화학 혁신에서 AI의 장애물: 폴라니 역설의 영향
여기서 보도된 바와 같이, 2023년 AI는 생명공학, 의료, 금융, 교육 등 다양한 산업에 혁신을 가져왔습니다. 그러나 AI 역시 많은 도전에 직면해 있으며, 아래 네이처(Nature) 사설은 화학 합성에 AI와 자동화 시스템을 활용하는 진전이 더딘 점을 논의합니다. 이 논의는 AI 활용 전반에 중요한 교훈을 제공하며, 폴라니 역설(Polanyi paradox)이 AI 주도 혁신의 주요 장애물임을 시사할 수 있습니다.
인공지능을 활용한 신규 및 개선된 화학 합성 공정 개발 시 주요 도전 과제는 다음과 같습니다:
- 기존의 인공지능 출력 테스트 자동 시스템은 인간 화학자에 비해 제한된 범위의 화학 반응만 시도할 수 있다
- 충분한 데이터 부족
- 부정적 결과(예: 효과가 없었던 반응 조건 등)에 대한 데이터 부족
로봇공학의 향후 발전은 더 포괄적인 범위의 화학 반응을 테스트할 수 있는 자동화 시스템을 확실히 제공할 것이며, AI 시스템 훈련에 활용 가능한 데이터의 양은 지속적으로 증가하고 있다. AI 모델에 필요한 방대한 데이터에 대한 일반적인 요구는 AlphaFold와 같은 특수화된 AI 시스템의 개발을 통해 해결될 수도 있다.
그러나 부정적 데이터 부족 문제는 과학 저널에서 부정적 데이터를 거의 발표하지 않기 때문에 해결하기 어려울 수 있다. 화학자들은 "오픈 반응 데이터베이스"와 같은 노력을 통해 이 문제를 해결하려 하고 있지만, 여전히 상당한 장애물로 남아 있다.
부정적 데이터 문제는 과학적 혁신에서 인공지능이 직면한 더 근본적인 문제점을 지적하는데, 이는 종종 동명의 과학 철학자 이름을 따 폴라니 역설(Polanyi Paradox)이라 불린다. 폴라니에 따르면 과학적 발견은 경험으로 습득되고 무의식적으로 내면화된 개인적 지식에 의존한다. 폴라니 역설은 "우리는 말할 수 있는 것보다 더 많이 알 수 있다"고 요약될 수 있다.
부정적 데이터 포인트는 종종 내면화되고 표현되지 않은 경험으로, 개인이나 과학자 집단의 개인적 지식의 일부가 된다. 따라서 혁신에 중요한 정보, 통찰력, 경험은 AI 모델이 학습할 수 있는 언어적 형태나 명제적 형태로 표현되지 않을 수 있다. 부정적 데이터와 폴라니 역설은 결과적으로 특정 AI 응용 분야의 중대한 사각지대가 될 수 있으며, 과학적 발견이나 법률 문제 해결과 같은 인간 활동에 AI 모델을 활용할 때 반드시 인지해야 할 요소다. 네이처 편집부가 요구한 대로 인간 화학자보다 뛰어난 AI 모델이 되려면, 어떻게든 폴라니 역설을 극복해야 한다.
화학 분야 응용은 컴퓨터 모델이 최고의 인간 과학자보다 우수해야 한다. 데이터 수집 및 공유를 위한 조치를 취해야만 AI가 화학 분야에서 기대에 부응하고 희망보다 과대포장된 사례가 되는 것을 피할 수 있을 것이다.
참조 문서 보기
