[태그:] GPT-Rosalind

  • AI 과학의 새 분업: GPT-Rosalind와 Claude가 가설과 후보를 설계하다

    AI 과학의 새 분업: GPT-Rosalind와 Claude가 가설과 후보를 설계하다

    OpenAI와 Anthropic이 하루 차이로 AI를 활용한 생물학 연구 성과를 잇달아 공개했다. OpenAI의 GPT-Rosalind는 AI 에이전트 1,946개를 병렬 실행해 쥐 뇌세포의 대규모 유전자 실험 데이터를 32분 만에 분석했고, Anthropic의 Claude는 전갈 신경독소에 결합하는 단백질 후보를 설계해 실험으로 검증하는 접근을 보여줬다. 두 사례는 AI 과학이 가설 생성과 후보 설계라는 탐색 단계에서 빠른 속도로 성과를 내고 있다는 공통점을 드러낸다.

    병렬 분석과 대규모 후보 설계

    GPT-Rosalind는 기존 연구에서 확인된 발견 55개 가운데 48개를 재발견하거나 더 구체화했다. 여러 에이전트가 기존 실험 데이터를 동시에 분석하는 방식은 연구자가 축적된 자료에서 새 가설을 도출하는 과정의 탐색 범위를 넓혔다. OpenAI의 발표에 따르면 이 시스템은 기존 실험 데이터를 바탕으로 새로운 생물학적 가설을 도출했다.

    Claude의 사례는 생성 단계를 넘어 설계와 선별에 초점을 두었다. Anthropic은 AI를 이용해 전갈 신경독소 바인더 후보 318,484개를 설계한 뒤 211개를 실제 실험했고, 17개가 엄격한 결합 기준을 통과했다. AI가 설계한 단백질을 실험실에서 검증한다는 구성이 핵심이다.

    가설 생성 이후에는 실험이 병목

    AI 과학은 과학적 발견의 전 과정을 대체하는 단계에 진입한 것이 아니라, 방대한 가설과 후보를 생성하고 선별하는 역할을 맡기 시작했다는 점에 의미가 있다. 후보를 만드는 속도는 빨라졌지만, 이를 실제 과학적 발견이나 치료제로 연결하는 실험과 검증은 여전히 병목으로 남아 있다.

    이 구조에서 연구자의 역할은 AI가 제시한 방대한 탐색 결과를 실제 과학적 주장으로 전환하는 데 집중된다. 탐색의 규모와 재현 속도는 AI 과학의 강점이지만, 후보의 신뢰성과 활용 가능성을 가르는 기준은 여전히 실험에서 마련된다. 두 연구 발표를 정리한 원문은 서로 다른 방식으로 접근한 AI 과학의 사례를 함께 보여준다.