인공지능이 단순한 보조 도구를 넘어 과학 연구의 핵심 동력으로 부상하고 있다. 소프트웨어정책연구소가 발표한 보고서에 따르면, AI는 가설 설정부터 실험 설계, 데이터 분석까지 연구의 전 과정을 혁신하며 인류 과학사의 다섯 번째 혁명을 이끌고 있다. 특히 구글 딥마인드의 알파폴드가 50년간 미해결 난제였던 단백질 접힘 문제를 해결해 2024년 노벨 화학상을 수상한 것은 AI4Science 시대의 서막을 알리는 상징적 사건으로 평가된다.
AI4Science는 인공지능 기술을 과학 연구에 접목해 전통적인 방법으로는 다루기 어렵거나 시간이 오래 걸리는 문제를 해결하고 연구 속도를 가속화하는 분야를 뜻한다. 연구자의 강력한 도구이자 협력자로 작동하며, 지식 발견과 혁신을 가속하는 핵심적인 역할을 하고 있다.
50년 단백질 난제를 3주 만에 해결한 AI의 위력
과학계는 AI가 기존 연구 패러다임으로 해결 불가능했던 문제들을 속속 해결하고 있음에 주목하고 있다. 가장 대표적인 사례가 바로 구글 딥마인드의 알파폴드다. 알파폴드2는 2020년 세계 단백질 구조 예측 대회에서 정확도를 기존 40%에서 90% 이상으로 끌어올리며 생명과학계를 놀라게 했다. 알파폴드는 수백만 개의 복잡한 3차원 단백질 구조를 밝혀냈으며, 과학적 연구를 가속화하기 위해 2억 개 이상의 단백질 구조 예측에 대한 개방형 액세스를 제공하는 AlphaFold DB를 공개했다.
최신 버전인 알파폴드3는 확산 모델 기반 반복 정제를 통해 DNA, RNA, 리간드, 이온간 상호작용을 3차원 구조로 보여줌으로써 단일 단백질 구조 예측에서 복합적 생체 환경 내 구조 예측으로 영역을 확대했다. 더욱 놀라운 것은 워싱턴대 연구팀이 개발한 온라인 게임을 통해 일반인 24만 명이 참여해 10년간 미해결이었던 에이즈 단백질 구조 예측 문제를 단 3주 만에 해결한 사례다. 이는 AI가 전문가뿐만 아니라 일반인도 첨단 과학 연구에 참여할 수 있는 새로운 길을 열었음을 보여준다.
인간 연구자 없이 스스로 논문을 쓰는 AI 시대
AI의 연구 능력은 이제 인간의 개입 없이도 연구 전 단계를 독립적으로 수행할 수준에 도달했다. 사카나 AI가 개발한 연구 AI 에이전트는 스스로 가설을 제안하고 실험을 설계한 뒤 데이터를 분석해 논문을 작성하고, 자동 동료 평가를 통해 논문을 반복 개선하는 과정까지 수행한다. 이 AI가 작성한 논문은 실제로 인공지능 세계 3대 학회 중 하나인 ICLR 워크숍에서 승인을 받았다.
MIT 연구팀이 개발한 CRESt 시스템은 음성 명령 인식과 챗GPT 코드 실행 기능을 결합해 로봇 팔, 펌프, 밸브 등 실험 장비를 원격·자동으로 제어함으로써 야간·반복 작업 부담을 줄이며 원격 실험 제어의 자동화 수준을 향상했다. 천문학 분야에서는 호주국립대학교 연구팀이 GPT-4에 천문학 논문 1천 편을 제공하여 60개의 가설을 생성한 후 은하천문학 전문가가 평가하게 한 결과, 생성된 가설 수준이 준전문가급이라고 평가받았다.
독일 막스플랑크 연구소는 AI 기반 연구 아이디어 생성시스템인 SCiMuse를 구현했고, GPT-4와 5,800만 편 규모의 과학 논문으로 구축된 지식 그래프를 결합하여 생성된 연구 아이디어를 연구소 그룹 리더 110명에게 평가하게 한 결과 4,451개의 제안 중 1,107개가 흥미롭다고 판단받았다.
실험실도 로봇이 대신한다: 자율실험실의 등장
AI는 이론적 연구뿐만 아니라 물리적 실험 영역까지 혁신하고 있다. 위스콘신-메디슨 대학교의 SAMPLE 플랫폼은 AI가 단백질의 서열-기능 관계를 학습하고 새로운 서열을 설계하면 자동화 로봇이 실험을 수행하며 결과를 AI에 피드백하여 기존 방식 대비 안정적인 서열을 도출하는 완전 자율 실험 시스템이다. 미국 아르곤 국립연구소의 Polybot은 로봇 시스템이 실험 단계를 자동 수행하고 AI가 중요도에 기반한 최적화 기법을 실시하여 실험을 자율적으로 수행함으로써 가설-검증 주기를 월 단위에서 일 단위로 단축했다.
영국 리버풀대학교 연구팀은 Mobile Robotic Chemist를 개발해 태양광 수소 생산을 위한 광전기화학 전극 소재를 최적화했다. 구글 딥마인드는 신소재 발굴을 가속화하는 AI 도구인 GNoME를 개발해 AI를 활용해 신소재의 새로운 후보 물질들을 자동으로 먼저 빠르게 선별하고 선별된 물질들을 정확한 컴퓨터 계산으로 확인한 후 다시 학습하는 반복 루프로 데이터를 스스로 모아 소재 발견 효율을 10배 높였다. 한국재료연구원은 신소재 개발 연구의 전주기 자동화 연구 시스템인 ‘오토노머스 랩’을 구축했다.
미국·중국의 AI4Science 패권 경쟁 가속화
AI4Science 분야에서 미국과 중국의 경쟁이 치열하게 전개되고 있다. 미국은 2020년 국가 AI 이니셔티브법에 따라 AI연구와 혁신 가속을 목표로 11개의 연방 기관과 25개 이상의 민간 파트너가 참여하는 NAIRR 프로젝트를 2024년 1월부터 운영하고 있다. 이를 통해 미국 내 연구자, 특히 AI 및 과학 분야 연구자들에게 연방정부의 컴퓨팅 인프라, 데이터, AI 도구, 교육 및 지원을 제공하고 있다.
중국은 대표적 국책 AI 연구 기관인 중국과학원 주도로 과학 특화 AI 플랫폼인 ‘사이언스원’을 개발했다. 중국과학원은 2025년 네이처 인덱스에서 미국 하버드대학을 제치고 2년 연속 1위를 차지하고 있다. 사이언스원은 과학 연구 전반을 혁신하고 가속화하기 위해, 수학, 물리, 화학, 생물학, 천문학, 지구과학 등 6대 기초과학 분야를 아우르는 통합형 AI를 활용해 연구 패러다임 전환 및 융합 연구를 지원한다. 중국의 CSTCloud는 중국과학원의 연구망을 묶어 2023년 기준 3.11PB의 연구 데이터를 클라우드에 모아 공개하고 있으며 클라우드 기반 분석 도구를 활용해 연구 데이터를 같은 공간에서 계산, 분석, 공유까지 한 번에 수행한다.
환각과 편향: AI4Science의 극복 과제
AI4Science의 급속한 발전에도 불구하고 여전히 해결해야 할 과제들이 존재한다. 생성 AI의 환각 오류로 인해 생성AI가 “그럴듯한 허구”를 만들어 거짓 사실이나 논리를 삽입함으로써 검증 없는 활용 시 연구 신뢰성을 저하시킬 가능성이 있다. 의료 분야의 문헌 고찰 예시에서 대형언어모델이 25%를 넘는 허위 인용을 산출해 연구를 왜곡할 위험이 있다는 연구 결과도 나왔다.
또한 연구 지원 AI 도구가 접근 가능한 학술 원문은 출판사나 저자가 공개한 논문에 제한되어 상용 구독 저널의 경우 접근이 제한되는 문제가 있다. 스탠퍼드대 연구팀이 2020년 1월부터 2024년 2월까지 약 96만 편의 논문을 분석한 결과 컴퓨터과학 분야에서 AI가 사용된 것으로 추정되는 논문의 비율은 2021년 1월 약 2.5%에서 17.5%로 7배 급증했다.
MIT의 신경과학 연구팀에 따르면 대화형 AI 도구를 장기간 사용한 사용자들의 인지 과제 수행 능력이 AI 사용 전에 비해 평균 15-20% 저하되었다. 오픈AI의 CEO인 샘 알트만은 비즈니스 인사이더와의 인터뷰에서 “AI가 생성한 텍스트를 100% 완벽하게 탐지하는 것은 기술적으로 근본적인 한계가 있어 사실상 불가능에 가깝다”고 밝혔다.
AI4Science 시대, 우리가 준비해야 할 것들
이번 연구 리포트를 보면, AI4Science가 가져올 변화는 단순히 연구실 안의 이야기가 아님을 알 수 있다. 주목할 점은 전문성의 경계가 흐려지고 있다는 것이다. 일반인도 AI의 도움으로 고도의 과학 연구에 참여할 수 있게 되면서, 특정 분야의 깊은 지식보다는 AI와 협업하는 능력이 더 중요해지고 있다.
산업 차원에서는 R&D 집약적 기업들의 경쟁 구도가 완전히 바뀔 것으로 예상된다. 신약 개발 기간이 대폭 단축되고 신소재 탐색 속도가 10배 빨라지면서, 과거 대기업만 감당할 수 있었던 연구 영역의 진입 장벽이 낮아지고 있다. 이는 스타트업과 중소기업에 새로운 기회가 될 수 있다.
물론 우려도 크다. 고성능 AI 자원에 접근할 수 있는 기관과 그렇지 못한 기관 간 격차가 벌어질 수 있고, MIT 연구에서 확인된 대로 AI 의존도가 높아지면서 연구자들의 기초 사고 능력이 퇴화할 위험도 있다.
우리가 지금 준비해야 할 것은 AI를 맹신하지도 거부하지도 않는 균형 잡힌 접근법이다. AI4Science 시대에서 승리하는 것은 가장 강력한 AI를 가진 자가 아니라, AI와 가장 지혜롭게 협업하는 자가 될 것이다.
FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.)
Q: AI4Science란 무엇이고 기존 과학 연구와 어떻게 다른가요?
A: AI4Science는 인공지능이 과학 연구의 전 과정에 참여해 인간과 협력적으로 연구를 수행하는 새로운 패러다임입니다. 기존 연구가 경험, 이론, 계산, 데이터 주도 방식을 거쳐 발전해 왔다면, AI4Science는 제5의 과학혁명으로 불리며 가설 생성부터 실험 설계, 데이터 분석까지 AI가 직접 수행하거나 지원합니다.
Q: 일반인도 AI를 활용해 과학 연구에 참여할 수 있나요?
A: 네, 가능합니다. 워싱턴대 연구팀이 개발한 온라인 게임을 통해 일반인 24만 명이 참여해 에이즈 단백질 구조 예측 문제를 해결한 사례처럼, AI는 고도의 전문 지식 없이도 과학 연구에 기여할 수 있는 환경을 만들고 있습니다. 직관적인 소프트웨어 인터페이스를 통해 누구나 과학적 발견에 참여할 수 있습니다.
Q: AI가 작성한 연구 결과를 어떻게 신뢰할 수 있나요?
A: AI의 환각 현상과 편향 문제로 인해 AI가 생성한 연구 결과는 반드시 인간 연구자의 검증이 필요합니다. 허위 인용이나 데이터 편중 등의 문제가 있을 수 있어 AI 자동 스크리닝과 인간의 최종 검증을 결합한 접근법이 권장됩니다. 또한 연구 윤리 교육과 가이드라인 수립이 중요합니다.
해당 기사에 인용된 리포트 원문은 SPRi에서 확인 가능하다.
리포트 명: 과학을 위한 AI(AI4Science) 연구의 패러다임을 바꾸다
이미지 출처: 이디오그램 생성
해당 기사는 챗GPT와 클로드를 활용해 작성되었습니다.
