지난 10월, 데미스 허사비스와 존 점퍼가 알파폴드 2로 노벨 화학상을 수상했다. 이 AI 시스템은 구조 생물학을 50년 동안 괴롭혀 온 단백질 접힘 문제를 해결했다. 원자 수준의 정확도로 구조를 예측하며, 기존 방법으로는 몇 달이 걸리던 작업을 몇 시간 만에 완료한다.
영향력의 규모
알파폴드 단백질 구조 데이터베이스에는 현재 2억 4천만 개 이상의 예측 구조가 등록되어 있으며, 인체가 생성하는 모든 단백질을 포함한다. 190개국 이상의 300만 명 이상의 연구자가 사용했으며, 이 중 3분의 1은 저소득 및 중간 소득 국가 출신이다. 약 20만 편의 논문에 기여했다.
후속 버전도 계속 개발되고 있다:
- 알파폴드 멀티머: 다중 단백질 복합체 구조 예측
- 알파폴드 3: DNA, RNA, 리간드 등 모든 생명 분자로 확장
- "알파폴드 4"(비공식 명칭): 스핀오프 기업 아이소모픽 랩스가 신약 개발을 위해 개발 중
딥마인드의 딜레마
네이처(Nature)지의 장문 기사는 날카로운 질문을 던졌다: 노벨상을 수상한 딥마인드가 동일한 규모의 돌파구를 다시 만들어낼 수 있을까?
문제의 핵심은 딥마인드에 인재나 기술이 부족한지 여부가 아니라, 대환경이 변했다는 점이다. LLM 열풍이 거의 모든 AI 자금과 관심을 빨아들이고 있다. 딥마인드의 원래 사명은 "AI로 과학적 발견을 촉진하는 것"이지만, 회사의 자원과 인재가 LLM 열풍의 영향을 완전히 피하기는 어렵다.
허사비스 본인은 낙관적이다. AI 기반 과학 연구는 10~15년의 재편 기간을 거쳐 '르네상스'를 맞이할 것이라고 본다.
왜 이것이 AI 업계를 넘어 중요한가
알파폴드의 의미는 "AI가 대단하다"는 차원을 넘어선다. 주류 학계에 AI가 전통적인 방법으로는 해결할 수 없는 기초 과학 문제를 해결할 수 있음을 처음으로 증명했다. 이 선례의 가치는 어떤 벤치마크 점수보다 훨씬 크다.
AI가 단백질 접힘에서 이 정도 성과를 냈다면, 재료 과학, 신약 설계, 기후 모델링 등 다른 분야에서도 비슷한 규모의 돌파구가 가능할 수 있다. 문제는 단 하나: 수익화가 쉽지 않은 이러한 방향에 누가 자금을 투자할 것인가?
출처: CocoLoop, 네이처 보도