AI 열풍에는 근거가 있을까? 모든 시선이 AI에 쏠리는 이유

AI 분야 노벨상

2024년 노벨상 수상자 발표는 AI에 큰 관심을 불러일으켰습니다. 먼저 물리학상은 물리학에서 영감을 얻은 기초 이론과 초기 신경망 모델에 수여되었습니다. 신경망은 오늘날 AI 기술 대부분의 기반입니다. 초기 신경망의 작동 원리는 “노벨상 성과에 투자하기—인공 신경망, AI의 기반”에서 자세히 다뤘습니다.

이번에는 화학 분야 노벨상이 계산 중심 연구에 수여되었습니다. 구체적으로는 David Baker에게 “계산 단백질 설계” 공로로 절반이 주어졌고, 나머지 절반은 Google의 AlphaFold 핵심 연구원인 Demis Hassabis와 John M. Jumper에게 “단백질 구조 예측” 공로로 공동 수여되었습니다.

따라서 2024년을 AI의 노벨상 해라고 불러도 과장은 아닙니다. 물리학, 화학, 생리의학상이라는 자연과학 분야 세 상 중 두 개가 AI 관련 연구에 돌아갔습니다.

해당 분야 연구자와 AI 기반 연구의 미래에 기대를 거는 사람들은 이를 환영했습니다. 그러나 컴퓨팅과 AI를 “진정한 물리학”으로 보지 않는 이들의 반발도 있었습니다.

노벨상은 무엇을 인정해야 할까?

이는 노벨상을 받을 만한 “순수” 과학이 무엇인지에 대한 오래된 논쟁의 일부입니다. 일부는 이론적 진전과 진정한 지적 돌파구만이 과학계 최고 권위의 국제상을 받을 자격이 있다고 말합니다.

“말문이 막힙니다. 저도 머신러닝과 인공신경망을 좋아하지만, 이것을 물리학적 발견으로 보기는 어렵습니다. 노벨상도 AI 열풍에 휩쓸린 것 같습니다.”

조너선 프리처드 — 임페리얼 칼리지 런던 천체물리학자

반면 과학의 현실적 영향도 인정해야 한다는 견해가 있습니다. 특히 노벨상 창설자 알프레드 노벨은 물리학, 화학, 생리학 또는 의학, 문학, 평화 분야에서 “전년도에 인류에게 가장 큰 혜택을 제공한 사람들에게” 상을 주도록 했습니다.

이런 맥락에서 신경망은 이미 인류에게 큰 이익을 주었고 앞으로 더 기여할 가능성이 있으므로, 올해 노벨상을 받을 자격이 있다고 볼 수 있습니다.

컴퓨팅이 물리학인가?

2024년 노벨 물리학상의 대상이 된 신경망 개발 방법은 물리학에 깊이 뿌리를 두고 있습니다. 특히 기체나 액체처럼 많은 요소로 구성된 계를 설명하는 통계물리학의 영향을 크게 받았습니다.

많은 물리계의 집단적 성질이 모델의 세부 변화에도 안정적이라는 관찰에서도 영감을 얻었습니다. 예를 들어 자성 물질의 특성은 원자를 작은 자석처럼 만드는 스핀에서 비롯됩니다.

힌턴의 볼츠만 머신과 홉필드 네트워크는 모두 “에너지 기반 모델”입니다. 실제 물질의 물리적 성질을 이해하는 수학적 기술과 크게 다르지 않습니다.

그럼에도 일부 물리학자는 컴퓨팅이 물리학의 주목받을 기회를 가져갔다며 아쉬워했습니다. 이는 수상 자체보다 사회가 물리학에 충분한 관심과 존중을 보내지 않는 데 대한 불만일 수 있습니다.

“이것은 컴퓨터과학 분야에 속합니다. 해마다 노벨상은 물리학과 물리학자들이 주목받는 드문 기회입니다.

친구와 가족이 자신이 물리학자를 안다는 사실을 떠올리고 이번 노벨상이 무엇인지 물어보는 날이죠. 하지만 올해는 그렇지 않습니다.”

자비네 호센펠더 — 독일 뮌헨 수리철학센터 물리학자

물리학으로 돌아가는 AI

이번 수상은 머신러닝과 신경망, AI를 개선하기 위해 다시 물리학 기반 방법을 활용하려는 컴퓨팅 분야의 흐름도 반영합니다.

“머신러닝을 연구하려면 물리학의 사고방식이 필요합니다.”

렌카 즈데보로바 — 스위스 로잔 연방공과대학교 통계물리학자

초기 신경망 연구는 생물학적 신경세포에 대한 최신 이해에서 영감을 얻고 수학, 물리학, 컴퓨터과학, 신경생물학을 결합한 진정한 학제적 작업이었습니다.

“노벨 물리학상은 물리학 지식의 더 많은 영역으로 확장되어야 한다고 생각합니다. 물리학은 계속 넓어지고 있으며, 과거에 없었거나 물리학에 속하지 않았던 여러 지식 분야를 포함합니다.”

조르조 파리시 — 로마 사피엔차대학교 물리학자, 2021년 노벨 물리학상 공동 수상자.

따라서 존 홉필드와 제프리 힌턴의 수상은 다소 놀랍고 엄격한 순수 물리학자들에게 아쉬울 수 있지만, 처음 보이는 것만큼 물리학과 기초과학에서 동떨어져 있지는 않습니다.

논란에 기름을 붓다?

노벨 화학상까지 컴퓨팅 중심 연구에 돌아가지 않았다면 일부 과학자의 반응은 더 온건했을지도 모릅니다.

여기서는 AI가 해당 분야에 실제로 얼마나 기여했는지가 논쟁의 중심입니다. 이는 “노벨상도 AI 열풍에 휩쓸렸다”는 비판에 일부 근거를 제공합니다.

단백질의 3차원 구조를 예측하는 AlphaFold 같은 신경망은 수십 년간의 실험으로 쌓인 방대한 데이터에 기반합니다. 대표적으로 20만 개 이상의 단백질 구조를 무료로 제공하는 단백질 데이터 뱅크가 있습니다.

이 구조들은 수천 명의 연구자가 수십 년에 걸쳐 X선 결정학, 극저온 전자현미경 등 첨단 방법으로 실험적으로 밝혔습니다. 이런 방법 자체가 노벨상을 받은 발견인 경우도 있습니다.

“AlphaFold가 기존 기초과학을 근본적으로 바꿨다고 생각하지는 않습니다.

기존 요소를 매우 매끄럽게 결합하고 구상한 방식이 그 수준의 성과를 가능하게 했습니다.”

데이비드 존스 — 초기 AlphaFold 개발에서 DeepMind와 협력한 유니버시티 칼리지 런던 생물정보학자

AlphaFold의 영향력은 어느 정도인가?

AlphaFold가 “이전 연구 위에 쌓았을 뿐”이라는 비판은 다소 빗나갈 수 있습니다. 노벨상급 발견이 앞선 서너 개의 노벨상급 발견을 기반으로 하는 것은 흔한 일이기 때문입니다.

더 중요한 질문은 AlphaFold가 이전에는 불가능했던 일을 가능하게 만든 진정한 돌파구인지입니다.

우리는 이전에 AlphaFold가 기존 데이터를 단순히 정제하는 것이 아니라 새로운 분자와 약물을 발견할 수 있는지 조사한 과학 논문에 대해 논의했습니다..

연구 결과는 그럴 가능성을 보여줍니다.

각 모델에서 단백질 활성을 변화시킨 화합물 비율은 시그마-2 수용체의 경우 약 50%, 5-HT2A 수용체의 경우 약 20%였습니다. 5%만 넘어도 뛰어난 결과로 평가됩니다.

신약 발견이 건초더미에서 바늘 찾기와 비슷하다는 점을 고려하면, 첫 시도에서 위치를 추정해 50% 성공률을 얻는 것은 놀라운 성과입니다.

따라서 올해 화학상도 “순수” 과학이나 기초 이해의 발전이라는 기준에는 완전히 부합하지 않을 수 있습니다. 그러나 노벨상이 밝힌 목적, 즉 “지난 한 해 인류에게 가장 큰 이익을 준 이들에게 상을 수여한다”는 취지에는 잘 맞아 보입니다.

논란 마무리

AI가 대부분의 과학 분야에서 핵심 도구가 되더라도 앞으로 모든 노벨상이 주로 AI를 인정해서는 안 된다는 데 동의할 수 있습니다. 연구자가 매일 컴퓨터와 화학물질, 금속을 사용한다고 해서 기초 컴퓨팅이나 화학, 야금학에 매번 상을 주지는 않는 것과 같습니다.

다만 올해 수상에 대한 반발은 다소 과장되어 보입니다. 여러 분야의 인상적인 발전에도 언론의 관심이 AI로 쏠리는 데 대한 과학자들의 좌절을 보여주는 것일 수 있습니다.

AI가 실제로 할 수 있는 일은 무엇인가?

어쨌든 AI는 혁신적인 기술이 될 가능성이 높으며, 인류 역사에서 증기기관, 전신, 내연기관, 초기 컴퓨터에 버금가는 중요한 이정표가 될 수 있습니다.

AI의 잠재적 활용 분야는 다음과 같습니다.

• 신약 발견 및 생물학 데이터 분석.
• 진단 및 자동화된 의료 치료, 수술 포함.
• 로봇공학, 가정용 로봇부터 자동화 생산까지.
• 자율주행 자동차 및 물류.
• 맞춤형 학습 및 지식 확산.
• 에너지, 재료과학, 나노기술 등의 신물질 발견.
• 광자학, 양자 컴퓨팅 등을 포함한 새로운 컴퓨팅 방법.
• 우주 탐사, 자동화된 외계 식민지부터 소행성 채굴까지.

이런 맥락에서 AI에 대한 높은 기대는 충분한 근거가 있습니다.

다만 중요한 신기술 대부분이 그렇듯, 초기 혁신을 실용적인 활용으로 전환하는 데는 예상보다 시간이 더 걸릴 수 있습니다. 1970년대 컴퓨터는 인터넷 혁명보다 수십 년, 오늘날 AI보다 훨씬 앞서 등장했습니다. 장기적인 영향은 당시 누구도 예상하지 못한 규모가 될 수 있습니다.