[손경제플러스 LIVE🔴] 우리나라 과학계는 언제쯤 노벨상을 받을까? - 이창욱 과학동아 기자

 

오늘도 요점먼저 전달하는 영글로그 이제 시작합니다.

 

1. 노벨상 수상 이슈와 인공지능 기술의 발전

1-1. 노벨상 수상자 이슈와 박정호의 손에 잡히는 경제 플러스
 -  알베르트 아인슈타인, 마리 퀴리 등 당대 최고의 과학자들이 수상한 노벨과학상 주목
 -  인공지능 기술이 노벨과학상 트렌드에 주요 역할을 함
 -  박정호가 손에 잡히는 경제 플러스의 중요성 강조
 -  과학동화 기자 박정호가 말한 10월의 과학계 이슈 중요성
 - (중요) 인공지능 연구가 노벨상 수상에 영향을 줬는지 논란도 있음

1-2. RNA 연구와 노벨상 수상
 -  DNA와 단백질 연구로 RNA에 대한 생물학상 수상
 - (중요) RNA 연구자가 수상하였으며, 이에 따른 사회적 반응 예상
 -  RNA 연구의 중요성과 그 연구로 수상하게 된 배경 설명
 -  다양한 생물학 연구를 통한 사회적 변화 예상

1-3. 노벨상 수상자와 은닉층, 딥 러닝
 -  제프리 힌턴 교수와 볼츠만 머신에 대한 설명
 - (중요) 볼츠만 머신이 인공 신경망 알고리즘 개발에 기여
 -  보이지 않는 레이어가 딥 러닝의 발전에 크게 기여
 -  은닉층이 AI 정확도를 높이는 데에 중요하다는 점 강조
 -  은닉층 연구를 통한 AI의 발전에 대한 설명

2. 인공신경망과 물리학상 수상

2-1. 인공신경망 연구의 발전
 -  인공신경망 연구는 초기 실패로 어려움을 겪음
 -  연구자들은 인공신경망을 통제하는 레이어에 어떤 변수를 넣느냐에 따라 결과가 달라짐을 발견함
 -  보이지 않는 레이어가 중요함을 밝히고, 이를 '은닉층'이라 부름
 -  머신러닝은 신경을 사용하지 않고, 스스로 패턴을 만들어내는 AI임
 -  AI가 사람이 제대로 작동하는지 모를 수 있으므로, 위험에 대처해야 함

2-2. 인공신경망의 기반 개념
 - (중요) 인공신경망의 기반 개념은 물리량과 확률론임
 -  물리학 연구의 어려움을 극복하고, 인공신경망에 적용할 수 있는 아이디어를 제공함
 -  인공신경망의 알고리즘에 사용된 핵심 개념은 물리임
 -  볼츠만 머신과 볼츠만 이름은 통계 물리학자 루트비히 볼츠만에서 유래함
 -  복잡한 물리 현상을 통계적, 확률론적으로 분류하여 설명함

2-3. 인공신경망의 확장과 물리학상 수상
 -  인공신경망 연구의 발전은 물리학상 수상으로 이어짐
 -  인공신경망 연구에 물리학의 아이디어를 적용한 연구들이 수상함
 -  물리학상 수상자들은 120년 이상 지났지만, 새로운 과학 분야가 생겼음에도 아직 AI 연구에 대한 수상이 없음
 -  인공신경망 연구의 발전은 인공지능의 기반이 된 아이디어임

3. AI와 과학

3-1. AI와 과학의 접점
 -  물리학자 러더퍼드, 물리학 외 과학은 '우주의 수집에 불과하다' 주장함
 -  물리학과 화학의 경계가 모호한 경우가 많음
 -  AI 연구가 과학계에 미치는 영향과 중요성 강조
 -  노벨 물리학상과 AI 연구의 관계와 의의에 대해 고민해 볼 필요가 있음
 -  AI 연구가 과학의 방법론적 측면에서 중요한 연구 분야로 자리 잡음

3-2. 단백질 구조 예측의 중요성
 -  단백질은 우리 몸을 구성하는 중요한 물질로, 근육과 효소를 포함함
 -  단백질의 화학구조를 파악하는 것이 중요하며, 이를 통해 단백질의 기능과 기능성을 예측할 수 있음
 -  단백질 구조 예측을 위한 AI 기술의 발전과 중요성을 설명함
 -  단백질의 아미노산 서열이 어떻게 접힐지 예측하는 것이 관건임
 - (중요) 단백질 구조 예측은 노벨상을 수상할 만큼 중요한 과제임

3-3. 알파폴드의 기술
 -  알파폴드는 복잡한 단백질 구조를 예측하는 기술로, 헤모글로빈의 예를 들어 설명함
 -  단백질의 아미노산 서열이 비슷한 헤모글로빈을 비교하여 구조 예측을 함
 -  동물의 단백질 서열을 비교하여 공통점과 차이점을 찾는 것이 중요함
 -  예측된 단백질 구조를 통해 단백질의 기능과 기능성을 파악할 수 있음
 -  단백질 구조 예측은 의학 분야에서 매우 중요하며, 앞으로도 AI 기술의 발전에 따라 중요해질 것임

4. 단백질 구조와 RNA 연구의 중요성

4-1. 단백질 구조 예측과 활용
 -  단백질 구조 예측에서 비슷한 산소 운반 부분을 토대로 고정된 아미노산 사슬을 접어 구조 예측함
 -  아미노산 사슬을 이용하여 다른 단백질의 구조를 예측하는 방법을 사용함
 -  헤모글로빈과 비슷한 아미노산 사슬을 이용하여 구조 예측을 시도하였음
 - (중요) 구조 예측의 정확성이 향상되었으며, 다른 유사한 사례를 통해 구조 예측의 가능성을 시사함

4-2. 단백질 연구 대회와 AI 활용
 -  단백질 구조 연구자들은 매년 CESP(단백질 구조 예측 대회)를 개최함
 -  2016년 이래로 CESP의 우승률이 점차 향상되어, 2018년에는 60점, 2020년에는 92.4점을 기록함
 -  AI의 활용이 단백질 연구에서 놀라운 성과를 낼 수 있는지에 대한 연구를 진행함
 - (중요) 알파폴드는 AI를 활용하여 단백질 연구에서 큰 이슈가 되었음

4-3. RNA 연구의 중요성과 미래
 - (중요) RNA는 단백질을 복제하는 데 필요한 복사기 역할을 함
 -  RNA 세포에서 RNA를 추출하여 단백질을 만드는 과정을 발현이라고 함
 -  RNA에 마이크로 RNA가 들어가면, 단백질의 발현 과정을 방해함
 -  RNA 연구는 암, 심혈관 질환, 신경계 질환 등 다양한 질병의 치료와 예방에 활용될 수 있음

5. 노벨상 수상과 한국의 과학 발전

5-1. 노벨상 수상자와 예측하는 과학
 -  노벨상 수상자에 대한 예측은 과학의 발전을 예측하는 하나의 방법임
 -  단백질 구조 예측, 비만 치료제 예측 등이 주요 예측 사례임
 -  AI가 물리학상의 경향 측면에서도 독특한 결과를 내놓음
 - (중요) 학계에서 노벨상 예측 기사 발표 이후 여성 수상자가 늘고 있다는 결과가 나옴
 -  알파폴드 투 발표 후 4년 만에 여성 수상자가 늘어남

5-2. 노벨상 수상자와 한국의 기여
 -  1959년 이후의 근대과학 연구가 한국에서 시작됨
 -  해외 원조를 받아 한국 최초의 과학기술연구기관 설립
 - (중요) 한국의 과학 발전은 최근에 급격히 이루어지고 있음
 -  노벨상 수상 연구 분야에서 한국인이 주요 인물로 언급되는 경우가 증가
 - (중요) 한국 과학 연구자가 주도하는 노벨상 수상의 기간이 점차 짧아지고 있음

5-3. 노벨상 수상의 미래와 한국의 발전
 -  10년 이상 후에는 한국의 과학상 수상이 가능할 것으로 예상
 - (중요) 한국 과학 연구자가 주도하는 노벨상 수상이 더욱 늘어날 것으로 예상
 -  한국의 과학 발전은 해외 원조를 받아 기존에 벌어졌던 성과와 병행
 -  노벨상 수상으로 인해 한국 과학 연구자들에 대한 세계적 인정 증가
 -  한국 과학 연구자들의 노벨상 수상의 가능성과 미래 가치에 대한 논의가 진행 중임

6. 기초과학의 중요성과 노벨 과학상 수상에 대한 인식

6-1. 노벨 과학상 수상자 선정의 중요성
 - (중요) 노벨 과학상 수상자 선정은 나이나 지긋한 연구자 위주가 아님
 -  대단한 연구를 한 젊은 연구자에게 상을 주는 것이 더 가치 있는 상임
 -  시간이 쌓여야 결과가 나올 수 있음
 -  노벨 과학상 수상자들은 대개 연구를 통해 새로운 가치를 창출한 사람들

6-2. 국가 예산과 기초과학
 -  국가 예산 심의에서는 기초과학 분야에 예산을 투자하는 것이 경제적으로 어려울 수 있음
 -  기초과학 논문은 공공재 성격이 있어 큰 예산을 들여도 활용이 가능함
 -  우리나라는 기초과학에 투자를 하며 다른 나라와 비교하며 돈이 부족함
 - (중요) 미국 등의 리딩 국가들이 먼저 투자를 하며 나머지 국가들은 이를 따라감

6-3. 기초과학의 중요성과 나아갈 방향
 -  기초과학을 하지 않으면 응용 연구에서도 한계가 있음
 -  기초과학은 대박이 날 수도 있고, 별로가 될 수도 있음
 -  지적재산권을 풀어버리는 것이 아니라, 꾸준히 연구와 펀딩을 지원해야 함
 -  기초과학이 발전하면 국가가 큰 목소리를 내거나 큰 산업을 지배할 수 있음

 

 

***전체 스크립트

화자 1
07:07
박정호의 손에 잡히는 경제 플러스 

화자 2
07:16
안녕하십니까? 박정호입니다. 올해 가장 뜨거웠던 이슈를 꼽으라면 단연 한강 작가의 노벨문학상 수상 소식일 텐데요. 더불어 경제와 과학 분야에서는 언제 노벨상 수상자가 나올지 궁금해 하는 여론도 많았습니다. 알베르트 아인슈타인 마리 퀴리와 같은 당대 최고의 과학자들이 수상했던 노벨과학상 특히 올해의 과학상은 인공지능 기술로 인해 역대급 이변이 쏟아졌다고 하는데요. 올해 노벨과학상 트렌드로 본 과학기술의 변화 10월 29일 화요일 박정호의 손에 잡히는 경제 플러스 잠시 후에 시작합니다. 

화자 3
08:08
경제생활에 플러스가 되는 아주 경제적인 시간 박정우의 손에 잡히는 경제 플러스 

화자 2
08:14
세상을 바꾼 과학 세상을 바꿀 기술을 알아보는 테코노미 시간입니다. 과학동화 이창욱 기자 나왔습니다. 어서 오세요. 

화자 4
08:23
안녕하세요. 

화자 2
08:23
아유 오랜만에 뵙습니다. 안 계실 동안 우리나라의 엄청난 경사 있었던 거 아시죠. 

화자 4
08:31
알고 있죠. 

화자 2
08:32
근데 저도 인제 더 욕심이 나더라고요. 사람이 다 그런 거 같애요. 노벨상 문학상 받았으니 이제 노벨상에 또 중요한 분야 중의 하나인 과학상도 좀 받았으면 좋겠다. 하는 생각이 드는데 일단 오늘은 노벨상 이야기 그래서 준비해 오셨다고요. 

화자 4
08:49
예 맞습니다. 10월 10일에 한강 작가님이 노벨문학상 받으셨죠 진짜 큰 경사였는데 그러면서 이제 다들 뭐 한국의 첫 번째 과학 노벨과학상은 언제쯤 나올까 이런 생각도 많이들 하셨을 것 같아요. 그래서 노벨상 발표가 있는 10월이 사실 과학기자들 저 같은 기자들한테 제일 바쁜 계절인데요. 제가 강연 같은 데 가면 농담반 진담반으로 항상 이야기하는데 과학기사가 1년 중 유일하게 스포트라이트를 받는 시간이 10월이다. 이렇게 이야기를 합니다. 네 그래서 올해는 10월 7일 월요일부터 생리의학상을 시작으로 물리학상 화학상이 발표됐습니다. 이때가 되면은 기자들 6시 반에 유튜브 생중계 트위터 계정 틀어놓고 발표를 기다리는데요. 노벨상은 발표될 때마다 과학계 이슈를 가지고 오는 것 같습니다. 

화자 4
09:37
올해도 여러 가지 이야기가 있었는데, 오늘은 그래서 올해 노벨과학상을 수상한 3가지 업 목적을 알기 쉽게 소개해 드리면서 요 수상들을 둘러싼 이슈를 한 3가지 키워드로 정리해서 말씀드려 볼까 합니다. 

화자 2
09:50
네 좋습니다. 그럼 3가지 이슈 뭔가요 

화자 4
09:53
첫 번째가 AI입니다. 

화자 2
09:56
응 

화자 4
09:56
올해 인상적이었던 부분이 작년 재작년부터 AI 이야기가 많이 나왔는데 올해 AI 분야 연구가 노벨상도 휩쓸었습니다. 이번 노벨 물리학상과 화학상의 그런 연구라 볼 수 있겠는데 요거 수상과 관련해서 음 AI 연구가 노벨상을 받은 게 맞냐 합당하냐? 이런 반응도 나왔습니다. 그래서 우선은 물리학상과 화학상 수상 연구내용 알아보면서 AI란 키워드 살펴 보겠습니다. 

화자 2
10:21
에 두 번째 

화자 4
10:22
그게 뭐예요? 두 번째 이슈 RNA입니다. 올해 생물학상 또 작년에 이어서 RNA 쪽 연구가 봤는데 DNA 단백질 이런 표현은 많이 들어봤겠지만, RNA는 좀 생소하신 분들이 아직 있을 것 같아요. 예 RNA가 뭔지 그래서 생물학상 연구 무엇에서 받았는지 알아보겠습니다. 

화자 2
10:39
네 세 번째 

화자 4
10:40
마지막 1곡입니다. 

화자 2
10:43
국뽕이 좀 들어갔네요. 

화자 4
10:44
들어갈지 아닐지는 봐야 알 것 같은데, 10여 년 가까운 기간 동안 제가 노벨상 수상 뉴스랑 보면서 한국이 노벨상에 점점 가까이 다가간다 이런 느낌을 받았습니다. 그래서 노벨상에서 한국이 어떤 위치에 와 있는지 노벨 과학상에서 이런 부분에 관해서 얘기하면서 오늘 이야기 마무리를 지어볼까 합니다. 

화자 2
11:06
저는 세 번째부터 듣고 싶으나 순서에 맞춰서 첫번째 AI 앞서서 이제 AI가 인제 큰 이슈라고 말씀 주셨는데 그 과정에서 AI가 상을 받는 게 맞느냐 논란도 있었다고 해주셨어요. 그것부터 좀 얘기 좀 해주세요. 

화자 4
11:22
자 이슈가 되었던 게 8일 있었던 노벨 물리학상입니다. 캐나다 토론토대 컴퓨터 과학과 명예교수 제프리 힌턴 그 다음에 미국 프린스턴대 물리학과 명예교수 존 호필드 이 2분이 물리학상을 받았는데요. 물리학상 받은 그 이유는 AI 연구의 선구자로 머신러닝 기계 학습 그리고 인공 신경망을 가능하게 한 근본적인 발견과 발명을 한 공로가 있어 이상을 수여한다. 노벨상위원회가 이렇게 밝혔습니다. 

화자 2
11:50
네, 그러면 머신 런닝 인공 신경망 분명하게 어떤 부분에 기여했다가 있으니까 받을만한 거 아닌가요 

화자 4
11:57
받을 만한 것 같죠 우선은 연구에 대해서 간단히 소개를 드릴게요. 머신러닝 인공 신경망은 이제 이 개념은 많은 분들이 들어보거나 알고 계실 정도로 많이 퍼졌다고 생각을 합니다. 인공 신경망은 이제 컴퓨터로 인간의 기억과 학습 능력을 흉내 내는 구조다 이렇게 간단하게 설명할 수 있을 것 같아요. 원래는 뇌의 인간 뇌의 작동 방식을 파악하려고 혹은 반대로 복잡한 계산이 가능한 컴퓨터를 만들려고 뇌의 신경세포와 그 네트워크를 컴퓨터로 만든 겁니다. 그래서 인공신경망은 뇌에서 신경세포들이 서로 연결된 것처럼 노드라고 부르는 연결점을 여러 개 연결하는 식으로 만듭니다. 이때 이 연결들이 정보가 들어오는 거에 따라서 강해지거나 약해지면서 서로 영향을 미치고 정보를 처리하는 방식으로 이제 뇌랑 비슷하죠. 그러면은 이제 문제가 이 노드 연결이 이제 정보를 처리할 수 있는 최적의 상태를 찾는 건데요. 이게 사실 쉽지가 않았습니다. 요게 1950년대부터 시작됐다. 

화자 4
12:55
이렇게 이야기를 하는데 실패를 거듭했습니다. 그러다가 1980년대 와서야 호필드 교수가 이제 혁신적인 인공 신경망 모델인 호필드 네트워크를 제시합니다. 

화자 2
13:06
호필드 네트워크는 또 뭐예요? 

화자 4
13:08
이 인공 신경망 알고리즘 여러 가지가 있다고 말씀을 드렸잖아요. 그전에는 이제 계산 학습 과정 이런 게 한 방향으로만 진행이 됐어요. 근데 호필드 네트워크는 서로서로 양방향으로 피드백을 주고받을 수 있게 만든 겁니다. 정보에 대한 피드백을 지속적으로 반영하니까 좋아진 점이 불완전하거나 왜곡된 정보도 정답에 가깝게 추측할 수 있다는 겁니다. 그럼 자 불완전하거나 왜곡된 정보에서 정답을 찾아낸다 컴퓨터가 하는 일 중에 이런 경향을 보이는 거 뭐가 있을까요? 

화자 2
13:38
뭐가 있을까요? 

화자 4
13:40
사진 인식 패턴 인식입니다. 이제 저희가 뭐 제이 뭐 이런 사진을 찍었을 때 약간 주변이 흐릿하거나 사진 살짝 날라가도 아 얘가 강아지구나 피자구나 이런 걸 알죠 그런 유사한 패턴이 있다면 세부 정보가 살짝 다르거나 틀려도 호필드 네트워크는 패턴을 인식할 수 있다. 이겁니다. 그래서 연상기억 시스템을 만드는데 이게 크게 기여했다고 이야기를 하고요. 그다음 나오는 제프리 힌턴 교수는 사실 AI 연구 쪽에서 엄청 유명하신 분인데 이제 호필드 네트워크에서 좀 더 나아간 볼츠만 머신이라는 인공 신경망 알고리즘을 개발했습니다. 말이 좀 어렵죠 

화자 2
14:18
예 

화자 4
14:20
힌턴 교수는 이게 호필드 네트워크를 훨씬 복잡하게 노드 이어진 것들도 거미줄을 구성했다. 거미줄처럼 구성했다. 이렇게 생각하시면 되는데 요 부분이 중요합니다. 드러난 연결 노드 말고 숨겨진 노드가 펼쳐진 은닉층을 만들었습니다. 

화자 2
14:36
예 

화자 4
14:37
그게 이제 알고리즘의 효율을 높이고 네트워크가 최적 상태를 유지할 수 있도록 하는 데 기여를 했는데 이거 어디서 들어보실 수도 있을 것 같아요. 보이지 않는 레이어가 1 더 있다. 네 어디서 들어보지 않았어요. 예 이게 보이지 않는 층을 여러 개 쌓으면 이제 딥 러닝이 되는 겁니다. 요즘 보면 딥러닝 할 때 막 레이어를 몇 층으로 쌓는다 20층으로 쌓아서 엄청 발전이 됐다. 이런 이야기를 하잖아요. 

화자 2
15:02
그 

화자 4
15:02
그 은닉층이 이분의 연구에서 시작이 된 겁니다. 그래서 은닉층 여러 개 쌓을수록 AI 정확도가 높아지니까 요즘은 AI들이 다 레이어를 여러 개를 활용하는 추세입니다. 

화자 2
15:13
네 우리 기자님이야 과학 분야에서 설명 쉽게 하기로 정평이 나 계신 분인데 이해를 잘 못하는 건 제 탓이겠죠. 자 좀 설명을 드리면, 저희 경제학에서 주로 배웠던 방법론은 목적 함수라는 게 있어요. 그래서 어떤 변수들을 넣어서 그래서 경제현상이 어떻게 되는지 그 변수들도 우리가 지정하고 그런 변수가 들어왔을 때 어떻게 결과가 나올지도 우리가 그걸 함수를 만들어주는데 지금 말씀 주신 전반적인 내용은 사람이 다 일일이 정하는 게 아니라 보이지 않는 레이어도 있다. 라는 건 그건 내가 지칭 지정하고 한 게 아니라 알아서 뭐 움직이는 것 같고, 유추 추론 그다음에 가중에 대해서도 신경망이라는 인간의 뇌 구조와 비슷하게 만든 거래서 인간이 이게 직접 뭔가 컨트롤하는 영역이 아닌 부분도 많은 것 같은데, 제가 제대로 이해한 거 맞나요? 

화자 4
16:06
핵심을 짚어주셨습니다. 그러니까 아까 전에 다시 돌아가면 50~80년대 때는 계속 실패하고 좀 힘들었다고 인공신경망이 그랬잖아요. 네 그때는 이제 말씀하신 것처럼 연구자들이 직접 다 떠먹여주는 논리로 너 에이 나오면 비해 에이 안 나오면 씨가 이걸 다 만들어주는 식으로 인공 신경망을 만들려고 했어요. 근데 그걸 모두 모든 그걸 하기가 힘들잖아요. 그래서 계속 좀 뭐냐 장애물에 부닥쳤다고 볼 수 있는데, 80년대 들어와서 여기서 이야기하는 머신 같은 경우에는 아 우리는 신경 안 쓰겠다. 니가 직접 알아서 배우고 니가 직접 알아서 패턴을 만들어라 요즘 나오는 AI들이 다 그렇죠. 그래서 예전에 AI 나왔을 때 이야기를 들어보면 아마 이런 이야기 들어보셨을 것 같아요. 사람이 이게 제대로 돌아가는지 아닌지 잘 모른다 

화자 2
16:58
그러니깐요. 

화자 4
16:59
무슨 메커니즘인지는 모르겠는데 알아서 잘 보이지 않는 은닉층 레이어에서 자기들이 알아서 어쨌든 결과만 나온다 그럼 우린 결과 쓰면 되는 거 아니냐 요런 이야기 들어보셨을 것 같은데, 그 이야기를 한다고 생각하시면 되겠습니다. 

화자 2
17:12
이해했습니다. 

화자 4
17:13
그러다 보니까 요건 약간 다른 이야기인데 지금 아까 이야기했던 제프리 힐턴 교수 같은 경우에는 사실 이번에 노벨상 받고 기자회견에서 그런 말을 했다고 해요. AI를 우리가 좀 더 두렵게 생각해야 된다. 이거 위협에 대처해야 된다. 왜냐면, 방금 교수님께서 말씀하신 것처럼 얘네가 어떤 식으로 돌아가는지 모르 모르고 어떻게 이게 알고리즘이 돌아가는지를 잘 모르니까 어느 순간 인간이 생각하지 못한 방식의 결과를 내릴 수 있기 때문에 그 위험에 대처해야 된다. 요런 이야기를 또 해주시게 돼요. 

화자 2
17:44
그렇군요. 하여튼 그렇긴 하지만 우리가 100% AI가 왜 이런 결과를 도출했는지 모르는 부분도 있지만 이 AI를 우리가 처음 만든 우리 인간은 AI가 뭔가 패턴을 잘 인식하더라 이게 출발이 되었던 거네요. 그래서 대표적인 패턴에 가까운 바둑 잘 두는 것부터 시작을 했다. 이렇게 봐도 되나요? 

화자 4
18:05
바둑은 사실 2016년에 알파고가 나왔으니까 요렇게 그러면 제가 결과만 가지고 설명을 해보도록 하겠습니다. 볼츠만 머신이라고 아까 말씀드렸었죠. 지금 나오는 생성형 AI 생성형 모형의 기반이 되는 아주 고전적인 모형입니다. 그러니까 요즘 쓰이는 생성형 AI들 CHATGPT 같은 것들의 원형 중에 원형이란 겁니다. 그러니까 지금 말씀드렸던 물리학 연구를 사실 기본적인 연구를 이해하기는 힘들 수도 있습니다. 저도 사실 어렵고요. 하지만 그 결과를 모르는 사람은 요즘 사람 중에는 없다고 생각을 합니다. 일하는 데 지금 도움을 주는 수많은 AI들 사진이랑 영상 만들어주는 AI들 바둑 이기고 체스 이기는 아까 말씀해주셨던 알파고 같은 AI의 근본 연구들 모두 이 2분의 연구에서 시작됐습니다. 그것도 초기 30년 동안 어려운 상황에 처해 있던 인공 신경망 분야에서 획기적인 돌파구를 마련하면서 말이죠. 

화자 2
19:01
그러면 이것도 또 의구심이 듭니다. 지금 자꾸 말씀해주신 단어가 인공 신경망 인간의 뇌 구조를 따라 했다. 이렇게 말씀 주셨다면 이건 의학의 도움을 받았을 것 같은데, 계속 물리랑 얘기를 해주셨어요. 

화자 4
19:14
자 물리 요 부분이 많이 이슈가 된 부분이라서 또 이야기를 해보겠습니다. 지금 왜 이 두 연구가 생물학상이 아니고 왜 물리학상을 받았나 이런 질문이신 거잖아요. 왜냐하면, 인공 신경망을 동작시키는 알고리즘에 쓰인 핵심 개념이 물리라는 겁니다. 노벨상 위원회는 이렇게 이야기를 하고 물리학상을 줬는데 어려운 내용이니까. 간단하게만 언급해 보겠습니다. 아까 호필드 네트워크 이야기를 처음 드렸죠 요거의 작동 방식이 이제 물리학에서 이제 원자나 전자처럼 되게 작은 입자들이 가지는 물리량 스핀이라는 물리량이 있습니다. 네 이 상태에 착안해서 만들어졌다는 거예요. 예 이제 물리학에서도 이제 원자들이 최적 여러 개의 원자들이 최적 상태를 유지하는 조건을 찾는 문제가 있어요. 이거를 스핀글라스 문제라고 하는데 요 스핀글라스 문제 찾는 그 알고리즘이나 상태 이거를 인공 신경망 알고리즘에 이제 적용을 할 수 있다는 겁니다. 

화자 4
20:10
그렇게 해서 만들어진 게 호필드 네트워크고 힌턴 교수 볼츠만 머신 같은 경우에는 볼츠만이라는 이름 자체가 통계 물리학자인 루트비히 볼츠만에서 따왔거든요. 볼츠만 이제 19세기 사람인데 기체 분자의 운동을 설명하기 위해서 확률분포를 도입해서 해결을 했습니다. 어렵죠 자 풍선에 공기 풍선의 공기 분자가 담겨있는데, 얘네의 뭐 운동을 어떻게 설명하냐? 공기 분자가 너무 많으니까 하나하나를 다 계산할 수는 없죠 

화자 2
20:43
그렇죠. 

화자 4
20:44
그러니까 빠른 분자가 몇 개 있고 적당한 속도의 분자가 몇 개 있고 느린 분자가 몇 개 있다. 이런 식으로 확률분포를 도입한 겁니다. 그래서 이런 확률분포 통계적 개념을 볼츠만 머신의 핵심 원례로 활용했다. 그래서 볼츠만 이름을 따왔다 요렇게 이야기를 합니다. 그러니까 어쨌든 지금 스핀 볼츠만의 확률 분포 요런 개념들을 물리학 개념을 가지고 와서 만들었기 때문에 물리학상을 줬다 요게 노벨상 위원회의 설명입니다. 자 그럴듯하게 들리십니까 

화자 2
21:19
이게 또 다시 한번 말씀드리지만 쉽게 말해서 복잡다기한 물리적인 현상이 있는데, 이거는 아주 명쾌하게 하나하나를 다 공식화해서 그 패턴을 설명하거나 움직임을 설명할 수 없으니 큰 통계적 또는 확률론적으로 이런 것들은 이런 패턴과 움직임을 보일 것 같습니다라고 추정하는 방법론을 개발한 분들이 물리학계에 계셨네요. 바로 그분들의 그 근원적인 이론이 지금 굉장히 뭐라 그럴까요? 변수가 많은 어떤 상황을 전부 다 인공 지능이 분류하고 집계해서 결과를 찾아내는 그런 거의 원리로 작용했다. 요렇게 보면 될까요? 

화자 4
22:00
비슷할 것 같습니다. 

화자 2
22:03
아이고 야 지금 

화자 4
22:05
신경망이라든가 이게 어려운데 물리학에서의 어떤 원리를 개념을 활용해서 가지고 왔다 그래서 요거 인공 신경망 연구를 대폭 업그레이드 할 수 있었다. 그리고 두 분이 또 물리학과에 계시거나 이러기도 했습니다. 배경이 물리학 쪽이기 

화자 2
22:21
때문에 

화자 4
22:21
만약 같은 연구를 했는데 배경이 생명 생물학과였다. 이러면 또 어디로 상해 갔을지 잘 모르겠는데요. 

화자 2
22:28
그럼요 

화자 4
22:28
그런데 진짜 제 개인적인 견해를 말씀드리면은 이게 오랫동안 노벨상의 문제였다. 문제점으로 지적됐던 것이 이번에 또 1번 드러난 거 아닌가 하는 생각을 합니다. 뭔가요 교수님 혹시 첫 번째 노벨상이 몇 년도에 시상 됐는지 혹시 아시나요? 

화자 2
22:45
뭐 그래도 한 1900년대 초반 아닐까요? 딱 

화자 4
22:49
1901년에 주어졌습니다. 그때 물리학상 맞지 수상자가 엑스선 발견한 렌트겐이었거든요. 렌트겐이라고 하면 진짜 오래된 것 같지 않나 

화자 2
22:58
그렇죠. 

화자 4
22:59
그러니까 지금 120년이 넘게 지났는데 아직 노벨 과학상 분야는 그때 만들어진 물리학상 생리의학상 화학상 그대론 거예요. 

화자 2
23:07
카테고리 분류가 예전 거네요. 

화자 4
23:09
120년이 넘게 지났는데 새로운 과학 분야가 엄청나게 생겼을 텐데 아직 AI 연구에 수여되면 딱 맞을 것 같은 노벨 컴퓨터과학상이라든지. 이런 게 없는 겁니다. 

화자 2
23:20
그렇군요. 

화자 4
23:21
당연히 1901년에 컴퓨터가 없었을 테니깐요. 그래서 생기는 문제 아닐까 합니다. 20세기 초에 이런 일도 있었거든요. 영국의 어니스트 러더퍼드라는 물리학자가 있었는데, 이 사람은 이제 물리학이 여러 과학 분야 중에 최고다 약간 이런 뽕이 있었나 봐요. 그래서 이런 말을 했습니다. 물리학 외의 과학은 우표 수집에 불과하다 왜냐면, 뭐 생물학도 다 어떤 종을 다 수집하고 기록하고 화학도 원소 기록하고 그런 거 아니냐 이런 뜻인 것 같은데, 이 사람이 나중에 노벨상을 받습니다. 무슨 상을 받았는지 아세요. 

화자 2
23:52
본인이 노벨 물리학상을 받았으니까 이렇게 자부심 있는 거 아닐까요? 

화자 4
23:56
화학상을 화학상을 받았어요. 상을 받았어. 왜 원소의 방사능 붕괴를 통해서 1908년에 노벨 화학상을 받았다고 이야기하는데 웃기죠 물리학이 최고라 그렇게 이야기했는데 자기는 화학상을 받았으니까 사실 20세기 초부터 물리학과 화학의 경계가 흔들리는 경우가 많았다는 겁니다. 이제 핵분열 같은 연구 분야도 이제 물리학과 화학의 경계에 있기 때문에 물리학상 같아 보이는데 화학상이 주기도 하고 화학상 마땅히 받아야 될 사람인데 못 주기도 하고 막 이런 경우가 많았습니다. 그래서 저같이 속이 좀 빙빙 꼬인 사람들은 이제 아 AI한테 상을 주긴 줘야 될 것 같은데, 너무 잘하니까 딱 맞는 분야가 없네 어떡하지 고민하다가 물리학상 준 거 아닌가 차라리 노벨 컴퓨터 과학상을 만들면 어떨까 요런 생각이 듭니다. 

화자 2
24:43
네 

화자 4
24:44
여튼 AI 연구는 지금 과학계에도 되게 큰 영향을 미치고 있기 때문에 중요한 건 맞는 것 같아요. 지금 다른 과학 분야의 방법론으로 많이 쓰이거든요. 방법론 연구를 노벨상이 많이 주는 편인데 이제 뭐 셀은 유럽 원자핵 공동연구소에서 HICS 입자 발견할 때도 그다음에 2015년 16년이었나 중력파 발견했을 때도 이제 AI가 사용됐고요. 그래서 그런 점도 노벨 물리학상에 AI가 받은 이유 이걸로 감안해 볼 만할 것 같습니다. 근데 이번에 물리학상 말고도 노벨상 받은 AI 연구가 또 있죠. 

화자 2
25:18
무슨 상황인가요? 어 저 몰랐어요. 화학인가요? 화학상입니다. 

화자 4
25:24
물리학상이 AI의 기반이 되는 연구에 주어졌다면 화학상은 AI가 실제로 활용된 연구에 주어졌다고 볼 수 있을 것 같아요. 바로 단백질 구조 분야인데요. 올해 화학상은 절반은 새로운 단백질을 설계하고 만드는 연구를 한 데이비드 페이커 미국 워싱턴 때 교수가 받았습니다. 나머지 반은 2명이 나눠 가졌거든요. 4분의 1씩 나눠 가진 건데 바로 단백질 구조 예측 프로그램 알파폴드를 만든 구글 딥마인드의 데미스 허사비스 최고경영자와 존 점퍼 수석연구원입니다. 

화자 2
25:56
이 구글 딥마인드 이 바둑 잘 뒀던 그 알파고 만든 그곳이잖아요. 혹시 알파고 만든 곳이니깐 그 바둑 말고 이게 여기에도 활용된 건가 

화자 4
26:06
맞나요? 그렇게 생각하실 수 있습니다. 다들 여기는 많이 들어보셨을 것 같은데, 구글 딥마인드 2010년에 데미스 서사비스가 만든 영국 AI 연구 기업이고 난 구글의 알파벳 거기 넘어갔죠 예 2016년에 이제 AI 알파고 발표해서 이세돌 구단이랑 대결 벌였을 때 엄청 유명해졌죠 그렇죠. 그 이후로도 계속 게임 AI 많이 만들었거든요. 스타크래프트도 비롯해서 막 여러 가지 게임에 AI 기술 적용했는데 그때만 해도 AI 그래서 뭘 쓰냐 게임만 하냐? 이렇게 의문 가지셨던 분들이 많았던 걸로 기억해요. 그런데 말씀 주신 것처럼 AI 이후로 아니 게임 이후로 발표한 프로그램 중에 가장 관심을 받았던 게 요 단백질 구조 예측을 하는 알파폴드였습니다. 네 

화자 2
26:52
제가 이것도 좀 잘 몰라서요 단백질 구조를 예측하는 게 이렇게 중요한 겁니까? 노벨상을 줄 만큼요 

화자 4
26:59
그렇습니다. 저는 그렇다고 생각합니다. 우선 단백질은 우리 몸을 구성하는 가장 중요한 물질 중 하나입니다. 근육처럼 이제 생명의 구성 성분이 있고 이제 세포 안에서 일어나는 화학 반응을 조절하는 효소를 만드는 등 몸의 대부분을 구성하고 일도 담당하는 그런 물질이에요. 네 근데 몸엔 엄청나게 많은 단백질이 있거든요. 이 단백질의 화학구조를 알아야지 단백질이 하는 일을 파악할 수 있습니다. 구조를 파악하면 아 얘 기능이 뭐다 얘가 병에 원인이다. 혹은 얘를 약으로 쓸 수 있다. 요런 추측을 할 수 있거든요. 네, 

화자 2
27:35
그러면 고도화된 인공지능 기술이 있어야 될 정도로 단백질 구조를 예측하거나 우리가 알아내는 게 어렵다는 얘기인가요? 

화자 4
27:43
그렇죠. 단백질에 대해 구조에 대해서 잠 간단하게 설명드릴게요. 단백질은 20가지 아미노산 분자가 차례로 연결돼서 만들어집니다. 뭐 아미노산 뭐 20개가 이제 단백질을 이루는 블록 레고블록이라 보시면 될 것 같아요. 이제 뭐 글리신 알린 알라닌 발린 이소류신 많거든요. 저 생명과학과 나왔는데 학부 때 생화학 수업 들으라고 하면 이거 다 외우라고 아직도 덜 외웠습니다. 여튼 요 20가지 아미노산들마다 화학적 성질이 다릅니다. 어떤 거는 부피 덩치가 크고 어떤 건 작고 어떤 건 전하가 있고 없고 이렇습니다. 그래서 아미노산 분자를 주욱 연결해 주잖아요. 그럼 얘네 중에서 전하가 가진 것들끼리 뭐 모이고 없는 것들끼리 뭉치고 이게 서로 자연스럽게 꼬이고 접히면서 단백질 덩어리가 만들어지는 거예요. 근데 이 순서로 만들어진 아미노산 사슬이 이제 어떻게 접힐 지를 모릅니다. 

화자 4
28:41
왜냐하면, 경우의 수가 너무 많거든요. 아미노산 순서 자체는 이제 DNA에 적혀 있거든요. 그래서 어떤 순서로 나올지는 알 수 있어요. 이게 어떻게 3차원으로 접힐지는 모릅니다. 너무 경우의 수가 많기 때문에 그래서 지금까지는 실제 있는 단백질을 관찰하는 방법을 많이 썼어요. 이제 단백질을 추출해서 결정으로 만들고 엑스선 비춰보거나 얼려서 깎아내거나 이렇게 했는데 엄청 오래 걸리고 힘든 작업입니다. 여기서 AI가 등장한 겁니다. 

화자 2
29:11
알겠습니다. 그렇다면 알파폴드가 이 단백질 구조를 분석하고 예측하는 거 이게 어떤 의미를 가지고 있는지는 잠시 후 2부에서 더 자세한 이야기 나눠보겠습니다. 

화자 4
30:06
박정호의 손에 잡히는 경제 플러스 

화자 2
30:09
오늘은 과학동화 이창욱 기자와 함께 노벨과학상 리뷰를 함께하고 있습니다. 저도 고해성사 하나 하면요 저희가 대학원 시절에 아르바이트로 우리 이창욱 기자님이 재직하고 계신 과학동아회 경쟁사라고 해야되나 사이언스 타임즈라고 있어요. 거기에 객원기자를 한 적이 있습니다. 그때 HICS 입자에 대해서 우리나라 물리학자분들께 인터뷰를 하러 간 적이 있었는데, 그때도 제가 느꼈지만 물리학은 진짜 천재들의 학문이다. 확실히 느꼈어요. 그래서 학교에서도 물리학 백그라운드를 가진 교수님 지나가면 슬쩍 만져보고 그러는데 그래서 물리는 어렵겠지 했는데 말씀 듣다 보니까 화학도 만만치가 않네요. 마저 설명 좀 들어보겠습니다. 알파폴드 그래서 이 알파폴드는 이런 복잡한 구조를 가진 단백질구조 어떻게 예측한 거예요. 

화자 4
30:59
자 어떻게 예측했을까? 피에 들어있는 산소 운반 단백질인 헤모글로빈을 예로 들어보겠습니다. 이제 같은 헤모글로빈이라고 할지라도 사람한테 들어있는 헤모글로빈 닭이나 곰 1대 들어있는 헤모글로빈은 조금씩 아미노산 서열의 차이가 나거든요. 이제 진화를 하면서 돌연변이를 겪었을 테니깐요. 근데 헤모글로빈 단백질의 본분이 뭡니까? 바로 산소를 전달하는 거잖아요. 그러니까 그 일을 하는 핵심적인 아미노산 서열은 비슷한 거예요. 자 그러면 알파폴드는 이제 여러 동물의 같은 단백질 서열을 비교합니다. 사람 닭 곰 헤모글로빈 비교하다 보면 계속 비슷하게 남아있는 산소 운반하는 부분이 있겠죠. 그 부분을 토대로 해서 딱 고정시켜 놓고 넣고 아미노산 사슬을 접어보면은 이제 접히는 겁니다. 그러면 다른 처음 보는 단백질이라도 비슷한 서열이 남아있구나 그럼 그걸 토대로 헤모글로빈과 비슷하게 접어보거나 하면은 구조를 쉽게 예측할 수 있다. 이렇게 이야기를 합니다. 

화자 2
31:59
예 그럴듯하네요. 다른 어떤 유사한 사례들을 넣어주고 그걸로 어떻게 보면 구조가 될 수 있는 법 한 것들을 스스로 해보도록 하는 그런 방법을 했다라는 의미로 들리는데 성능은 좋았나요? 

화자 4
32:12
진짜 충격이었습니다. 단백질 구조연구자 이것도 재미있는데, 구조 연구자들이 2년마다 올림픽을 합니다. 네 이제 CESP라고 단백질 구조 예측 대회를 하거든요. 

화자 2
32:23
있어요. 

화자 4
32:23
예 2016년까지만 해도 우승권 팀들의 예측 수준이 한 100점 만점에 40점 정도였습니다. 근데 2018년에 알파폴드가 첫 출전을 해서 60점을 기록하면서 우승을 한 거예요. 한 20점이 확 늘어났죠. 그리고 2020년 개최된 CESP 14에서 알파 폴드 투가 나와서 평균 92.4점으로 1위를 차지합니다. 제가 처음 알파폴드 취재했던 게 이때였는데 이 알파고 알파골의 알파폴드 쇼크라고 할 정도로 단백질 연구자 쪽에선 큰 이슈였습니다. 올해 5월에는 알파폴드 쓰리가 나왔고 노벨상 위원회는 지금 알파폴드가 항생제 내성 연구나 플라스틱 분해 효소 개발 등 다양한 단백질 쪽 연구에 쓰이고 있다. 이렇게 밝혔습니다. 

화자 2
33:06
아 그렇군요. 진짜 AI를 이제 어떻게 활용하느냐가 단기간에 과학적으로 놀라운 성과를 낼 수 있는지 없는지 하는 경지까지 왔다 라는 생각이 막 드는데 근데 노벨물리학상 노벨화학상 다 AI가 휩쓸었는데 노벨과학상 중에는 상이 1 더 있잖아요. 

화자 4
33:26
그렇죠. 생리학상 있죠. 예 

화자 2
33:28
거기는 어떻습니까? 

화자 4
33:30
자 이게 사실 가장 첫날 발표된 건데 제 생각에 방송 들으시는 분들께서 이제 물리학 화학상으로 머리 복잡하실 것 같은데, 생리의학상 내용까지 들어가면 진짜 힘드실 것 같거든요. 간단하게 가보겠습니다. 네 생리의학상 수상 연구 주제 RNA입니다. 작년에도 코로나19 MRNA 백신으로 이제 RNA 쪽이 노벨상을 받았는데 2년 연속으로 RNA 연고받았구나 저 이렇게 생각을 했습니다. 요 RNA가 두 번째 키워드입니다. 

화자 2
34:00
MRNA 뭐 메신저 RNA라고 해서 예전에 코로나 때 슬쩍 들은 기억이 있는데, 다시 한번 개념 좀 설명해 주세요. 

화자 4
34:07
알겠습니다. 자 아까 화학상 설명할 때 온몸의 구성 성분이 뭐였다고 제가 말씀드렸었죠. 단백질입니다. 단백질이죠. 그럼 요것도 말씀드렸나 싶은데 단백질을 만들어라 하는 정보 그 설계도를 가지고 있는 물질은 뭘까? 

화자 2
34:20
아 이 정도는 압니다. DNA 

화자 4
34:22
그렇죠. DNA죠 자 그러면은 DNA의 정보를 베껴서 단백질을 만들 텐데 예 DNA 정보를 바로 베껴서 단백질을 만드는 건 아닙니다. 도서관을 갔는데 저희가 도서관에 책을 열람할 수 있는데, 너무 귀중한 책이라서 대출은 안 됩니다. 이러는 거예요. 그러면 어떻게 하시죠. 

화자 2
34:40
복사라도 해야 될 거 아니에요. 그쵸. 

화자 4
34:41
복사를 

반응형

'투자공부' 카테고리의 다른 글

[손경제] 세수 부족에 기금 투입｜구글•애플 절세 논란｜日 총선 이변,다시 슈퍼 엔저?｜20241029(화)  (5)	2024.10.30
[손경제] 한은 기준금리 인하의 영향은?｜중국 대규모 국채 발행 예고｜20241014(월)  (14)	2024.10.16
[손경제] 포기 당 만원 ‘금배추’ 논란｜사우디 증산 결정｜39년만의 한일 7광구 회의｜20240930(월)  (7)	2024.10.01
[손경제+]몰락하는 반도체 왕국, 인텔은 다시 일어날 수 있을까 - 추동훈 매일경제 기자  (9)	2024.09.21
[손경제] 반도체 겨울론｜인텔, 파운드리 분사｜고액반전세 대출보증 막는다｜20240920(금)  (18)	2024.09.21

'투자공부' Related Articles

• [손경제] 세수 부족에 기금 투입｜구글•애플 절세 논란｜日 총선 이변,다시 슈퍼 엔저?｜20241029(화) 2024.10.30
• [손경제] 한은 기준금리 인하의 영향은?｜중국 대규모 국채 발행 예고｜20241014(월) 2024.10.16
• [손경제] 포기 당 만원 ‘금배추’ 논란｜사우디 증산 결정｜39년만의 한일 7광구 회의｜20240930(월) 2024.10.01
• [손경제+]몰락하는 반도체 왕국, 인텔은 다시 일어날 수 있을까 - 추동훈 매일경제 기자 2024.09.21

more