생성형 인공지능 모델은 환각에 빠지기 쉽고 허구적이거나 상상에 기반한 정보를 만들어낼 수 있습니다. 인공지능 관련 허위 정보가 급증하는 추세를 고려할 때, 이러한 경향은 결함으로 여겨집니다. 하지만 과학자들이 지구 맨틀과 같은 초고압 및 고온 환경을 재현하려다 의도치 않게 인공 다이아몬드를 만들어낸 것처럼, 환각 또한 새로운 약물 발견에 도움이 되는 것으로 입증되고 있습니다.
인공지능 환각과 새로운 화학 물질 발견
전문가들에 따르면 전 세계적으로 약 5백만 명이 항생제 내성과 관련된 사망에 이르는 것으로 추산되므로, 내성 세균 변종과 싸울 새로운 방법이 시급히 필요합니다. 맥마스터 대학교와 스탠퍼드 의과대학의 연구진은 생명을 위협하는 항생제 내성 세균에 대한 잠재적 해결책을 제시하는 새로운 모델을 개발했습니다.
이 모델의 이름은 SyntheMol이며, 스탠포드 연구 보고서에 따르면,
"신테몰은 항생제 내성 관련 사망의 주요 원인균 중 하나인 아시네토박터 바우마니의 내성 균주를 사멸시키기 위한 6가지 신약의 구조와 화학적 조성법을 개발했습니다."
출처: 스탠퍼드 대학교.
생의학 데이터 과학 부교수이자 이번 연구의 공동 저자인 제임스 조우는 공중 보건을 위해 가능한 한 빨리 새로운 항생제를 개발해야 할 필요성이 매우 크다고 말합니다. 연구진은 모델을 통해 개발된 새로운 화합물들을 실험을 통해 검증했습니다.
저우는 또한 그들의 가설은 효과적인 약물로 전환될 수 있는 잠재적인 분자가 많지만, 아직 테스트하거나 개발조차 하지 않은 분자가 많다는 것이며, 그렇기 때문에 자연에 존재하지 않는 분자를 만들기 위해 AI를 사용하려는 것이라고 언급했습니다.
SyntheMol은 새로운 가능성을 발견하고 있습니다
생성형 인공지능이 등장하기 전에는 연구자들이 항생제 개발을 위해 다양한 계산적 접근 방식을 사용했습니다. 그들은 알고리즘을 이용하여 약물 저장소를 검색하고, 죽이고자 하는 병원균에 효과가 있을 가능성이 있는 화합물을 찾아냈습니다.
이 방법을 통해 연구진은 이미 알려진 1억 개의 화합물을 걸러낼 수 있었고, 이 또한 결과를 도출했지만, 박테리아에 도움이 될 수 있는 모든 화학 화합물을 찾아내는 심층적인 과정은 아니었습니다.
이번 연구의 공동 주저자이자 스탠포드 대학교 계산과학 박사dent 카일 스완슨은 화학적 가능성의 영역이 엄청나게 크다고 말합니다.
"사람들은 잠재적인 약물 유사 분자가 약 1060개에 달할 것으로 추정합니다. 따라서 1억 개로는 그 전체 영역을 포괄하기에는 턱없이 부족합니다."
출처: 스탠퍼드 대학교
서두에서 언급했듯이, AI의 환각 경향은 신약 있으며, 이제는 기존 방식으로는 만들 수 없었던 화합물까지 만들어내고 있다고 스완슨은 말합니다. 연구진은 또한 모델이 상상하는 모든 분자를 인공적으로 개발할 수 있도록 모델에 안전장치를 마련해야 했습니다.
저우는 이 모델이 인간이 알지 못했던 새로운 분자를 설계함으로써 화학 분야의 완전히 새로운 영역을 가르쳐주고 있다고 말합니다. 저우는 또한 스완슨과 함께 이 모델을 심장 질환 치료제 개발 및 실험실 연구를 위한 새로운 특성을 가진 형광 분자 생성에 활용할 수 있도록 개선하고 있습니다.
