현대 과학이 지식의 파편화와 전문화로 인해 혁신의 병목에 직면한 가운데, 아스테로모프의 이민형 대표가 AI가 스스로 과학적 발견을 수행하는 ‘AI 과학자’의 가능성과 생명과학 분야의 미래 전략을 공유했습니다.
국가 AI 연구거점(NAIRL)과 카이스트 김재철 AI 대학원은 지난 28일 서울 AI 허브에서 이민형 아스테로모프 대표를 연사로 초청해 ‘AI를 통한 생명 진화의 가속화(Accelerating Life Evolution with AI)’를 주제로 석학 세미나를 개최했습니다. 이번 행사에는 서울 AI 허브 현장에 150여 명, 온라인을 통해 140여 명이 참석해 총 290여 명이 함께했습니다.
이 대표는 강연에서 기존 거대언어모델(LLM)이 주어진 추측을 해결하는 것에는 강점을 보이지만, 과학 연구처럼 무엇이 올바른 질문이고 어떤 가설이 타당한지 스스로 판단해야 하는 개방형 문제에는 여전히 한계가 있다고 진단했습니다. 그는 특히 생명과학을 대표적인 복잡계 학문으로 지목하며, 방대한 문헌과 실험 데이터 속에서 새로운 생물학적 기전을 발견하고 검증하는 과정이 AI 과학자의 핵심 도전 과제라고 설명했습니다.
아스테로모프는 이러한 문제를 해결하기 위해 범용 과학 추론 언어모델 ‘스페이서(Spacer)’를 개발하고 있습니다. LLM의 과학연구 역량을 평가하기 위한 벤치마크 ‘Frontier Science Research’에서 스페이서는 오픈AI의 GPT-5.2, 앤트로픽의 Opus 4.6 등 글로벌 모델 대비 큰 격차로 1위의 성능을 달성하였습니다.
이 대표는 이어 아스테로모프가 추진 중인 ‘자율과학시스템(Autonomous Scientific System)’의 방향도 소개했습니다. 자율과학시스템은 특정 과학 문제 영역에 대해 AI가 스스로 가설을 생성하고, 실험을 설계하며, 데이터 분석과 피드백을 반복하도록 설계된 파이프라인입니다. 이어서, 스페이서는 자율과학시스템의 두뇌 역할을 하는 것이 목적이라고 밝혔습니다. 그는 이를 통해 AI가 단순한 논문 검색이나 요약을 넘어, 실제 연구 과정에 가까운 방식으로 과학적 발견을 가속할 수 있다고 설명했습니다.
특히 그는 생명과학 분야에서 아직 알려지지 않은 생물학적 기전을 규명하는 ‘발견(Discovery)’과, 기존 지식을 새롭게 조합해 치료 전략이나 생명공학적 방법론을 창출해내는 ‘발명(Invention)’을 구분해 소개했습니다. 발명의 영역에서는, AI가 방대한 논문과 지식 체계 속에서 인간 연구자가 놓치기 쉬운 연결 가능성을 탐색함으로써, 새로운 방법론을 도출할 수 있다고 설명했습니다. 또한, 이미 아스테로모프의 AI가 자율적으로 제안한 새로운 질병 치료 전략 여러 건에 대해, 외부 의학연구소와 협력하여 실험검증 단계에 진입했다고 설명했습니다.
강연에서는 아스테로모프의 장기 비전인 ‘더 라이브러리 프로젝트(The Library Project)’도 소개됐습니다. 이는 AI가 자율적으로 규명한 생물학적 기전들을 축적하고 공개하는 대규모 지식 저장소를 목표로 하는 프로젝트로, 단백질 구조 예측에서 구글 딥마인드의 알파폴드 DB가 만든 변화를 생물학적 기전 이해의 영역으로 확장하겠다는 구상입니다.
이어진 Q&A 세션에서는 KAIST 및 국가 AI 연구거점 연구자들의 질문이 이어졌습니다. 참석자들은 AI가 스스로 중요한 연구 질문을 선택할 수 있는지, 생성된 과학 아이디어의 혁신성을 어떻게 평가할 수 있는지, 자율과학 시스템에서 멀티에이전트 구조와 데이터 인프라가 어떤 역할을 하는지 등에 대해 질의했으며, 이 대표는 실제 연구개발 과정에서의 고민과 기술적 접근법을 바탕으로 구체적인 답변을 공유했습니다.
국가 AI 연구거점은 앞으로도 글로벌 수준의 AI 연구자, 창업가, 산업계 리더들과의 지속적인 교류를 통해 국내 연구진이 최첨단 AI 기술을 기반으로 과학적 발견과 산업적 혁신을 함께 이끌어갈 수 있는 생태계 조성에 앞장설 계획입니다.
