기술/연구

“인간 의사 절대 대체 못한다?” AI 생명과학 성적표 공개

댓글 0 · 저장 0 · 편집: 이도윤 기자 발행: 2025.08.07 01:27

기사 3줄 요약

1 AI, 생물학 유전자 예측에서 뚜렷한 한계 드러내
2 복잡한 유전자 시너지 예측 못 해 단순 모델보다 부진
3 AI 만능론 경계, 인간 전문가와 협업 중요성 커져

인공지능(AI)이 플라스틱을 소화하는 효소를 설계하고, 뱀의 독을 막는 단백질을 만드는 등 생물학 분야에서 연일 놀라운 소식을 전하고 있습니다. 이런 분위기 속에서 AI가 모든 생물학 문제를 해결해 줄 것이라는 기대감이 커졌습니다. 하지만 최근 AI가 아직 생물학의 복잡성을 완전히 이해하지 못한다는 사실을 보여주는 연구 결과가 나와 주목받고 있습니다.

그래서, AI가 뭘 틀렸다는 거야?

독일 하이델베르크 연구진이 발표하고 권위 있는 학술지 '네이처 메소드(Nature Methods)'에 실린 연구에 따르면, 최신 AI 모델들이 특정 유전자 활동을 예측하는 데 한계를 보였습니다. 연구진은 유전자 가위 기술(CRISPR)로 특정 유전자의 활동을 바꿨을 때 다른 유전자들이 어떻게 변할지 AI에게 예측하도록 했습니다. 이는 질병 치료나 신약 개발의 핵심 과정으로, AI가 세포의 복잡한 작동 원리를 얼마나 잘 이해하는지 가늠하는 시험대였습니다. 쉽게 말해, AI에게 생물학 핵심 원리에 대한 쪽지시험을 본 셈입니다.

결과는 처참? AI의 민낯

놀랍게도 AI 모델들의 예측 정확도는 매우 실망스러웠습니다. 심지어 단순히 ‘아무 변화가 없을 것이다’ 또는 ‘각 유전자의 효과가 단순히 더해질 것이다’라고 예측한 아주 기본적인 모델보다도 성과가 좋지 않았습니다. 특히 AI는 여러 유전자가 함께 작용해 1+1이 3이 되는 것과 같은 ‘시너지 효과’를 거의 예측하지 못했습니다. 이는 AI가 아직 생명 현상의 복잡하고 미묘한 상호작용을 파악하는 데 근본적인 어려움을 겪고 있음을 의미합니다. AI의 현재 한계와 해결 방안은 아래 표와 같습니다.

한계 (Limitations)	해결 방안 (Solutions)
생물학적 복잡성 (Biological Complexity)	더 많은 생물학적 의미 있는 데이터 확보, 하이브리드 모델 개발
블랙박스 (예측 근거 불투명성)	설명가능 AI(XAI) 기술 활용, 수학적 모델링 결합
과적합 (Overfitting)	다양한 데이터 확보, 데이터 편향을 줄이는 기술 적용

그럼 AI, 그냥 거품이었던 걸까?

이번 연구 결과가 AI가 생물학 분야에서 쓸모없다는 뜻은 아닙니다. 단백질 구조를 예측하는 ‘알파폴드’처럼 특정 분야에서는 이미 엄청난 성공을 거두고 있습니다. 다만 이번 연구는 AI 만능론에 대한 중요한 경고 메시지를 던집니다. AI의 성공에 대한 과도한 기대를 경계하고, AI가 아직 풀지 못하는 문제가 무엇인지 명확히 알아야 한다는 것입니다. 결국 AI는 인간 전문가를 대체하는 것이 아니라, 인간의 연구를 돕는 강력한 도구로서 함께 발전해 나갈 때 진정한 가치를 발휘할 것입니다.

편집자: 이도윤 기자

제보·문의: aipick@aipick.kr