이미지 확대보기
6일(현지시간) CNBC에 따르면 2016년 3월 알파고가 이세돌 9단을 4승1패로 꺾으며 놀라움과 충격을 준 이후 딥마인드는 이렇다할 성과로 큰 주목을 받지 못했으나 현재 의료, 에너지 등 분야 등에서 활발히 인공지능 기술을 개발해 나아가고 있다.
딥마인드 연구팀은 세계적 수준으로 구조 생물학, 물리학 및 기계 학습 분야 등 많은 분야의 전문가들과 함께 유전자 서열에만 기반해 단백질의 3차원 구조를 예측하는 최첨단 기법을 적용하기 위해 학제간 접근 방식으로 연구하고 있다. 단백질의 구조를 이해하는 것은 인간의 질병을 더 쉽게 이해하고 미래에 새로운 치료법을 개발할 수 있기 때문에 중요하다.
3차원(3D) 단백질 아미노산 결합구조 예측 알고리즘 '알파폴드(AlphaFold)'는 2단계에 걸쳐 작동하는 데 먼저 특정 단백질의 아미노산 시퀀스를 기존 아미노산 시퀀스 데이터베이스에 있는 다른 유사한 시퀀스와 비교해 단백질 사슬에서 서로 이웃하지 않지만 나란히 나타나는 것처럼 보이는 아미노산 쌍을 찾아낸다. 쌍으로 이뤄진 이들 아미노산은 3차원으로 접히는 단백질 구조에서 서로 인접한다. 딥마인드는 이 아미노산 쌍을 찾아내는 작업을 AI를 구현하는 기본 메커니즘인 신경망(Neural Network)에 학습시킨다. 그런 뒤 쌍으로 인접한 아미노산 사이의 거리를 예측한다.
딥마인드는 또 단백질이 3차원 구조로 접혀 생성되는 메커니즘을 예측할 수 있도록 신경망을 훈련시킨다. 또다른 신경망은 연속되는 아미노산 쌍들이 3차원으로 접히는 구조에서 나타나는 각도를 예측할 수 있도록 학습한다.
그러나 이런 과정을 통해 단백질 구조 자체를 예측하긴 불가능하다. 신경망을 통해 학습한 AI 알고리즘이 예측한 정확한 아미노산 쌍 조합과 거리, 결합각도가 실제 물리적으로 가능하지 않을 수 있기 때문이다. 이 때문에 딥마인드는 두 번째 단계로 물리적으로 가능하면서도 무작위적인 단백질 접힘 배열을 만들었다. 이 때 신경망 대신 별도로 개발한 ‘최적화 알고리즘’을 적용, 첫 번째 단계에서 신경망이 예측한 구조를 반복적·무작위적으로 시도해보며 물리적으로 가능한 3차원 단백질 구조에 가장 가까운 구조를 만들어내 예측하는 것이다.
알파폴드가 압도한 단백질 구조 예측 연구에서 많은 연구자들이 AI를 활용한 연구에 나서고 있다. AI 프로그램을 이용한 단백질 구조 예측이 당장 신약 연구에 활용될 수 있는 수준은 아니다. 그러나 이같은 기술의 경쟁 속도를 고려하면 적어도 조만간 단백질 변이가 질병에 어떤 영향을 미치는지, 항체 단백질은 어떻게 만들어지는 등을 알아내는 데 획기적인 도움을 줄 것으로 기대된다.
하지만 회사의 과학적 노력에 언론은 크게 주목하지 않았는데 미디어 추적 업체 렉시스넥시스에 따르면 2016년에 딥마인드가 1842건의 기사에 언급된 반면, 2019년까지 그 수는 1363건으로 떨어졌다.
업계 전문가들은 "딥마인드의 진전은 단거리 경주가 아니라 마라톤이 될 것이라며 "회사는 AI 연구가 번창할 수 있는 독특한 환경을 만들고 있는데 과학자와 엔지니어의 협력으로 게임분야 뿐 아닌 세계적 수준의 인공 일반 지능(AGI) 개발을 위해 노력하고 있다. 현재 발전단계는 시작에 불과하다"고 설명했다.
김수아 글로벌이코노믹 해외통신원 suakimm6@g-enews.com
