소니 AI 연구 책임자, 노벨상을 받을 수 있는 로봇 개발 목표 밝혀
최근 몇 년간 인공지능과 머신러닝 시스템은 다양한 학문 분야의 과학 연구에 큰 도움이 되어 왔습니다. 이들 시스템은 과학자들이 치료에 활용할 수 있는 유전체 표지자를 찾아내고, 효과적인 신약과 치료제의 발견을 앞당기며, 연구 결과를 발표하는 데에도 도움을 주었습니다.
하지만 이 기간 동안 이러한 시스템은 대개 대용량 데이터 세트를 처리하고 무차별 대입 방식으로 계산하는 데 그쳤고, 연구를 주도하지는 못했습니다. 그러나 소니 AI의 최고경영자 히로아키 기타노 박사는 계획하고 있습니다. 그는 현대 최고 과학자들만큼 뛰어난 능력을 갖춘 인공지능을 만들어 "시스템 생물학과 다른 과학을 새로운 수준으로 끌어올리는 하이브리드 형태의 과학"을 구현하겠다고 밝혔습니다.
이를 위해 기타노는 2050년까지 노벨상을 받을 만큼 똑똑한 인공지능을 개발하고자 합니다.
“이 과제의 특징은 이미 알고 있는 것을 다시 발견하거나 인간의 사고 과정을 모방하려는 것이 아니라, 시스템을 열린 영역에 투입해 중요한 발견을 탐구하게 한다는 점입니다. 비전은 과학적 발견 자체를 새롭게 정의하고, 과학적 발견의 대안적 형태를 만드는 것입니다. 핵심 가치는 지속적이고 자율적으로 발견을 해낼 수 있는 기계를 개발하는 데 있습니다. AI 과학자는 가능한 한 많은 가설을 생성하고 검증할 것이며, 그중 일부가 그 자체로 큰 발견으로 이어지거나 큰 발견의 토대가 될 것으로 기대합니다. 가설을 빠짐없이 생성하고 효과적으로 검증하는 능력이 이 시스템의 핵심입니다”
오늘날의 AI 자체가 1950년 앨런 튜링이 기초적인 저작 «계산 기계와 지능»을 발표한 이후 수십 년간의 과학 연구와 실험의 결과물입니다. 수년에 걸쳐 이러한 시스템은 실험실의 호기심거리에서 데이터 처리와 분석에 필수적인 도구로 발전했지만, 기타노는 한 걸음 더 나아가 "작업 수행을 위해 소프트웨어와 하드웨어 모듈이 동적으로 상호작용하는 성좌"를 효과적으로 만들고자 합니다.
히로아키 기타노는 Engadget과의 인터뷰에서 이렇게 말했습니다. "처음에는 연구 과정의 일부, 즉 실험과 데이터 분석을 자동화하는 유용한 도구 모음이 될 것입니다. 예를 들어, 개별 자동화가 아니라 폐쇄 루프 수준의 실험실 자동화가 첫 단계 중 하나입니다. 이의 훌륭한 예는 로스 킹 교수가 개발한 로봇 과학자 아담-이브입니다. 이 로봇은 싹이 트는 효모의 유전학에 대한 가설을 자동으로 생성하고, 이를 확인하거나 반박할 실험을 계획하여 직접 수행합니다. 점차 자율성의 수준이 높아져 더 넓은 범위의 가설과 검증을 생성할 수 있게 될 것입니다. 그렇더라도, 적어도 가까운 미래에는 과학자 인간을 위한 도구나 조력자로 남을 것입니다".
그의 말에 따르면, AI 과학자가 가설 수립이라는 고된 지적 작업을 맡으면 인간 동료들은 연구 전략에 집중하고 실제로 어떤 가설을 연구할지 결정할 시간이 더 많아집니다.
늘 그렇듯, 블랙박스 효과와 (소프트웨어 설계와 학습 데이터 세트 모두에 존재하는) 암묵적 편향을 막는 일이 시스템에 대한 신뢰를 확립하고 유지하는 데 가장 중요할 것입니다. 기타노는 이렇게 말했습니다. "과학적 발견이 과학계에서 받아들여지려면 설득력 있는 증거와 논증이 뒷받침되어야 합니다. AI 과학자에게는 발견의 기저에 있는 메커니즘을 설명할 수 있는 요소가 있어야 합니다. 이러한 설명 능력이 없는 AI 과학자는 덜 선호될 것입니다".
역사상 가장 위대한 과학적 발견 중 일부, 즉 방사선과 마이크로파부터 테플론과 심장 박동기에 이르기까지는 실험상의 실수에서 비롯되었습니다. 하지만 초지능 AI가 자신만의 이해하기 어려운 대화 언어를 만들어내기 시작하면, 연구자들은 "플러그를 뽑으려고 서두르게" 됩니다. AI 과학자가 설명을 듣고도 사람이 즉시 이해하기 어려운 발견이나 실험을 설계한다면 어떻게 될까요?
“AI 과학자가 복잡한 현상을 다룰 만큼 충분히 숙련되면, 인간 과학자들이 즉시 이해하지 못하는 것들을 발견할 가능성이 있습니다. 이론적으로는 누군가가 발견이 이해 가능한지 신경 쓰지 않고, 제약 없이 고도로 자율적인 AI 과학자를 지휘할 가능성도 있습니다. 하지만 이에는 큰 대가가 따를 수 있으며, 그만한 정당성이 필요합니다. 그런 AI 과학자가 이미 중요한 과학적 발견을 하고 있다고 인정되는 때에는 안전을 보장하고 오용을 막기 위한 그래픽 인터페이스가 등장할 것이라고 확신합니다”
인간 연구자와 함께 일할 수 있는 AI 과학자의 등장은 발견의 공로를 누구에게 돌려야 하는지에 대한 까다로운 질문도 낳을 수 있습니다. 가설을 세우고 실험을 수행한 AI에게 돌릴지, 작업을 지휘한 사람에게 돌릴지, 아니면 운영 주체인 학술기관이나 법인에게 돌릴지 말입니다. 기타노는 그 사례로 최근 호주 법원이 DABUS("인공 신경 시스템")를 특허 출원의 발명자로 인정한 판결을 언급합니다.
반대로 이 과학자는 사토시 나카모토와 그가 만든 블록체인과 비트코인의 사례를 떠올립니다. "결정적인 기여가 단지 블로그 게시물로 발표되었고 진지하게 받아들여졌지만, 그를 직접 만난 사람은 아무도 없었고 그의 정체는 여전히 수수께끼로 남아 있는 사례가 있었습니다".
“만약 AI 과학자의 개발자가 기술 성과를 보여주거나 제품을 홍보하거나 다른 동기로 ORCID iD를 가진 가상의 과학자 인격을 만들려고 마음먹는다면, AI와 인간 과학자를 구별하는 것은 거의 불가능할 것입니다”
하지만 이 문제가 암 치료제나 나노로봇 외과의처럼 의학 분야의 진정한 혁명적 성과라면, 실험을 수행한 것이 인간인지 기계인지가 중요할까요?
