AI 공동과학자: DeepMind와 BioNTech, AI 연구실 조수가 과학을 가속화할 것이라고 베팅

AI가 과학적 진보를 가속화하는 데 도움이 될 수 있다는 희망은 오래전부터 있었다. 이제 기업들은 최신 세대의 챗봇이 유용한 연구 보조원이 될 수 있을 것이라고 내기를 걸고 있다.

AI를 사용하여 과학적 진보를 가속화하려는 대부분의 노력은 단백질 접힘이나 기상 모델링의 물리학과 같은 기본적인 개념적 문제를 해결하는 데 집중되었다. 그러나 과학적 과정의 상당 부분은 훨씬 더 산문적이다. 즉, 어떤 실험을 할지 결정하고, 실험 프로토콜을 고안하고, 데이터를 분석하는 것이다.

이는 학자의 시간을 엄청나게 많이 잡아먹고, 더 가치 있는 작업에서 주의를 돌릴 수 있다. 파이낸셜 타임즈에 따르면, 이것이 Google DeepMind와 BioNTech가 현재 이러한 보다 일상적인 작업 중 많은 것을 자동화하도록 설계된 도구를 개발하고 있는 이유이다.

최근 행사에서 DeepMind CEO인 데미스 하사비스는 회사가 연구 보조원 역할을 할 수 있는 과학 중심의 대규모 언어 모델을 개발하고 있으며, 특정 가설을 해결하고 결과를 예측하는 데 도움이 되는 실험을 설계하는 데 도움이 될 수 있다고 말했다. BioNTech는 또한 지난주 AI 혁신의 날에 Meta의 오픈소스 Llama 3.1 모델을 사용하여 "생물학에 대한 자세한 지식"을 가진 Laila라는 AI 보조원을 만들었다고 발표했다.

"우리는 Laila와 같은 AI 에이전트를 과학자, 기술자가 제한된 시간을 정말 중요한 일에 사용할 수 있도록 하는 생산성 가속기로 본다." 회사의 InstaDeep AI 자회사의 최고 경영자인 카림 베기르가 파이낸셜 타임즈에 말했다.

이 봇은 과학자들이 DNA 시퀀스 분석을 자동화하고 결과를 시각화하는 데 사용한 라이브 데모에서 그 기능을 선보였다. Constellation Research에 따르면 이 모델은 다양한 크기로 제공되며 단백질 설계나 DNA 시퀀스 분석과 같은 분야에 특화된 다양한 다른 AI 모델을 호스팅하는 InstaDeep의 DeepChain 플랫폼과 통합되어 있다.

BioNTech와 DeepMind는 최신 AI 기술을 실험실 주변의 두 명의 추가 도우미로 전환하려는 시도를 처음 한 것은 아니다. 작년에 연구자들은 OpenAI의 GPT-4 모델을 웹 검색, 코드 실행, 실험실 자동화 장비 조작 도구와 결합하면 복잡한 화학 실험을 설계, 계획, 실행할 수 있는 "공동과학자Coscientist"를 만들 수 있다는 것을 보여주었다.

AI가 어떤 연구 방향을 선택할지 결정하는 데 도움이 될 수 있다는 증거도 있다. 과학자들은 Anthropic의 Claude 3.5 모델을 사용하여 수천 개의 새로운 연구 아이디어를 생성한 다음 모델에서 독창성에 따라 순위를 매겼다. 인간 검토자가 참신성, 실행 가능성, 예상 효과와 같은 기준에 따라 아이디어를 평가했을 때, 인간 참가자가 꿈꾸었던 아이디어보다 평균적으로 더 독창적이고 흥미진진하다는 것을 발견했다.

그러나 AI가 과학적 과정에 얼마나 기여할 수 있는지에는 한계가 있을 가능성이 있다. 학계와 도쿄에 있는 스타트업 Sakana AI의 협업은 머신러닝 연구에 집중한 "AI 과학자"로 큰 파장을 일으켰다. 문헌 검토를 수행하고, 가설을 수립하고, 실험을 수행하고, 논문을 작성할 수 있었다. 하지만 생산된 연구는 기껏해야 증분적이라고 판단되었고, 다른 연구자들은 대규모 언어 모델의 특성으로 인해 산출물이 신뢰할 수 없을 가능성이 있다고 제안했다.

이는 AI를 사용하여 과학을 가속화하는 데 있어 핵심적인 문제를 강조한다. 논문이나 연구 결과를 그냥 쏟아내는 것은 좋지 않다면 별 소용이 없다. 예를 들어, 연구자들이 DeepMind에서 생산한 200만 개의 AI 생성 결정체를 조사했을 때, "참신성, 신뢰성, 유용성"이라는 중요한 기준을 충족하는 것이 거의 없다는 것을 발견했다.

호주 로열 멜버른 공과대학의 카린 베르스푸르는 더 컨버세이션에 저질 연구를 대량으로 쏟아내는 제지 공장으로 인해 학계가 이미 망가졌다고 썼다. 신중한 감독 없이 새로운 AI 도구가 이러한 추세를 가속화할 수 있다.

그러나 과학적 과정을 개선할 수 있는 AI의 잠재력을 무시하는 것은 현명하지 못할 것이다. 과학의 지루한 작업 대부분을 자동화하는 능력은 매우 귀중할 수 있으며, 이러한 도구가 인간을 대체하는 것이 아니라 증강하는 방식으로 배치되는 한, 그 기여는 상당할 수 있다.

이미지 출처: Shrinath / Unsplash