Google DeepMind의 AlphaFold가 2021년 반세기 동안 지속된 단백질 접힘 문제를 해결한 이후, 과학에서 AI의 역할은 일반적으로 유사한 혁신, 즉 인간이 해결할 수 없는 문제를 기계가 해결할 수 있다는 증거를 찾는 것으로 특징지어졌습니다. 그러나 Anthropic은 AI 에이전트가 발견 사이의 재미없는 작업에서 가장 중요할 수 있다는 다른 아이디어를 추진하고 있습니다.
Allen Institute 및 Howard Hughes Medical Institute와의 새로운 파트너십을 발표한 독점 인터뷰에서 Anthropic의 생명 과학 책임자인 Jonah Cool과 Allen Institute의 AI 애플리케이션 전무이사인 Grace Huynh는 엘리트 과학 연구소가 Claude 기반 AI 에이전트를 사용하여 연구 일정을 수년으로 연장할 수 있는 분석, 주석 및 조정 병목 현상을 해결하고 있다고 말했습니다.
압축된 21세기’
세포 생물학자이자 유전학자이자 기술 리더인 Cool은 Anthropic CEO Dario Amodei의 2024년 에세이인 Machines of Loving Grace에서 영감을 받았다고 Fortune과의 인터뷰에서 말했습니다. 이 에세이에서는 “AI 지원 생물학과 의학을 사용하면 인간 생물학자가 향후 50~100년 동안 이룩한 발전을 5~10년으로 압축할 수 있습니다.”라고 주장했습니다.
Amodei는 전염병의 거의 보편적인 예방과 암 사망률의 상당한 감소에서부터 유전 질환, 알츠하이머 및 기타 만성 질환에 대한 효과적인 치료에 이르기까지 모든 것을 가능하게 할 수 있는 “압축된 21세기”라고 묘사한 아이디어입니다. Amodei는 또한 AI가 고도로 개인화된 치료법을 가능하게 하고 생물학 자체에 대한 인간의 통제를 확장하며 심지어 건강한 수명을 극적으로 연장할 수도 있다고 제안했습니다.
Cool의 경우, 그 비전은 혁신을 제공하는 도구가 아니라 실험실에서 발견 속도를 늦추는 시간 소모적인 분석, 조정 및 실험 작업을 대신할 수 있는 시스템으로서 AI 에이전트를 과학에서 사용하는 것과 직접적으로 관련되어 인간이 잠재적으로 중요한 새로운 발견을 할 수 있도록 해줍니다.
Cool은 단백질 접힘의 오랜 문제에 대한 시스템의 해결책을 언급하면서 “AlphaFold가 성취한 것은 믿을 수 없을 만큼 놀랍습니다”라고 말했습니다. “그러나 여기서 우리가 이야기하고 있는 것은 다릅니다. 과학 과정 전반에 걸쳐 팀과 협력하고 AI를 일상 업무에 통합하는 것입니다.”
Huynh은 Microsoft 공동 창립자 Paul Allen이 2003년에 설립한 비영리 생명과학 연구 조직인 Allen Institute의 AI 에이전트를 향한 움직임은 많은 연구자들이 이미 사용하고 있는 도구, 특히 전산 생물학자들 사이에서 인기를 얻은 Anthropic의 Claude Code를 기반으로 한다고 말했습니다. 또한 목표는 AI를 모든 곳에 적용하는 것이 아니라 에이전트가 가장 실질적인 영향을 미치고 과학 작업을 크게 가속화할 수 있는 연구 프로세스의 특정 부분(예: 몇 달이 걸릴 수 있는 데이터 분석 작업)에 집중하는 것이라고 그는 말했습니다.
어떤 연구자도 모든 연결을 볼 수는 없습니다.
“우리는 ‘대규모 과학’이 표준이 되는 지점에 도달하기 시작했습니다.”라고 그는 말했습니다. 오늘날 과학자들은 단일 세포 유전체학 및 대규모 영상 데이터 세트부터 뇌의 뉴런과 신경계가 어떻게 연결되어 있는지 연구하는 커넥토믹스(connectomics)에 이르기까지 너무 많은 데이터를 생성하므로 어떤 연구자도 이 모든 데이터를 머릿속에 간직하거나 모든 연결을 볼 수 없습니다.
Cool은 Allen Institute와 Howard Hughes Medical Institute를 이상적인 파트너로 꼽았는데, 그 이유는 그들이 이미 현대 과학을 형성하는 데 역할을 하고 있기 때문입니다. Allen Institute는 실제 조직에서 유전자가 활성화되는 위치를 보여주는 마우스 뇌의 상세한 지도, 신경과학뿐만 아니라 모든 분야의 연구자를 위한 표준 도구가 된 리소스를 포함하여 세계에서 가장 널리 사용되는 생물학적 데이터 세트 중 일부를 제작했습니다. 최근에는 이러한 지도가 단일 세포 해상도로 구현되어 과학적 가치가 극적으로 높아지면서 분석하기가 훨씬 더 복잡해졌습니다.
그리고 HHMI의 Janelia 연구 캠퍼스에서 연구자들은 과학자들이 뉴런의 발화를 실시간으로 관찰할 수 있게 해주는 GCaMP와 같은 칼슘 표시기와 같은 기본 도구와 광 이미징의 물리적 한계를 뛰어넘는 데 도움이 되는 초해상도 현미경의 발전을 개발했습니다. Cool은 도구와 데이터 세트에 대한 강조가 바로 이들 기관이 AI 에이전트를 위한 비옥한 기반을 만드는 이유라고 말했습니다. 분석, 주석 및 조정 속도를 높이는 것은 하나의 실험실뿐만 아니라 모든 과학으로 확장되는 데 도움이 됩니다.
“과학은 매혹적이지만 매우 반복적이고 종종 지루한 작업입니다.”라고 그는 설명했습니다. “점점 더 과학에서 이는 데이터 세트 분석 및 변환과 관련된 많은 작업을 의미합니다”라고 그는 말했습니다. “아직 많은 작업이 필요한 세상에 접근하고 있다고 생각합니다. 하지만… 다음 단계와 실험을 훨씬 더 빠르게 진행할 수 있습니다.”
AI가 가설 수립을 도울 수 있는 미래
Cool은 또한 AI 에이전트가 결과를 분석할 뿐만 아니라 과학자들이 어떤 가설을 추구할지 결정하는 데 도움을 주고 수백 가지 가능한 실험을 수행할 가치가 있는 몇 가지 실험으로 좁히고 인간만으로는 쉽게 볼 수 없는 패턴을 기반으로 새로운 DNA 디자인을 제안하는 미래에 대해서도 설명했습니다.
그는 “우리는 인간이 이미 가지고 있는 지식을 바탕으로 가설을 세우는 데 도움이 될 수 있는 모델을 향해 나아가고 있다”고 말했습니다. “우리는 ‘내가 가지고 있는 가설의 우선순위를 정할 수 있도록 도와주세요’부터 시작합니다. 왜냐하면 자원이 제한되어 있고 100가지 실험을 모두 하고 싶지만 돈이 10개 밖에 없기 때문입니다.”
