SDF 다이어리

안녕하세요? 서울대 생명과학부에 재직 중인 백민경이라고 합니다. 저는 인공지능이라는 계산 도구를 활용해서 저희의 생명현상의 핵심인 단백질 구조가 어떻게 생겼는지, 그리고 그 구조를 기반으로 어떠한 상호작용을 하면서 기능을 하는지를 밝혀내는 연구를 하고 있습니다.

서울대학교 재료공학부 김상범이라고 합니다. 저는 신소재와 연산 알고리즘의 공동 최적화를 통해 기존 인공지능 반도체보다 효율적인 초저전력 인공지능 반도체를 구현하는 연구를 하고 있습니다.

우리가 은행계좌에 돈을 입금하고 뺄 때 컴퓨터로 처리한다고 하면 거기에는 오류가 있어서는 절대 안 되지만 사진 속에 사물이 무엇인지 맞추는 문제를 푼다고 하면 어차피 사람도 100% 정확하게 맞출 수 있는 것이 아니다보니 컴퓨터 역시 100% 맞히지 못하더라도 경우에 따라서는 큰 문제가 되지 않을 수 있습니다. 실제 우리가 대화할 때도 많은 비문이 섞여 있어도 우리가 문제 삼지 않고 충분히 의사소통이 가능합니다. 그래서 인공지능 연산의 경우에도 지나치게 부정확해서는 안되지만 그렇다고 완벽히 정확하게 처리하는 게 중요하다기보다는 인공지능 특성을 잘 구현할 수 있는 연산들을 빠르고 효율적으로 처리하는 게 더 중요하기 때문에 약간의 노이즈가 있어도 용납할 수 있는 부분이 있습니다. 그래서 아날로그 연산 방법을 다시 생각하게 되었습니다.

그러면 여기서 아날로그 연산의 장점은 무엇인지 궁금해하실 것 같습니다. 관련된 이론은 상당히 오래전에 제시가 되었는데요. 저희가 수행하는 인공지능 연산 가운데 가장 많은 비중과 시간을 차지하는 부분이 벡터와 행렬 연산 부분입니다. 벡터와 행렬 같은 경우에는 아날로그 방식으로 연산을 수행하면 훨씬 빠르게 병렬적으로 연산을 수행할 수 있다는 이론이 이미 나와 있습니다. 그래서 2010년대부터 인공지능 기술이 본격적으로 주목받게 되면서 사람들이 인공지능 연산을 어떻게 하면 빠르게 할 수 있을까를 고민하기 시작했고 그 결과로 행렬과 벡터 연산을 빠르게 할 수 있는 기술이 필요하다는 생각을 하게 된 것입니다. 그때부터 옛날에 나와 있었던 아이디어를 살려 아날로그 방식으로 매우 저전력으로 빠르게 연산을 수행할 수 있는 아날로그 인 메모리 컴퓨팅 분야에 대한 연구가 시작되었습니다.

실험실에서 그동안 연구를 해왔기 때문에 AI를 접목할 수 있는 것인데요. AI는 기본적으로 데이터를 먹고 자라는 친구입니다. 실험을 하면서 끊임없이 데이터가 누적이 되어 있었고 그게 버려지지 않고 어딘가에 잘 축적이 되어 왔기 때문에 지금의 단백질 구조 예측 인공지능 알파폴드, 로제타폴드와 같은 방법들이 개발될 수 있었던 것인데요. 그래서 점점 더 실험 데이터의 중요성을 저희가 인식하고 있습니다. 예전에는 대부분의 실험 데이터들이 버려지는 것들이 많았습니다. 특히 제가 연구하는 분야 중에 하나인 단백질 설계, 항체 설계 이런 것들은 실험하면 성공한 데이터만 남았습니다. 실패한 건 사실 굳이 기록으로 남길 이유가 없었잖아요. 그래서 대부분 버려졌어요. 그래서 열심히 데이터를 긁어모아도 성공한 사례만 있고 실패한 사례는 없습니다. 결국 인공지능을 학습하려면 성공한 사례를 잘 보여주는 것도 중요하지만 어떻게 했을 때 실패한다를 보여줘야지 얘네들이 좀 더 밸런스 있게 잘 배울 수가 있습니다. 그래서 데이터의 중요성이 더 인식되고 있습니다. 실험과 AI는 사실 함께 발전해야 합니다. 실험에서 성공과 실패의 사례 모두를 계속 검증해서 끊임없이 AI에게 피드백을 주고 AI는 그 데이터를 받아서 먹고 자라면서 실험하시는 분들이 좀 더 효율적으로 실험할 수 있게 도와주고 하는 상생의 관계에 있다고 생각합니다.

10년 넘게 연구를 해오고 있다 보니까 가장 필요한 게 다학제적인 연구를 할 수 있는 환경인 것 같습니다. 예를 들어 아날로그 소자의 노이즈 문제를 아까 언급해 드렸는데 최대한 노이즈를 줄여야 되는 것이 맞긴 한데요. 거기에만 머물러서는 아날로그 인 메모리 컴퓨팅 기술을 상용화하지 못할 것 같습니다. 소자 연구로 모든 문제를 해결하기에는 여러 근본적인 한계가 보입니다. 예를 들어 알고리즘을 개선하면 노이즈 수준이 1이 아니라 10으로 높아져도 큰 문제가 되지 않을 수 있습니다. 이와 같이 소자도 이상적으로 만들기 위해 노력해야 하지만 그와 동시에 알고리즘, 또 소자와 알고리즘 사이에 위치하는 회로라든지 컴퓨터 아키텍처와 소자 간에도 서로 공동 최적화가 되어야 상호 보완적으로 서로의 문제점을 해결해 주고 보완해 줄 수 있을 것으로 기대합니다. 이번 그랜드 퀘스트가 큰 의의가 있다고 생각하는 것은 그런 다학제적인 연구를 하는 데 있어 가장 힘든 게 많은 분들이 장기적으로 긴밀하게 연구할 수 있는 환경인데요. 이러한 장기적인 관점에서의 연구는 혼자 할 수 없고 여러 관련된 연구자들이 힘을 합쳐서 노력해야 하는데 그런 환경을 만들어 준 것이 어떻게 보면 미래에 그런 기술을 직접 개발하게 될 우리 젊은 세대들이 이런 그랜드 퀘스트를 통해 어떤 기술이 미래에 유망한 지, 미리 접해볼 수도 있고요. 인공지능 기술만 해도 50년, 60년 전 나왔을 때 많은 관심을 받다가 기대 만큼 좋은 결과가 안 나오니까 많은 사람들이 비관적인 시각을 가지고 관뒀다가 무슨 계기로 또 관심을 받다가 하는 식으로 부침이 좀 있어왔는데 이번 프라이즈가 장기적인 관점을 가지고 지속적으로 연구할 수 있게 도와준다는 측면에서 큰 의미가 있다고 생각합니다.

저는 항체 설계 관련 연구들도 많이 하고 있지만 기존의 생명과학 연구는 대부분 상관관계 파악에 그치는 경우가 많습니다. 어떤 병에 걸린 환자분 데이터를 분석해 보니까 유전자에 살짝 문제가 있더라 이 유전자랑 이 병이 서로 상관관계가 있는 것 같다 하는 연구들이지 인과관계를 아는 것은 아닙니다. 현재로는 인과관계까지 설명하기는 굉장히 어렵습니다. 그래서 궁극적으로 제가 하고 싶은 것은 저희 세포 안, 혹은 몸을 이루는 세포 사이들의 상호작용 지도를 인공지능 혹은 다른 계산 기법들을 활용해 밝혀내는 연구를 하고 싶습니다. 그런 지도가 있다면 어디가 고장 났을 때 저쪽의 전혀 상관없는 데에서 시그널이 온다고 하면 저희가 지도가 있으면 여기에서 저기까지 어떻게 연결되는지를 보고 그거에 따른 인과관계를 추론해 볼 수가 있잖아요. 질병 치료에도 이렇게 하면 되겠다 더 효율적으로 전략도 세울 수 있고, 생명 과학 연구 측면에서도 왜 그러한 현상이 생기는지에 대한 더 합리적인 가설을 세움으로써 새로운 발견들을 더 촉진할 수 있을 것이라 믿습니다. 저 개인적으로는 특정 질병을 치료하는 약을 만들겠습니다 보다는 굉장히 폭넓게 영향을 미칠 수 있는 정말 기초적인 도구를 만드는 데 더 관심이 많습니다.

우리나라만큼 인공지능 반도체 분야에서 좋은 결과를 낼 수 있는 기반을 갖춘 나라는 전 세계에 몇 나라 없습니다. 그래서 저희가 가지고 있는 장점들을 어떻게 잘 활용할 수 있는지, 특히 제가 하는 아날로그 인 메모리 컴퓨팅 분야에서 핵심적인 역할을 하는 시냅스 소자가 전세계에서 우리가 가장 잘하는 메모리 소자와 유사한 부분이 많이 있습니다. 그래서 이 기술이 꽃을 피우면 우리나라가 이 분야에서 주도권을 가져갈 수도 있는 가능성이 충분히 있다고 생각하고, 지금도 앞서 나가고 있지만 이제는 지키는 것도 중요해서 우리가 기술을 조합해 선점할 수 있는 분야가 어떤 것인지 조금 더 적극적으로 탐색하고 장기적인 시각을 가지고 꾸준히 연구할 수 있는 환경을 만듦으로써 국가적으로 큰 기여를 하고 전세계에서 중요한 국가로서 더 역할을 확대해갈 수 있기를 바랍니다.

글로벌 시대이고 자유로운 시대라고 하지만 경쟁력을 갖출 수 있는 기술에 대해서는 국가 간 유출되지 않도록 조심하는 부분들이 많잖아요. 우리나라는 어떤 기술을 가져야 하느냐 고민을 해봐야 할 필요가 있다고 생각하고요. 항체 관련해서도 우리나라가 바이오 제조에 대해서는 상당히 경쟁력이 있습니다 삼성바이오로직스도 있고요. 셀트리온도 있고 항체를 잘 생산할 수 있는 기술력을 가진 회사들은 많고 SK바이오사이언스는 백신 제조에 특화돼 있고요. 그런데 항체나 백신을 설계할 수 있는 바이오 관련 설계 기술을 우리가 가지고 있나 하면 그렇지는 않습니다. 정작 우리가 자체 설계할 수 있는 기술이 부족한 거죠. 제 생각에는 제조만 가지고는 주권을 확보하기 힘들다는 생각이 들고요. 그래서 기술 주권을 제대로 갖추려면 바이오 제조뿐 아니라 설계할 수 있는 능력까지 와야 한다고 생각하고요. 이제 그랜드 퀘스트의 한 꼭지로 생각을 하긴 했지만 항체 설계뿐 아니라 전반적인 바이오와 관련된 AI든 어떤 도구든 간에 이런 것들을 활용해 좀 더 이해도를 쌓아 이 기반으로 새로운 걸 설계하는 기술에 있어서도 투자가 더 많이 이뤄져야 하지 않나 생각합니다.

중장기적인 연구를 더 잘 수행하려면 결국에는 인프라가 잘 갖춰져야 합니다. 지금 계속 AI와 바이오의 접목이 중요하다. 엔비디아의 젠슨 황도 ”AI를 공부할 게 아니라 바이오를 공부해야 한다”고 얘기할 정도로 AI와 바이오가 같이 가는 것에 관심이 많은데요. 저희가 그런 연구를 할 수 있는 인프라가 이미 국내에 갖춰졌나 하면 대부분 없습니다. AI를 개발하는데 특수한 컴퓨터들이 필요하거든요. GPU가 많이 달린 슈퍼 컴퓨터가 필요한데 연구실별로 각개 전투하고 있어요. 어떻게든 연구비를 따서 자기 랩에 구축하고 있는 상황이죠. 국가적인 컴퓨팅 센터를 만들어야 되지 않냐 논의는 계속되는데 사실 좀 느리게 진행되고 있습니다. 그래서 일단 연구 인프라가 가장 중요하다고 생각하고요. 그래야 관련 연구를 하는 인력도 많아질 것이고 중장기적으로 계속 성장해 나갈 수 있지 않을까 생각합니다.

특정 분야와 관련해 장기적인 관점에서 정책을 하시는 분들이 아예 없거나 계속 바뀌거나 하는 경우가 많은데요. A라는 방향으로 하고 있는데 갑자기 B를 하게 되고 그때그때 즉흥적으로 정책이 만들어진다고 해야 할까요? 다양한 원인이 있을 수 있을 텐데 어떤 연구를 해야 하는지, 그런 연구를 기획하시는 분, 전문성을 가진 분들이 몇십 년 동안 계획을 가지고 과제도 방향도 설정해 주시고 일관된 방향으로 지속적으로 해야 하지 않을까 싶은데 그런 부분들이 조금 부족해 보입니다. 외국의 예를 들어보면 제가 외국에서 학생으로 있을 때 기업과제를 해보면 학생으로서 연구를 평가하러 오시는 분이 매년 같은 분이 오고 몇십 년 동안 같은 일을 해오셔서 어떤 분야에 어떤 연구가 이뤄졌는지를 다 알고 계셔서 실질적으로 도움이 되는 조언을 많이 들을 수 있었습니다. 그런데 우리는 그런 사람이 없다 보니 우리한테 연구계획 세워달라 하기도 하고요. 그러다 보면 문맥도 모르는데 연구계획을 만들어야 하는 경우도 있더라고요. 최선은 다하지만 이렇게 중요한 일을 내가 하는 게 맞나? 좀 더 전문적으로 오랫동안 고민해 온 분들이 해야 하지 않을까 그럼 생각이 들 때가 있습니다. 우리나라가 과학기술 혁신이라는 측면에서 잘하고 있는 것도 참 많은데요. 장기적인 관점에서 계획을 수립하고 수행하는 부분만 조금만 더 보완되면 우리 모두가 바라는 그런 혁신적인 과학기술의 개발을 선도하는 국가가 될 수 있지 않을까 생각합니다.

국내에 이렇게 도전적인 과제에 치열하게 노력하는 수준 높은 연구자들이 많다는 사실에 새삼 뿌듯함을 느꼈는데요. 마지막으로 더 하고 싶은 얘기들이 있는지 물었더니 아래와 같은 얘기를 전해주었습니다.

“저희가 연구하고 있는 분야에 대해 생각하면 정말 많이 흥분이 된다고 해야 할까요? 앞으로 얼마나 발전할지 기대도 많이 되고 연구하면서 큰 기쁨도 있고, 그 기술을 통해 인류와 국가에 기여할 수 있는 분야가 많다고 생각돼 보람도 있습니다. 제가 이공계로 진학할 때는 사실 큰 즐거움을 느끼고 행복을 느끼고 보람을 느낄 것이라고는 별로 생각 못했는데요. 누가 그런 얘기를 나한테 미리 해줬다면 좀 더 빠르게 이 길을 찾아올 수 있지 않았을까? 하는 생각도 듭니다. 과학기술 분야의 재미있는 일들이 많이 벌어지고 있고, 특히 요즘에는 그런 과학기술에 대한 질문들이 예전과는 차원이 달라져서 ‘인간의 수명이 아주 길어지면 어떻게 될까?’ ‘인공지능이 너무 발달해서 노동을 할 필요가 없어지면 어떻게 될까?’ ‘핵융합 기술을 통해서 에너지가 공짜인 시대가 오면 어떻게 될까’ 이런 질문들이 우리 사회에 미칠 영향이 막대해지고 있어서 더 많은 관심 가져주시면 좋겠다고 말씀드리고 싶습니다.”

“저도 연구할 때 즐겁거든요. 그래서 꼭 '이런 연구자가 될 거야' 해서 지금의 자리에 온 게 아니라 그냥 재미있어하던 걸 쫓다 보니 이 자리에 오게 됐는데 연구를 할 때 장기적인 관점에서 이게 중요하니까 '정말 중요한 문제니까 이것을 풀어야 해'라기보다 '이런 문제 좀 재밌는데?' '어떻게 풀 수 있을까?' 이런 식으로 생각하다 보니 장기적인 프로젝트, 파급력이 여기까지 갈 수 있겠구나 이런 식으로 흘러가는 것 같아요. 환경도 점점 좋아지고 있어서 저희 연구에도 더 많은 관심과 응원 부탁드린다는 말씀 마지막으로 전하고 싶습니다.”