말 COVID-19 팬데믹이 극에 달했을 때 찾아왔습니다. 그는 집에 있는 동안 국립대만대학의 리홍이 교수가 빌리빌리에 올린 AI 강의를 수강했고, 이 겉보기에 신비로운 신기술에 대해 진지하게 알아보았습니다.그는 "빌리빌리에게서 AI 학위를 받았다"고 농담을 했지만, 이 80개의 수업 덕분에 AI에 대한 이해가 더욱 명확해졌습니다.그래서 저는 단호하게 과학 분야를 위한 AI를 선택했습니다.

"산업 기술이 변화할 때 그것은 개인의 의지에 따라 결정되는 것이 아닙니다."멈출 수 없는 AI 혁명에 직면하여, 홍량 교수는 2020년부터 AI, 컴퓨팅, 습식 실험을 결합하여 단백질 설계 연구를 시작했습니다. 물리학에서 화학으로, 그다음 화학에서 생물학으로, 그는 단백질 기능과 설계를 연구하기로 결정했고, 마지막으로 습식 실험에서 컴퓨팅과 인공지능으로 옮겨갔습니다. 그는 기술적 도약의 리듬을 따르고 모든 단계를 현실로 받아들였으며, 마침내 실험 결과를 가지고 팀을 실험실 밖으로 이끌 수 있었다고 할 수 있습니다.

저자는 이것이 "준비가 성공의 열쇠"라는 것을 진실로 묘사한 것이라고 믿지만, 홍량 교수는 웃으며 말했습니다."저는 정말 운이 좋았어요."

그는 과학 분야의 연구자로서 AI를 적극적으로 수용했으며, 그 메커니즘을 이해하기 위해 일반 지식부터 시작했습니다. 이는 AI4S에 대한 그의 탐구를 위한 기초를 마련해 주었고, 연구 방향의 선택에는 행운이 더 크게 작용했습니다. "단백질 공학을 위한 AI 연구를 하기로 결정한 후, 구조 예측, 동역학, 기능의 세 가지 방향 중에서 기능을 선택했습니다."그는 "기능이 없는 제품은 없다"고 인정했다.

하지만 이러한 선택은 실제로 매우 대담하고 불확실성이 가득합니다. "제품이 아무리 잘 다듬어졌다 하더라도 산업화하기 어려울 수도 있습니다." 하지만 당시 홍량 교수의 나이는 정확히 39세로, 30대와 40대의 교차점에 있었지만, 그는 여전히 싸우려는 열정과 다시 시작하려는 용기를 잃지 않았습니다.

당시 저는 39세였고, 아직 시도할 수 있었습니다. 만약 실패했다면, 새로운 방향을 선택하고 다시 시도하는 데 몇 년을 허비했을 겁니다. 다행히도, 우리는 운이 좋았고 마침내 성공했습니다. 기술적인 관점에서 보면,"과학 분야의 데이터 구조와 데이터 양이 AI의 기술적 진보에 맞춰질 수 있다는 것도 일종의 행운이죠."

그는 산업화의 성공을 행운에 돌렸지만, AI4S의 발전 추세에 대한 분석도 있다. 예를 들어, 그는 AlphaFold가 단백질 구조 예측 분야에서 큰 성공을 거두었고, 이를 뒷받침하는 구글과 같은 거대 기업이 있다는 것을 보고 획기적인 과학적 성과에 큰 기쁨을 느꼈습니다. 그러나 그는 침착하게 생각하고 자신의 팀의 기반과 강점을 종합적으로 고려한 후,그는 단백질 구조 예측 분야에서는 살아남을 수 없다는 것을 깨닫고 이 연구 방향을 단호하게 포기했습니다.

결정적인,홍량 교수는 자신의 강점을 바탕으로 단백질 공학 분야에서 일반 인공지능 분야를 선택했습니다.이 분야의 주목할 만한 특징은 단백질 기능 데이터를 표준화할 수 없다는 점인데, 이는 컴퓨터 과학에만 집중하는 연구자들이 한 번에 극복하기 어려운 과제입니다. 해당 분야에 대한 깊은 지식을 갖춘 전문가만이 실험실에서 "습식 실험"을 지속적으로 반복하여 진전을 이룰 수 있습니다.

다행히도 홍량 교수 연구팀은 컴퓨터 과학과 단백질의 학제적 분야에서 수년간 축적한 지식을 바탕으로 이 분야의 '장벽을 깨는' 데 성공하여 최초로 게살을 맛보는 성과를 거두었습니다.

AI4S: AI는 과학을 존중해야 하고, 과학은 스스로 AI를 학습해야 한다

AlphaFold의 성공이 AI4S 개발을 크게 촉진하고 영감을 주었으며, AI와 과학 간의 경계를 단번에 깨뜨렸다는 점에는 의심의 여지가 없습니다. 하지만 AI4S의 현재 개발은 아직 초기 단계에 있으며, 양측 모두 보편적인 협력 모델을 아직 모색하지 못했습니다.산업계에서도 이 문제에 대해 고민해 왔습니다. 과학을 위한 AI, AI가 주도하는 것인가, 아니면 과학이 주도하는 것인가?

업계에서는 AI와 전통적인 과학 연구를 결합한 학제간 연구 인력을 요구해 왔지만, 그 성장 주기는 상상할 수 있으며, 찾을 수는 있지만 찾을 수는 없는 일이라고 할 수 있습니다. AI 분야 연구자들의 모델 구축, 프레임워크 최적화 등의 효율성과 설계 혁신성은 과학 연구자들이 신속하게 따라잡기 어려운 경우가 많고, 과학 연구자들이 수직 분야의 과학적 문제에 대한 정확한 위치 설정과 분석은 AI가 신속하게 달성하기 어렵습니다.

이에 비해 홍량 교수는 다음과 같이 믿는다.과학을 위한 AI의 핵심은 과학에 있습니다. AI 솔루션을 제안하기 전에 먼저 과학적 또는 공학적 문제를 정의해야 합니다.

홍량 교수는 딥마인드의 팀 모델을 예로 들었습니다. 전문가 팀은 전통적인 과학 연구 분야뿐만 아니라 데이터 과학과 컴퓨터 과학까지 포괄하여 과학적 문제 식별에서 AI 방법 구축까지 전체 과정을 완료합니다. 그의 연구 그룹의 팀 구성도 이와 비슷하다. 2020년에 저희는 단백질 공학을 위한 AI 연구를 위해 여러 CS 학생들을 모았습니다. AI가 마침내 구현되자, 학생들은 AI4S에 대한 새로운 이해를 얻었고 큰 성취감을 느꼈습니다.홍량의 연구 그룹은 현재 CS와 단백질 공학 분야의 인재를 모집하여 협력 연구를 진행하고 있습니다.

실제로 팀의 핵심 멤버인 주빙신 박사는 컴퓨터공학 분야의 학생들도 아이디어를 내놓고 AI를 사용하여 전통적인 과학 연구 방법을 최적화하고자 할 것이라고 소개했습니다. 이때 CS는 타당성 논의를 주도하게 됩니다. 마찬가지로, 단백질 공학 분야의 학생들도 자신들이 발견한 과학적 문제를 명확하게 설명하고 AI로부터 해결책을 모색합니다. 이 당시 과학은 혁신적인 방법을 공동으로 찾는 데 앞장섰습니다.

홍량 교수와 그의 팀은 과학 분야의 포괄성을 잘 보여주었습니다. 동시에 그는 특히 연구 그룹의 책임자들이 전통적인 분야의 연구자들 스스로 AI를 배워야 한다고 제안했습니다."팀 리더는 기업주와 같습니다. 전통적인 과학 연구에서 AI4S로의 전환은 회사 내 전략적 변화와 같습니다. 프로젝트 수립이 필요합니다. 담당자가 신제품과 기술에 대한 지식이 없다면 매우 위험합니다."

하지만 그는 현재 모든 연구 방향이 AI의 도움으로 획기적인 성과를 거둘 수는 없지만, 현재 국가 정책은 AI가 다양한 과학 연구 분야에 '영향'을 미치도록 장려하고 있다고 솔직하게 말했습니다. 과학 분야 교사들, 특히 젊은 교사들이 과감하게 시도해 주기를 바랍니다. 만약 그들이 운 좋게 돌파구가 될 수 있는 연구 방향을 찾아낸다면, 방법론이 돌파구가 마련되면 그것은 이 분야에 큰 기여를 할 것입니다.

하지만 성공적인 영향이 있다고 해서 해당 산업이 실제로 시행될 수 있다는 의미는 아니라는 점을 기억해야 합니다.

예를 들어, 신약 연구 개발 분야에서 AI의 적용이 본격화되고 있습니다. 과학 연구 기관부터 기업까지, 연구에서 임상 실험까지 막대한 인적, 재정적 자원이 투자되었습니다. 많은 신생기업은 새벽도 채 되지 않아 문을 닫고 해체되기도 합니다. 그것을 보는 것만으로도 충분하다"AI 약물 설계의 폐쇄 루프 시간이 너무 깁니다."홍 리앙 교수는 "계산생물학(물리적 컴퓨팅 + AI)은 주로 연구자들이 체외(분자 또는 세포) 실험 지표를 파악하는 데 도움을 주지만, 이러한 체외 실험과 동물 실험 결과 간의 상관관계는 매우 낮을 수 있습니다. 동물 실험 결과가 좋다고 해서 임상 시험이 좋은 피드백을 제공할 수 있다는 것을 의미하지는 않습니다."라고 설명했습니다.

이것이 또한 이유입니다,그의 팀은 효소 기능의 연구 방향에 더 집중하고 있습니다.분자 실험은 최종 결과이며, 폐쇄 루프(closed loop)를 통해 신속하게 검증될 수 있습니다. 우수한 효소 제품의 연구 개발은 식음료, 미용 및 스킨케어, 세탁 및 섬유, 바이오 의약품 등 여러 분야에 상당한 이점을 가져다줄 수 있으며, 국가 경제의 핵심 분야에 직접적으로 기여할 수 있습니다.

사실 홍량 교수 등 AI4S로 적극적으로 전환하고 있는 과학 연구팀 외에도 AI 분야 연구팀 역시 AI4S 분야에서 큰 진전을 이루고자 기대하고 있지만, 그들이 직면하게 될 기술적 장벽은 상상할 수 있다. 이와 관련하여,홍량 교수의 조언은 “올바른 연구 방향을 찾아야 하며, 단순히 자신의 기술을 과시하거나 거대한 모델을 기계적으로 적용하지 말아야 한다”는 것입니다.

구체적으로 그는 "AI4S를 하고 싶은 AI 분야 종사자들은 먼저 상상 속의 과학적 문제가 아닌, 입력 및 출력 데이터를 표준화하고 구조화할 수 있는 연구 분야를 찾아야 한다"고 생각한다. 이에 상응하여 과학 분야의 장점도 바로 여기에 있습니다. "함수 관련 연구에서는 데이터를 표준화하기 어렵고 실험적 반복이 필요합니다. AI를 활용하여 실험 비용을 절감하고 과학적 문제에 대한 깊은 이해를 더한다면 산업 발전에 크게 기여할 것입니다."

결론

홍량 교수와의 인터뷰에서 그는 "행운"을 여러 번 언급했습니다. 제 생각에는 "시간, 행운, 운명이지, 제가 통제할 수 있는 게 아닙니다." 그러나 기회를 진정으로 잡을 수 있는 사람은 미래 지향적 통찰력, 효율적인 실행, 그리고 시도하고 실패할 용기를 가져야 합니다. 이는 홍량 교수의 모든 선택에도 반영되어 있으며, 그는 결국 단백질 공학을 위해 AI를 선택했습니다. 저는 그와 그의 팀이 더욱 구체적인 결과를 가져오기를 기대합니다.

마지막으로 학업 활동을 추천해주세요! 자세한 내용은 사진을 클릭하세요↓