노벨상을 쓸어버린 AI연구자들

안녕하세요, coding your life, 코딩오페라입니다. 여러분 이번주에 정말 믿기 힘든 사건이 일어났습니다. 바로 노벨 물리학상과 화학상에서 모두 AI연구자들이 수상을 하게 되었는데요. 기초과학자의 공로를 수상하는 보수적인 노벨상이 어떻게 해서 AI연구자들에게 돌아갔는지 모두의 이목이 집중되는 가운데, 지금부터 코딩오페라가 이해하기 쉽게 설명 드리겠습니다.

노벨 물리학상 수상자(좌)와 화학상 수상자들(우)

 

이번 노벨 수상자는 물리학상 2명, 화학상 3명이 수상하게 되었습니다. 먼저 물리학상 수상자인 홉필드와 힌튼 교수는 AI NN(뉴럴네트워크)를 발전시킨 공로로 수상하였고, 화학상 수상자인 베이커 교수, 하사비스, 점퍼는 단백질 구조를 예측하는 모델인 Alphafold를 통해 단백질의 구조를 파악한 공로로 수상하였습니다. 정말 특이한점은 하사비스와 점퍼는 구글 딥마인드팀의 AI연구원으로 화학학계와는 거리가 다소 있다는 점입니다. 이 때문에 이번 노벨상에 많은 사람들이 관심을 두고 있는데요. 지금부터 하나씩 벗겨보겠습니다.  

 

노벨 물리학상

인공지능(딥러닝) 연대기

 

본격적인 설명에 앞서 AI 발전 연대기를 설명 드리겠습니다. 1950년 천재 컴퓨터 공학자 튜링은 인간과 구별할 수 없는 기계의 능력을 테스트하는 ‘튜링테스트’를 개발하여 인공지능의 서막이 열리기 시작했습니다. 이후 1958년 프랭크 로젠블라트가 AI의 기초가 되는 인공신경망(ANN)을 세계 최초로 개발하며 부흥기를 얻는 AI는 1969년 민스키와 페퍼트가 XOR 문제를 인공신경망으로 풀 수 없다는 것을 증명하면서 암흑기에 접어듭니다. 당시 정부나 기업 등 많은 기관에서 불가능하다고 증명된 AI기술에 대한 투자를 전면 중단했습니다. 이후 XOR문제를 다층 퍼셉트론으로 해결하여, 두번째 호황기에 접어들지만, 곧 자금문제로 암흑기에 도달합니다. 그러나 2010년대 초반이후 컴퓨터의 컴퓨팅성능이 좋아짐에 따라 AI는 컴퓨터비전, 자연어처리, 강화학습 등 다양한 분야에서 성과를 내었고 현재 OpenAI ChatGPT, Google Gemini 등의 강력한 모델이 실생활에 활용되므로써 전례 없는 호황을 누리고 있습니다. 이렇게 AI의 역사를 보면, 호황기와 불황기가 번갈아가며 오는데요. 호황기와 불황기에 연연해하지않고 꾸준히 연구한 연구자가 있었으니 그들의 이름은 바로 홉필드와 힌튼입니다.

 

1. 홉필드

1982년 물리학자인 홉필드는 물리학 이론을 적용한 ‘홉필드 네트워크’를 개발합니다. 물리학에서 전자는 회전 스핀에 따라 에너지가 결정됩니다. 그림과 같이 전자가 시계방향으로 회전하면 -1/2, 반시계 방향으로 회전하면 +1/2만큼의 에너지를 가지게 되는데, 이 때 에너지는 전자의 각운동량을 의미합니다. 이를 네트워크에 착안한 홉필드는 기존 0~1값이 아닌 -1, +1값으로 네트워크의 weight값을 양극화했습니다. 그런다음 input값에 대한 weight값을 계산하고 이를 저장합니다. 이를 통해 이후 다른 input값이 들어오면 기존에 저장된 weight값들을 통해 output을 예측할 수 있습니다. 좀 저 자세히 설명하자면, 노드 A, B, C의 값을 알고 D, E는 모를 때 기존에 계산된 노드간의 상관관계 weight값들을 통해 노드 D, E값을 예측 할 수 있습니다. 뿐만 아니라 홉필드 네트워크는 에너지를 사용해서 원본과 예측본의 에너지 차이가 가장 작은 방향으로 학습하게 됩니다. 그림을 보시면 에너지를 그래프화 한 모습인데, loss function과 비슷하게 생겼습니다. 이를 통해 훼손된 J를 온전한 J로 변환하는 것을 볼 수 있는데, 이렇듯 홉필드 네트워크는 과거의 기억을 통해 연상작용 하는 것에 특화된 네트워크입니다.

 

2. 힌튼

힌튼이 개발한 볼츠만 머신과 방정식

 

1985년 힌튼은 볼프만 머신을 개발하여 이를 공로로 이번 노벨 물리학상을 수상하게되었습니다. 볼츠만 머신은 이름에서 알다시피 ‘볼츠만 방정식’에서 착안한 아이디어인데, 볼츠만 방정식은 1872년 볼츠만이 기체 내 분자들의 운동을 통계적으로 모델링하여 기체의 성질을 설명하는데 사용하기위해 만든 방정식입니다. 힌튼은 이런 통계학적 개념을 인공신경망의 뉴런에 적용하여 결정론적으로 출력값을 출력하지않고, 확률적으로 출력하는 볼츠만 머신을 개발했습니다. 볼츠만 머신은 확률과 통계기법을 사용하기 때문에 기존의 네크워크보다 더욱 많은 경우의 수를 다룰 수 있었고, 힌튼은 기존 네트워크에서 Hidden Node, Visible Node간의 연결을 끊은 Restricted Boltzmann Machine(RBM)을 개발하여 연산효율 극대화할 수 있었습니다. 이 모양은 효율이 좋아 현재도 많이 사용되고 있는 NN 구조입니다.

 

노벨 화학상

1. Alphafold

단백질과 아미노산 서열

 

단백질은 생명을 구성하는 기본 물질중의 하나로, 치료제 개발 등 의학분야에서 가장 중요한 연구분야입니다. 이러한 단백질은 아미노산으로 구성되어 있는데, 아미노산의 구성요소, 배열에 따라 단백질의 3차원 구조가 달라지게 됩니다. 때문에 단백질의 3차원 구조를 파악하는 연구가 진행되었고, 마침내 페루츠와 켄드루가 X선 결정법을 이용하여 단백질의 구조를 파악하였습니다. 이를 공로로 1962년 노벨화학상을 수상하게 되는데요. 그러나 X선 결정법은 단백질 하나를 분석하는데 평균적으로 5년의 시간과 10만달러의 비용이 발생하게 되어 연구자들의 앞길을 가로막았습니다. 이로인해 인간이 발견한 2억개의 단백질 중 구조가 파악된 것은 0.1%수준인 20만개가 채 되지 않았습니다. 그러나 이 문제를 해결한 것은 바로 인간이 아닌 AI모델 ‘Alphafold’였습니다.

X선 결정법

 

Alphafold는 우리에게 이세돌 9단을 꺾은 알파고 바둑 AI를 만든 것으로 유명한 구글의 자회사 딥마인드에서 개발한 단백질 구조예측 AI 모델입니다. Alphafold는 크게 유전분석 부분(Genetic)과 구조분석(Structure) 부분으로 나뉩니다. 유전분석에서는 다른 종들과 유전자의 유사점을 찾는 Multiple Sequence Alignment(MSA)를 시행합니다. 생물에서의 기능이 같더라도 종에 따라 달리 진화하면서 아미노산의 배열이 바뀌어 단백질의 구조가 달라질 수 있는데, 이들간의 공통점을 찾는 부분이라고 생각하시면 됩니다. 예를들어 사람의 미오글로빈과 말의 미오글로빈은 모두 근육에서 사용할 산소를 저장하는 기능은 같지만, 아미노산의 서열은 달라 단백질의 구조 역시 모두 다릅니다. 그 다음 구조분석에서는 Distance Map을 활용하여 단백질의 구조를 파악합니다. Distance Map에서는 단백질을 이루는 각 아미노산들의 거리를 통해 단백질의 3차원 구조를 파악합니다. 이러한 2가지 방식을 이후 Evoformer를 통해 학습시키고 최종적으로 아미노산 서열을 통해 단백질의 구조를 예측합니다.

 

Multiple Sequence Alignment(MSA)(좌측), Distance Map(우측)

이런 Alphafold의 성능은 정말 놀라웠습니다. 2018년 단백질 구조 예측 대회인 ‘CASP’에서 기존 정확도 40% 모델들에 비해 월등히 높은 60%를 자랑하였고, 2020년에는 무려 정확도 90%까지 성능이 향상되었습니다. 뿐만 아니라 2022년 인간이 발견한 모든 단백질 2억개의 구조를 모두 파악하는데 성공하였습니다. 이는 기존 X선 결정법으로 10억년이 걸릴문제를 단 몇일만에 해결한 놀라운 성과입니다. 이로인해 현재 200만명이 넘는 제약업계 종사자들이 이미 Alphafold를 사용중이며, 앞으로의 신약개발이 더욱 빠르고 획기적일 것으로 전망하고 있습니다.

11.  이번 노벨상이 정말 뜻깊은 이유는 해당 분야에 전공지식이 깊지 않은 AI연구자들이 수상을 했다는 점입니다. 특히 노벨 화학상을 수상한 하사비스와 점퍼는 구글 딥마인드의 직원이죠. 제 생각에는 정말 이제 AI의 시대가 열린 것이 아닌가 하는 생각이 듭니다.

 

알파폴드의 성능

 

오늘 글을 제 유튜브 채널에 영상으로도 만들어노았으니, 영상을 보고싶으신 분들은 아래 링크를 참고하세요!

https://www.youtube.com/watch?v=J72mlXbm2qU&t=242s&ab_channel=CodingOperaKorea

 

 

AI연구자 노벨상 수상이 시사하는 점

 

그러나 이러한 AI에 대한 우려의 목소리도 나오는데요. 이번 노벨 물리학상 수상자인 힌튼교수는 AI가 현재 무섭도록 발전하고 있는 상황에서 인류에게 위협이 될 수 있다고 경고하고 있습니다. 실제 그는 이를 이유로 작년 구글을 퇴사하였습니다. 이와 반대로 구글 딥마인드의 CEO이자 노벨 화학상 수상자인 하사비스는 AI의 발전으로 인해 수십억명의 삶을 개선할 잠재력이 있다고 언급하며, AI의 발전에 대해 긍정적인 발언을 하였습니다.

 

여러분의 생각은 어떠하시나요? 댓글로 의견을 주시면 감사하겠습니다. 마음에 드셨다면 좋아요와 구독을 통해 저를 응원해주세요! 현재 저는 인공지능 및 코딩관련 블로그와 오픈채팅방도 운영중인데, 링크를 아래 달아놨으니, 인공지능에 대해 서로 배우고 정보공유하고 싶으신 분들은 꼭 참여부탁드리겠습니다. 저는 여러분의 인생을 코딩해드릴 “coding your life” 코딩오페라입니다. 다음시간에 만나요 안녕!

 

코딩오페라 유튜브 채널

https://www.youtube.com/@codingopera9945

Coding Opera Korea

 

 

코딩오페라 인공지능, 코딩 오픈 카카오톡방

https://open.kakao.com/o/ggxse9sg

인공지능/AI/코딩 공부방(코딩오페라)

 

 

코딩오페라 카카오톡 오픈프로필

https://open.kakao.com/o/sH7qSH9d

Coding Opera님의 오픈프로필