AI와 재료 과학의 만남: 자동화된 검색의 가능성과 함정
브랜드 인지도를 높일 준비가 되셨나요? 이 페이지를 방문하여 AI 임팩트 투어의 후원자가 될 수 있는 가능성을 살펴보고 다양한 옵션을 알아보세요.
지난주 캘리포니아 버클리 대학교 연구팀은 인공지능(AI)과 로봇 공학을 사용하여 새로운 물질의 발견과 합성을 가속화하는 것을 목표로 하는 “자율 실험실” 또는 “A-Lab” 논문 을 Nature 저널에 발표하여 큰 기대를 모았습니다.
A-Lab은 컴퓨터 모델링, 기계 학습, 자동화 및 자연어 처리 분야의 최첨단 방법을 통합하여 과학적 조사에서 인공지능의 혁신적 잠재력을 구상하는 “자율 주행 실험실"로 지정되었습니다.
그럼에도 불구하고 논문이 발표된 지 얼마 지나지 않아 논문에서 묘사된 일부 비판적 주장과 결과에 대한 의문이 제기되기 시작했습니다.
X-선 결정학 분야에서 수십 년의 경력을 쌓은 유니버시티 칼리지 런던의 무기화학 및 재료과학 교수인 로버트 팔그레이브는 A-Lab이 주장하는 성공의 증거로 제공된 데이터와 분석에서 발견한 불일치에 대해 X(이전 트위터)에 건의 기술적 문제 을 제기했습니다.
팔그레이브는 A-Lab의 인공지능이 분말 X선 회절(XRD)을 통해 확인한 합성 물질의 식별에 여러 가지 오류가 있는 것으로 드러났으며, 새로 생성된 특정 물질이 이전에 확인된 것으로 밝혀졌다고 주장했습니다.
인공지능의 유망한 시도와 그 함정
인공지능에 의한 X선 회절(XRD) 데이터 분석에 대한 팔그레이브의 우려는 이 플랫폼과의 인터뷰와 Nature지와의 신랄한 서신을 통해 표출되었습니다. XRD 데이터를 해석하는 인공지능의 접근 방식은 물질의 구성을 이해하기 위해 물질의 분자 지문을 얻는 것과 비슷합니다.
XRD는 최첨단 사진 장치와 유사하게 작동하여 물질 내의 원자 수준에서 이미지를 캡처할 수 있습니다. 엑스레이에 노출되면 원자는 분산되어 독특한 패턴을 형성하고, 이를 전문가가 해독하여 표면에 드리워진 그림자를 통해 물체의 윤곽을 식별하는 것과 유사하게 해독합니다.
어린아이들이 그림자 인형을 이용해 다양한 생물의 실루엣을 재현하는 것을 연상시키는 방식으로 연구자들은 물질의 모형을 만든 다음, 이 모형이 실험에서 얻은 것과 일치하는 X-선 스펙트럼을 생성하는지 여부를 조사합니다.
팔그레이브의 관찰에 따르면 AI의 모델과 실제 데이터 사이에 불일치가 있었으며, 이는 AI가 정보를 해석할 때 과도한 예술적 라이선스에 빠져들었을 수 있다는 추론으로 이어졌습니다.
팔그레이브의 비판은 이 연구의 근본적인 결점은 새로 개발된 물질을 식별하는 데 필요한 최소한의 경험적 엄격성 기준을 준수하지 못했기 때문에 41개의 전례 없는 합성 무기 고체의 생산에 관한 핵심 주장의 진실성에 의문을 제기했습니다.
팔그레이브는 Nature와의 서신에서 이용 가능한 증거가 도출된 추론을 확증하지 못하는 수많은 사례를 제시했습니다. 실제로 X선 회절(XRD) 측정값을 이론적 예측과 일치시키기 위해 사용된 계산이 관찰된 패턴과 크게 벗어나는 경우가 있었으며, 이는 이 연구에서 제기된 주요 주장, 즉 새로운 물질이 실제로 합성되었다는 주장의 진실성에 대해 상당한 의구심을 불러일으켰습니다.
팔그레이브는 과학적 노력에 인공 지능을 통합하는 것에 대한 지지를 유지하면서도 현재의 기술력으로 그러한 작업을 완전히 독립적으로 수행할 수 있는 가능성에 대해서는 회의적인 입장을 표명했습니다. 그는 이러한 과정에서 정확성과 신뢰성을 보장하기 위해서는 “어느 정도의 인간적 감독"이 필수적이라고 주장합니다.
팔그레이브는 “이러한 시스템에서 생성된 모델은 실제 데이터와 전혀 닮지 않는 경우가 많다"고 솔직하게 평가했습니다. 이러한 극명한 차이는 인공지능의 독자적인 노력이 의도한 목표에 미치지 못했을 수 있으며, 보다 정확한 결과를 얻기 위해서는 인간 전문가의 도움이 필요했을 수 있음을 시사합니다.
AI의 상승세에서 인간의 손길
회의론의 물결에 대응하기 위해 버클리의 세더 그룹 대표인 거브랜드 세더는 LinkedIn 게시물 를 통해 논쟁에 뛰어들었습니다.
Ceder는 팔그레이브가 지적한 단점을 인정하고 제공된 정보에 대한 그들의 의견에 감사를 표했습니다. 또한 이 답변에서 팔그레이브의 특정 우려 사항을 해결하고자 합니다. 그러나 기초를 마련했음에도 불구하고 추가 분석을 위해서는 전문가의 비판적 평가가 필요합니다.
Ceder의 업데이트는 적절한 원소로 구성된 화합물을 합성하는 데 있어 AI의 효율성을 강화하는 새로운 증거를 제시했습니다. 그럼에도 불구하고 그는 “사람이 이러한 시료에 대해 더 우수한 품질의 XRD 정제를 수행할 수 있다"고 인정하며 현재 AI의 제약이 있음을 암시했습니다.
Ceder는 이 논문의 주된 목적이 절대적인 정확성을 주장하는 것이 아니라 독립적인 실험실의 능력을 보여주는 것이라고 강조했습니다. 또한 철저한 조사를 통해 보다 광범위한 평가를 수행하기 위해 추가적인 분석 기법이 필요하다는 사실이 밝혀졌습니다.
대화는 다시 소셜 미디어로 이어졌고, 팔그레이브 와 프린스턴대 레슬리 숩 교수가 세더 그룹의 대응에 무게를 실어주었습니다. 이들의 주고받는 대화는 핵심적인 시사점을 강조했습니다: AI는 재료 과학의 미래를 위한 유망한 도구이지만, 아직 단독으로 사용할 준비가 되어 있지 않다는 것입니다.
팔그레이브와 그의 팀은 합성된 화합물의 종합적인 특성 분석을 목표로 XRD 결과에 대한 후속 분석을 수행할 예정입니다.
과학 분야에서 인공지능과 인간의 파트너십 탐색
이 실험적 시도는 과학적 탐구를 추구할 때 인공지능의 유용성과 관련된 능력과 제약을 설명함으로써 경영진 및 기업 리더십의 영역에서 권위를 가진 개인에게 유익한 본보기가 될 수 있습니다. 이 연구는 인공지능의 신속한 능력과 전문 지식과 전문성을 갖춘 노련한 전문가의 세심한 지도를 조화롭게 통합하는 것이 매우 중요하다는 점을 강조합니다.
AI는 한때 인간 전문가의 전유물로 여겨졌던 방대한 데이터 분석의 부담을 덜어줌으로써 과학적 탐구를 혁신할 수 있는 능력을 입증했습니다. 그러나 인공지능 시스템은 숙련된 조사자만이 식별할 수 있는 미묘한 차이를 구분하는 데 필요한 기교가 아직 부족하다는 점을 인식하는 것이 중요합니다. 이러한 결론은 예리한 통찰력으로 우리의 작업을 면밀히 검토하고 잠재적인 개선 사항을 파악한 동료인 팔그레이브 박사와 슈프 씨가 제공한 피드백을 통해 뒷받침됩니다. 이와 관련하여 저희는 이들의 평가에 동의하며, 이러한 제안을 반영하여 접근 방식을 더욱 개선할 수 있기를 기대합니다.
앞으로의 미래는 인공지능과 인간의 지능이 시너지 효과를 발휘하는 시대가 될 것입니다. 일부 결함에도 불구하고 Ceder 그룹의 실험은 과학 발전에서 AI의 역할에 대한 본질적인 논의를 촉발시켰습니다.기술은 한계를 뛰어넘을 수 있지만, 우리가 올바른 방향으로 나아갈 수 있도록 하는 것은 인간의 경험에서 우러나오는 지혜라는 것을 상기시켜 줍니다.
이 실험은 재료 과학 분야에서 AI의 잠재력을 증명하는 동시에 경각심을 일깨워주는 사례입니다. 연구자와 기술 혁신가들이 AI 도구를 개선하여 지식을 탐구하는 데 있어 신뢰할 수 있는 파트너가 될 수 있도록 노력해야 한다는 경각심을 일깨워줍니다. 과학 분야에서 AI의 미래는 참으로 눈부시지만, 세상의 복잡성을 깊이 이해하는 사람들의 손에 의해 안내될 때 가장 밝게 빛날 것입니다.