Mark Zuckerberg의 찬 저커버그 바이오허브(Chan Zuckerberg Biohub)가 세포가 어떻게 반응하고 행동하는지 예측할 수 있는 방대한 생물학 데이터를 AI로 생성하려는 야심찬 노력의 일환으로 Google 및 미국 연방정부와 파트너십을 체결했습니다.

 

​주목할 이유 (Why it matters): 궁극적인 목표는 과학자들이 잠재적 실험을 가상(In silico)으로 사전 테스트하여, 실험실(Wet lab)에서 막대한 시간과 비용을 쏟아붓기 전에 가장 유망한 실험 경로를 미리 선별할 수 있도록 지원하는 AI 모델을 구축하는 것입니다.

 

• ​인공지능은 이미 단백질 구조와 기타 생물학적 요소들을 이해하는 역량을 갖추었으나, 살아있는 세포 전체(Entire living cell)를 모델링하는 것은 그보다 몇 자릿수나 더 복잡한 과제(Orders of magnitude more complex)이며, 연구진은 아직 이를 구현할 충분하고 정확한 데이터를 확보하지 못했습니다.

 

​주요 뉴스 (Driving the news): Biohub, 미 에너지부(DOE), 미 국립보건원(NIH), Google DeepMind, Isomorphic Labs, Meta 및 유수의 과학 연구기관들이 Biohub가 명명한 '만능 가상 세포(Universal virtual cell)' 구축을 위한 데이터를 공동 생산하고 표준화하는 데 협력하기로 했습니다.

 

​종합적 상황 (The big picture): 이번 협력의 목표는 생물학의 수많은 과학적 질문을 가상 환경에서 탐색하는 데 AI를 활용함으로써, 과학자들의 고비용 실험실 연구 자원을 핵심적인 발견을 도출할 가능성이 가장 높은 실험에만 집중 투입할 수 있도록 예비(Reserve)하는 것입니다.

 

• ​Biohub의 과학 총괄인 Alex Rives는 Axios에 "실제 실험실에서 던지는 모든 단일 질문에 점점 더 많은 추론 능력과 지능을 미리 부여할 수 있다면, 도출되는 실증적 실험 결과의 가치는 비교할 수 없을 만큼 거대해질 것"이라고 말했습니다.
  
  

• ​최근 AI 발전의 상당 부분은 더 뛰어난 알고리즘, 더 강력한 연산 능력(컴퓨팅), 그리고 막대한 규모의 데이터의 결합에서 비롯되었습니다.
  
  

• ​생물학은 여기에 추가적인 난제를 던집니다. AI가 필요로 하는 데이터의 상당수가 현재 세상에 존재하지 않으며, 물리적 현실 세계에서 일일이 정밀하게 측정(Painstakingly measured)해 내야 한다는 점입니다.
  
  

• ​Rives 총괄은 "우리는 AI와 함께하는 새로운 과학적 패러다임의 출발선에 서 있다"고 강조했습니다.

 

​하지만 (Yes, but): 생물학은 다른 AI 영역보다 훨씬 난도가 높습니다. 연구진에게는 Rives 총괄이 언급한 '실증적 AI(Empirical AI)'—즉 실제 생물학적 증거로부터 학습하여 물리적 현실 세계에서 일어나는 반응을 정확히 예측할 수 있는 모델—가 필수적이기 때문입니다.

 

• ​Rives 총괄은 "생물학 분야의 거대한 과제는 컴퓨팅 및 디지털 세계와 생명체라는 실제 물리적 현실 세계 사이의 간극을 메우는 것"이라며 "그 유일한 방법은 바로 데이터"라고 설명했습니다.

• 
  ​이러한 가상 모델은 향후 과학자들이 노화와 신체 재생의 작동 원리와 같은 근본적인 질문을 규명하거나, 알츠하이머병을 유발하는 분자생물학적 메커니즘을 밝혀내는 의학적 난제를 해결하는 데 기여할 수 있습니다.
  
  

​작동 방식 (How it works): 1단계 작업에서는 세포의 광범위한 생물학적 지도를 제작하여, 세포의 다양한 정보와 환경 변화에 따른 세포 반응 데이터를 집대성할 예정입니다.

 

• ​더 나아가 Rives 총괄은 개별 환자의 질병 상태를 정밀 분석하여 그 분자 수준의 근본 원인을 예측하고 최적의 치료 개입 경로를 제시하는 모델을 구상하고 있습니다.

 

​흥미로운 점 (The intrigue): 이번 프로젝트에 참여하는 상업적 파트너 기업들은 공동 개발한 데이터를 대중에 공개하기 전 1년간 독점적으로 접근할 수 있는 권한(Exclusive access)을 갖게 됩니다.

 

• ​Rives 총괄은 이 1년간의 엠바고(일시적 독점) 혜택이 기업들이 거액의 자금을 출자할 경제적 유인을 제공하는 동시에, 최종 데이터가 궁극적으로는 공공 과학 자산으로 개방되도록 보장하기 위한 절충점이라고 설명했습니다.

• ​Rives는 "상업적 플레이어들이 여기에 참여하도록 만들 유인책이 필요하며, 엠바고 기간이 그 역할을 한다"면서도 "하지만 이는 1년에 불과하므로, 데이터는 곧 광범위한 과학계 전체로 매우 신속하게 확산될 것"이라고 말했습니다.

 

​집중 분석 (Zoom in): 이번 대규모 프로젝트에는 총 18억 달러 규모의 연구 펀딩, 데이터 자산, 컴퓨팅 자원 및 측정 기술이 투입됩니다.

 

• ​미 에너지부(DOE)는 생물학적 측정, 모델링 및 고성능 컴퓨팅 구축을 위해 향후 5년간 5억 달러 이상을 투자할 계획입니다.

• ​미 국립보건원(NIH)은 과거 5억 달러 이상의 연방 정부 투자를 통해 축적된 방대한 임상 데이터세트와 연구 자원을 제공합니다.

• 
  ​Google DeepMind, Isomorphic Labs, Meta는 공동으로 3억 달러를 추가 투자합니다.
  
  

• 
  ​Biohub는 이미 이 프로젝트를 위해 5억 달러의 자체 자금을 출자하기로 약정한 바 있습니다.
  
  

​과거 배경 (Flashback): Biohub가 지난 4월 5억 달러 규모의 1차 투자 계획을 처음 발표했을 당시, Rives 총괄은 세포 생물학에서도 AI의 여타 분야에서 입증된 '스케일링 법칙(Scaling laws)'이 동일하게 작동할 것인지—즉 더 방대한 양의 데이터를 학습시킬수록 모델의 예측 능력이 비례하여 정밀해질 것인지—가 가장 풀리지 않은 거대한 미지수라고 Axios에 언급한 바 있습니다.

 

​향후 주시할 변수 (What we're watching): Rives 총괄은 이 18억 달러 규모의 베팅이 성공할지 여부를 확인하기까지 연구자들이 그리 오랜 시간을 기다릴 필요는 없을 것이라고 보고 있습니다.

 

• ​그는 첫 대규모 데이터세트가 구축된 후 1년 이내에 연구진이 모델을 직접 훈련시키고 성능을 측정하며, 어떠한 종류의 생물학적 데이터를 추가 투입해야 성능이 비약적으로 향상되는지를 명확히 규명할 수 있을 것이라고 밝혔습니다.
  
  

• ​Rives 총괄은 단백질 생물학 분야에서 AI가 거둔 눈부신 진전을 지목하며 "스케일링 법칙은 지금까지 모든 분야에서 작동해 왔으며, 생물학에서도 반드시 작동할 것"이라고 강조했습니다.