AI 요약
과학적 발견 프로세스를 가속화하기 위해 Google Cloud AI Research, Google DeepMind, 스탠퍼드 대학교 의과대학 등 글로벌 연구진이 Gemini 모델 기반의 멀티 에이전트 AI 시스템인 'Co-Scientist'를 구축하여 Nature지에 공개했습니다. Co-Scientist는 복잡한 과학 문제에 대해 연구 목표와 기존 과학적 근거를 바탕으로 입증 가능한 신규 연구 가설을 생성하는 자율형 시스템입니다. 가설을 스스로 생성, 비판, 정제하는 에이전트들이 유기적으로 작동하며, 테스트 시간 컴퓨팅(Test-time compute) 확장을 통해 가설의 질을 지속적으로 향상시키는 토너먼트 진화 프로세스를 도입했습니다. 연구진은 약물 재창출, 신규 표적 발견, 항생제 내성 메커니즘 규명이라는 세 가지 생의학 분야에서 시스템을 검증했습니다. 특히 급성 골수성 백혈병(AML)에 대한 약물 재창출 후보 물질과 병용 요법을 도출하고 이를 체외(in vitro) 실험으로 성공적으로 검증함으로써, AI가 강화하는 과학 연구 시대의 새로운 패러다임을 제시했습니다.
핵심 인사이트
- Gemini 기반의 멀티 에이전트 아키텍처: Google의 Gemini를 핵심 동력으로 삼아 과학적 사고와 가설 수립 과정을 체계적으로 수행하는 다중 에이전트 시스템을 구축했습니다.
- 실제 생의학 실험을 통한 검증 완료: 급성 골수성 백혈병(AML) 치료를 위한 신규 약물 조합 및 병용 요법 후보를 발굴하고, 이를 실제 in vitro(체외) 실험을 통해 검증했습니다.
- 글로벌 다기관 공동 연구 성과: Google Cloud AI Research(스위스 취리히), Google DeepMind(미국 마운틴뷰), 스탠퍼드 의과대학, 휴스턴 메소디스트, 임페리얼 칼리지 런던 등 IT와 바이오 분야의 선두 기관들이 대거 참여했습니다.
- 3가지 핵심 생의학 응용: 약물 재창출(Drug repurposing), 신규 표적 발견(Novel target discovery), 항생제 내성(Anti-microbial resistance) 메커니즘 규명에 중점을 두고 기술력을 검증했습니다.
주요 디테일
- 비동기 작업 실행 프레임워크: 컴퓨팅 자원의 스케일링을 유연하게 조절할 수 있도록 비동기식으로 작업을 실행하는 설계를 도입해 효율성을 높였습니다.
- 토너먼트 진화 프로세스(Tournament Evolution): 생성된 가설들을 상호 평가하고 선별하는 진화 알고리즘을 적용해 가설의 고유성과 실현 가능성을 자율적으로 개선합니다.
- 테스트 시간 컴퓨팅 스케일링 효과: 자동 평가 결과, 모델 추론 시 투입하는 컴퓨팅 자원(Test-time compute)을 늘릴수록 생성되는 가설의 품질이 우상향하며 정교해지는 것을 확인했습니다.
- 공동 기여 연구진: Juraj Gottweis, Wei-Hung Weng, Alexander Daryin, Tao Tu 등 다양한 분야의 AI 연구원들이 공동 제1저자로 참여하여 융합 연구의 완성도를 높였습니다.
향후 전망
- AI 기반 과학자(AI-empowered scientists) 시대의 도래: AI가 단순한 데이터 분석 도구에 머무르지 않고, 독창적인 가설을 제시하는 실제 연구 협력 파트너로서 자리 잡을 것입니다.
- 신약 개발 프로세스의 혁신적 단축: 막대한 시간과 비용이 소요되는 초기 후보 물질 발굴 및 기전 규명 단계를 가속화하여 난치병 치료제 개발 속도를 획기적으로 줄일 것으로 기대됩니다.