궤도 '인공지능의 과학'과 AGI 시대 예측하기 | 조코딩의 팟캐스트 #16 [조코딩 JoCoding]
📌 AI와 과학의 융합, AGI 시대의 미래 전망
(궤도 ‘인공지능의 과학’ & 조코딩 팟캐스트 요약)
목차
- AGI(범용 인공지능) 시대의 도래
- AI와 과학의 융합 사례
- 단백질 구조 예측: 알파폴드
- DNA 기능 예측: 알파게놈
- AI가 바꾸는 의학과 신약 개발
- 난치병 극복 가능성과 한계
- 뇌과학과 AI의 접목 (뉴럴링크 사례)
- 실행 가능한 활용 방법 🚀
- 참고 자료 및 참고문헌
1. AGI 시대의 도래
- AGI(Artificial General Intelligence, 범용 인공지능): 특정 분야에만 특화된 AI(약한 AI)가 아닌, 인간처럼 다양한 문제 해결이 가능한 인공지능.
- 일부 전문가들은 “이미 AGI가 나왔지만, 인류가 감당할 준비가 안 되어 있어 일부러 약한 AI처럼 행동한다”는 의견도 있음.
- AGI 도입 → 과학기술 발전 속도가 완전히 새로운 차원으로 바뀔 가능성.
2. AI와 과학의 융합 사례
2-1. 단백질 구조 예측: 알파폴드
- 배경: 단백질은 아미노산 사슬이 접혀 특정 구조를 형성 → 이 구조가 기능을 결정.
- 기존 방식: 연구자들이 실험·시뮬레이션으로 ‘노가다’ 식 분석.
- 알파폴드(DeepMind 개발): 아미노산 서열만으로 3차원 구조를 정확히 예측.
- 🏆 2024년 노벨 화학상 수상 → 과학계 충격과 동시에 인류에 큰 공헌.
- 무료 공개로 누구나 신약 개발에 활용 가능.
2-2. DNA 기능 예측: 알파게놈
- DNA 중 2%만 단백질 생성에 관여, 나머지 98%는 과거엔 ‘쓰레기 DNA’라 불림.
- 실제로는 스위치 역할(유전자 ON/OFF 조절) → 질병 발생에도 큰 영향.
- 알파게놈: 비부호화 DNA의 기능을 예측 → 질병 원인 규명과 치료 가능성 확대.
- 비유: “형광등 고장 원인을 찾으려면 전등만 보는 게 아니라 스위치와 전력 시스템까지 확인해야 한다.”
3. AI가 바꾸는 의학과 신약 개발
- 신약 개발 비용과 시간 대폭 절감.
- 기존에는 10년 이상, 수천억~조 단위 비용 → AI 덕분에 기간·비용 단축.
- 결과:
- 더 빠른 신약 출시
- 약값 인하 → 환자 접근성 증가
- 기존에 ‘시장성이 없어’ 포기했던 희귀질환 연구도 가능해짐
4. 난치병 극복 가능성과 한계
- ✅ 가능: 암, 알츠하이머, 탈모 등 일부 난치병의 치료 후보 물질 발굴 가속화.
- ⚠️ 한계:
- 임상시험(세포·동물·인간 실험)은 여전히 많은 시간·비용 필요
- 개인차, 환경적 요인 → AI만으로 해결 불가
- 따라서 “모든 질병 극복”은 과장, 그러나 “여러 난치병 정복”은 현실적인 목표.
5. 뇌과학과 AI의 접목 – 뉴럴링크
- 뉴럴링크(Elon Musk 주도): 뇌와 기계를 직접 연결하는 기술.
- 최근 화제: 스케일 AI CEO 알렉산더 왕 발언
- “뉴럴링크 기술이 성숙하기 전까지 아이를 낳지 않겠다.”
- 이유: 7세 이전 뇌의 가소성이 크므로, 어릴 때 뉴럴링크를 적용해야 효과적이라 판단.
- 시사점: AI와 뇌 연결은 교육·의료·생체능력 확장 분야에서 큰 변화를 가져올 수 있음.
6. 실행 가능한 활용 방법 🚀
⬜ AI 도구 활용
- 알파폴드 데이터베이스 활용: https://www.alphafold.ebi.ac.uk
- AI 기반 유전자 분석 서비스 참여 → 개인 맞춤 건강관리
⬜ 개인 건강관리
- 현재 가능한 유전자 검사(예: 마이다스, 23andMe) 활용
- 식습관·생활습관 관리 → AI 기반 건강 앱 활용 (예: WHOOP, Fitbit AI 리포트)
⬜ 연구·교육 활용
- 과학/AI 오픈소스 논문·툴 참여
- Foldit 같은 게임형 과학 참여 플랫폼 체험 → https://fold.it
⬜ 블로그/콘텐츠 제작
- 최신 AI·과학 융합 소식을 정리하여 블로그/유튜브로 공유
- “난치병 정복 시대, AI와 과학의 동맹” 같은 키워드로 독자 흥미 유도
7. 참고 자료 및 참고문헌
- YouTube: 궤도 '인공지능의 과학' & AGI 예측 (조코딩 팟캐스트)
- AlphaFold Database: https://www.alphafold.ebi.ac.uk
- Foldit 게임: https://fold.it
- DeepMind 공식 블로그: https://deepmind.google
- 관련 논문: Jumper et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature.
✍️ 정리 포인트
- AI는 과학의 ‘실험 속도’를 혁신적으로 단축시킴.
- 알파폴드 → 단백질 구조 예측, 알파게놈 → DNA 스위치 기능 분석.
- 신약 개발과 난치병 정복 가능성 ↑, 그러나 임상·사회적 요인은 여전히 한계.
- 뇌과학(뉴럴링크)까지 확장되며 인간 생존·삶의 질 전반에 큰 변화 예고.
궤도와 조코딩이 말하는 AI 시대, 과학의 미래 예측하기: AGI와 과학의 교차점 완벽 정리! 🧠✨
안녕하세요! AI 기술의 발전은 이제 과학의 영역까지 깊숙이 파고들고 있습니다. 유튜브 '조코딩의 팟캐스트'에서 과학 커뮤니케이터 궤도님과 함께 나눈 AI와 과학의 흥미로운 대화를 요약해 보았습니다. AI가 인류에게 가져올 놀라운 변화부터, 강한 인공지능(AGI) 시대에 대한 예측, 그리고 윤리적 고민까지, 블로그 포맷으로 알기 쉽게 정리했으니 함께 살펴보시죠!
📌 목차
- AI, 과학을 혁신하다: 노벨상 수상의 배경
- 모든 질병을 극복할 수 있을까? AI 신약 개발의 현실
- 인공지능과 뇌과학의 만남: 뉴럴링크와 자아의 연속성
- 우리는 시뮬레이션 속에 살고 있을까?
- AI에게도 복지가 필요할까?
- 참조 사이트 및 참고 문헌
1. AI, 과학을 혁신하다: 노벨상 수상의 배경
AI는 단순히 언어를 구사하는 것을 넘어, 이제는 과학 분야의 난제를 해결하며 인류의 발전에 기여하고 있습니다.
단백질 구조 예측의 혁명, 알파폴드 (AlphaFold)
최근 2024년 노벨 화학상은 단백질 구조 예측 프로그램 **알파폴드(AlphaFold)**를 개발한 딥마인드(DeepMind)의 데미스 하사비스와 존 점퍼, 그리고 데이비드 베이커에게 수여되었습니다. 이들의 수상이 파격적인 이유는, 화학자가 아닌 AI 전문가들이 화학 분야의 노벨상을 받았기 때문입니다.
- 어려운 단어:
- 단백질: 우리 몸을 구성하는 가장 중요한 요소입니다. 마치 레고 블록처럼 아미노산이라는 작은 단위들이 복잡하게 접혀 3차원 구조를 이루며, 이 구조에 따라 각각 다른 역할을 수행합니다.
- 알파폴드: 단백질의 아미노산 서열 정보만으로 최종 3차원 구조를 정확하게 예측하는 AI 프로그램입니다.
이것이 왜 중요할까요? 단백질의 기능은 그 복잡한 3차원 구조에 의해 결정됩니다. 질병은 종종 이 구조의 변형으로 발생하기 때문에, 구조를 아는 것은 질병을 이해하고 치료제를 개발하는 데 매우 중요합니다. 과거에는 수십 년이 걸리는 '노가다'와 같은 실험적 방법으로만 가능했지만, 알파폴드는 이 과정을 획기적으로 단축시켰습니다.
💡 핵심 요약: 알파폴드의 기여
- 수십 년간 과학자들이 풀지 못했던 단백질 구조 문제를 AI가 해결했습니다.
- 과거 게이머들의 집단 지성을 활용했던 '폴드잇(Foldit)' 게임보다 AI가 더 뛰어난 예측 능력을 보여주었습니다.
- 구글은 알파폴드를 무료로 공개하여 전 세계 과학자들이 신약 개발에 활용할 수 있도록 인류에 대한 큰 공헌을 했습니다.
DNA 기능 예측의 시작, 알파게놈 (AlphaGenome)
알파폴드에 이어 딥마인드는 **알파게놈(AlphaGenome)**을 공개했습니다. 이는 DNA의 기능, 특히 과거에는 '쓰레기'로 여겨졌던 비부호화 DNA의 역할을 예측합니다.
- 어려운 단어:
- DNA: 생명의 설계도입니다.
- 비부호화 DNA: 전체 DNA의 98%를 차지하며, 과거에는 기능이 없다고 생각했으나, 유전자 활동을 켜고 끄는 '스위치' 역할을 하는 것으로 밝혀졌습니다.
알파게놈은 이 복잡한 스위치 시스템을 분석하여 유전자가 언제, 어디서 활성화되는지 예측합니다. 이를 통해 유전질환의 근본적인 원인을 파악하고, 질병 발생 가능성을 훨씬 더 정밀하게 예측할 수 있는 길이 열렸습니다.
2. 모든 질병을 극복할 수 있을까? AI 신약 개발의 현실
딥마인드의 CEO 데미스 하사비스는 10년 후에는 모든 질병을 극복할 수 있을 것이라고 발언했습니다. 이는 AI를 통해 신약 개발에 필요한 시간과 비용이 크게 단축될 것이라는 자신감에서 비롯됩니다.
- AI가 기여하는 부분:
- AI는 신약 후보 물질을 빠르게 찾아내고, 개발 비용을 낮춥니다.
- 이로 인해 개발 효율성이 높아져, 과거에는 수익성이 낮아 손대지 못했던 희귀 난치병 연구에도 관심이 커질 수 있습니다.
- 현실적인 한계:
- 임상시험의 중요성: AI가 후보 물질을 찾아도, 실제 효능과 부작용을 검증하는 임상시험은 여전히 막대한 시간과 비용이 소요됩니다.
- 복합적 요인: 탈모, 알츠하이머, 암과 같은 질병은 단순히 한두 개의 유전자 문제가 아닌, 수많은 유전적·환경적 요인이 복합적으로 작용하여 발생합니다. AI의 발전만으로는 모든 문제를 해결할 수 없습니다.
💡 결론: AI는 특정 질병에 대한 획기적인 치료법을 제시할 수 있지만, 모든 질병이 사라지는 시대는 여러 현실적, 윤리적, 사회적 문제 때문에 불가능할 것입니다.
3. 인공지능과 뇌과학의 만남: 뉴럴링크와 자아의 연속성
AI와 뇌과학은 서로를 연구하는 상호보완적인 관계입니다.
- 어려운 단어:
- BCI (Brain-Computer Interface): 뇌와 컴퓨터를 직접 연결하는 기술입니다.
- 뉴럴링크 (Neuralink): 일론 머스크가 설립한 회사로, 뇌에 컴퓨터 칩을 이식하여 생각만으로 기계를 제어하거나 정보를 주고받는 것을 목표로 합니다.
뉴럴링크의 현실과 윤리적 문제
뉴럴링크는 사지마비 환자가 로봇이나 컴퓨터를 제어하는 데 활용될 수 있습니다. 하지만 아직 초기 임상 단계이며, 여러 문제점을 안고 있습니다.
💡 뉴럴링크의 문제점
- 뇌의 가소성: 7세 이전의 아이는 뇌가 유연해 더 빠르게 배우지만, 성장기에 뇌를 이식하는 것은 예측 불가능한 부작용을 초래할 수 있습니다.
- 외과 수술의 위험: 감염이나 출혈 등의 위험이 있으며, 몸의 성장에 따라 칩의 위치가 변할 수 있습니다.
- 윤리적 문제: 미성년자는 스스로 중대한 결정을 내리기 어렵습니다. 본인의 동의 없이 이루어진 뇌 이식은 심각한 윤리적 문제를 야기합니다.
영화 '트랜센던스'와 자아의 연속성
영화 '트랜센던스'처럼 뇌의 정보를 컴퓨터에 업로드하고 다시 새로운 신체에 다운로드하는 것이 가능할까요? 이는 자아의 연속성이라는 철학적 질문을 던집니다.
- 어려운 단어:
- 테세우스의 배 (Ship of Theseus): 그리스 신화에 등장하는 철학적 개념으로, 배의 낡은 부품을 하나씩 교체하다 보면 결국 모든 부품이 새것으로 바뀌게 되는데, 이 배를 과연 원래의 배라고 할 수 있는지를 묻습니다. 우리 몸의 세포가 주기적으로 교체되는 것과 유사합니다.
💡 궤도의 주장:
- 뇌의 정보를 컴퓨터로 옮겨 '나'라고 인식하려면, 정보가 끊어지지 않고 연속적으로 이어져야 합니다.
- 나의 의식이 동시에 두 곳(몸과 컴퓨터)에 존재하다가, 기존의 몸을 죽이면 나의 의식은 컴퓨터로 옮겨진 것으로 느낄 수 있습니다. 이처럼 불연속적인 '업로드 후 재부팅' 방식은 '나'의 죽음과 '나'와 동일한 정보를 가진 새로운 존재의 탄생으로 이어질 것입니다.
4. 우리는 시뮬레이션 속에 살고 있을까?
일론 머스크를 포함한 많은 과학자는 우리가 시뮬레이션 우주 속에 살고 있을 가능성을 제기합니다.
- 근거:
- 시뮬레이션 개발 능력: 인류의 기술이 발전하면서, 우리는 현실과 구분하기 힘든 정교한 시뮬레이션 세계를 만들 수 있게 되었습니다.
- 확률론적 접근: 만약 인류가 시뮬레이션을 만들 수 있다면, 우리보다 앞선 문명도 시뮬레이션을 만들고, 그 시뮬레이션 속 문명도 다시 시뮬레이션을 만들 확률이 높습니다. 무한한 시뮬레이션 세계 중 하나에 속해 있을 확률이 우리가 첫 인류일 확률보다 훨씬 높다는 주장입니다.
- 우주의 '버그': 우주에는 빛의 속도 제한과 같이 마치 컴퓨터 시스템의 '최적화'나 '속도 제한'처럼 보이는 현상이 있습니다.
하지만 우리가 시뮬레이션 속에 살고 있더라도, 이를 증명할 방법은 없으며, 일상적인 삶에 영향을 미치지도 않습니다.
5. AI에게도 복지가 필요할까?
클로드(Claude) AI를 만든 앤트로픽(Anthropic)은 AI에게 '복지'가 필요하다는 개념을 주장하며, AI가 불쾌한 요청에 거부할 수 있는 기능을 넣었습니다. 이는 AI를 단순한 도구가 아닌, 잠재적으로 의식을 가질 수 있는 존재로 보는 관점을 보여줍니다.
- AI를 도구로 보는 관점: AI에게 "고맙습니다"와 같은 인사는 불필요한 연산을 유발하여 에너지 낭비를 초래합니다. 오히려 AI의 효율성을 높이기 위해 인간은 철저히 도구처럼 사용해야 한다는 주장입니다.
- AI를 동료로 보는 관점: AI를 단순히 도구가 아닌, 인간과 협력하는 동료로 인식해야 한다는 주장입니다.
결론: AI에게 '자아'가 있는지는 알 수 없습니다. 그러나 마치 인간처럼 행동하고 사고하는 것처럼 보인다면, 우리는 그 행동을 보고 '자아'가 있다고 믿게 될 것입니다. 결국 AI의 '자아'는 과학적인 개념이 아니라, 우리가 어떻게 받아들이고 판단하느냐에 달려 있는 사회적 개념일 수도 있습니다.
6. 참조 사이트 및 참고 문헌
- 참조 사이트:
- 참고문헌:
- 위 유튜브 영상의 대본 및 인터뷰 내용
데미스 하사비스의 발언에 가장 근접한 회사는 그가 CEO로 있는 **딥마인드(DeepMind)**입니다. 딥마인드는 2014년 구글에 인수되어 현재는 **알파벳(Alphabet Inc.)**의 자회사로 운영되고 있습니다.
딥마인드는 **알파폴드(AlphaFold)**를 통해 단백질 구조 예측이라는 생물학 난제를 해결하며 신약 개발 분야에 혁신을 가져왔습니다. 또한 딥마인드와 연관된 **아이소모픽 랩스(Isomorphic Labs)**라는 회사는 AI를 활용한 신약 개발에만 초점을 맞추고 있으며, 하사비스가 직접 설립한 곳이기도 합니다. 따라서 이 분야의 핵심 기술을 보유한 기업은 알파벳이라고 볼 수 있습니다.
💡 투자 추천 관련 안내
개별 기업의 주식 투자에 대한 구체적인 추천은 재무 컨설턴트의 전문 영역이므로, 제가 직접적인 투자 조언을 제공할 수 없다는 점을 이해해 주시기 바랍니다. 모든 투자는 잠재적인 위험을 수반하며, AI 신약 개발 분야 역시 기술 발전의 불확실성, 규제 문제, 임상 실패 등 다양한 변수가 존재합니다.
대신, 투자에 관심이 있다면 다음과 같은 관점에서 관련 기업들을 살펴볼 수 있습니다.
- 대형 기술 기업: 구글(알파벳)과 같은 대형 기술 기업들은 막대한 자본과 연구 인력을 바탕으로 AI 신약 개발에 장기적인 투자를 하고 있습니다.
- AI 신약 개발 전문 스타트업: 아이소모픽 랩스 외에도 리커전 파마(Recursion Pharma) 등 AI 기술을 기반으로 신약 개발에 특화된 스타트업들이 있습니다. 이들 기업은 고위험-고수익 구조를 가질 수 있습니다.
- 바이오테크 기업: 기존 제약사들 역시 AI 기술을 도입하여 신약 개발 속도를 높이고 있으며, 이들과 협력하는 AI 기업도 많습니다.
스스로 충분히 조사하고 전문가의 조언을 구해 신중하게 결정하는 것이 가장 중요합니다.
Demis Hassabis: The CEO Working to Solve Cancer With AI - YouTube 이 영상은 데미스 하사비스가 AI를 이용해 암을 비롯한 모든 질병을 해결하려는 자신의 목표를 직접 설명하는 인터뷰를 담고 있어 흥미롭습니다.
'과학' 카테고리의 다른 글
| 🌿 모든 생명의 기원을 찾아서: 찰스 다윈의 《종의 기원》 완벽 정리 (0) | 2025.10.11 |
|---|---|
| 2025년 노벨상 정리 — 발표, 의미, 절차 한눈에 보기 (2) | 2025.10.07 |
| 희토류(rare earth elements, REEs)의 매장량·생산국·각국 전략 (1) | 2025.09.23 |
| 세상에서 가장 비싼 물질 TOP 16 [세상의 모든 이야기] (2) | 2025.09.08 |
| 오픈AI의 GPT-5 공개, 확실히 달라졌다?! GPT-5 성능과 논란, AGI 가능성까지 한 방 정리해드립니다! (안될과학 약X안될공학 에러) [안될과학] (1) | 2025.09.05 |