이 요약에서는 Google DeepMind의 Science & Strategic Initiatives 팀 책임자인 Pushmeet Kohli와의 인터뷰를 바탕으로, AI가 어떻게 과학의 가장 어려운 문제를 해결하는지 생생하게 전해드립니다. AlphaFold, AlphaEvolve, AlphaEarth 등 대표적인 혁신 사례와 함께, 팀의 연구 프레임워크, 다양한 임팩트, 팀 워크, 그리고 누구나 활용할 수 있는 AI 코과학자(Co-scientist) 같은 미래 과학 도구의 비전까지 쉽고 친절하게 정리했습니다. 지금 과학계에서 AI가 어떻게 실질적인 패러다임 변화를 이끈다고 평가받는지, 인용구와 함께 빠짐없이 살펴보세요!
1. 딥마인드의 최근 Alpha 혁신과 AI의 진화
이번 대화는 "딥마인드의 과학 혁신 속도가 엄청나게 빠르다"는 진행자의 인상과 함께 시작합니다. 최근 3개월 사이 세 가지 주요 Alpha 시리즈 모델이 공개됐는데, 각각의 임팩트와 구체적인 성과를 Pushmeet Kohli가 직접 설명합니다.
"단순한 점진적인 개선을 찾고 있는 게 아닙니다. 우리는 정말로, 인류에 변혁적인 영향을 미칠 목표를 찾고 있습니다."
대표적 사례로 언급된 AlphaEvolve는 데이터센터 최적화부터 Gemini 훈련 속도 개선까지 폭넓은 최적화 문제를 해결하며 큰 주목을 받았습니다. AlphaGenome은 인간 유전체 해독에 초점을 맞췄으며, AlphaEarth는 행성 규모에서 일어나는 다양한 현상을 원격탐사 데이터를 바탕으로 파악하게 해줍니다.
AlphaEarth에 대해선 다음과 같이 비유됩니다.
"AlphaEarth는 Google Earth처럼 다양한 정보를 통합해 전 세계 누구나 쉽게 지구를 이해할 수 있게 하듯, 원격탐사 위성 데이터 등을 하나의 의미적 표현으로 결합해 지구 규모의 변화를 이해하고, 속성 정보를 전파해 예를 들어, '이 지역에 특정 종이 서식한다면, 비슷한 환경의 다른 지역도 추론할 수 있게' 해줍니다."
이처럼 딥마인드는 한두 분야에 머물지 않고, 광범위한 문제 영역에서 AI의 가능성을 시험하고 있습니다.
2. 혁신 연구를 고르는 딥마인드의 '선정 공식'
딥마인드가 다양한 도메인에서 세계 최고 수준의 성과를 낼 수 있었던 배경에는 체계적인 연구 주제 선정 프레임워크가 있습니다.
"우리가 풀고자 하는 문제는 반드시
- 인류에 변혁적인 영향이 있을 것,
- 모두가 5~10년 이내는 못 풀 거라고 생각하는 것,
- 하지만 우리는 절반 이하의 시간 안에 풀 수 있다고 믿는 것, 이 세 가지 조건을 충족해야 합니다."
단순한 진보가 아니라, 지금은 물리적으로, 혹은 지적으로 불가능하다고 여겨지는 문제에 도전합니다. 예를 들어 과거 AlphaFold 출시 전에는 하나의 단백질 구조를 찾는 데 "수년과 수백만 달러가 걸렸지만", AI가 이 과정을 "몇 초, 몇십 원 만에" 대체하며 패러다임을 뒤집었습니다.
3. 다양한 임팩트: 과학, 상업, 사회
딥마인드 과학팀이 이룬 혁신은 세 가지 차원의 임팩트로 구분합니다.
3.1. 과학적 임팩트
"AlphaFold는 가장 많이 인용된 논문 중 하나가 됐고, 2024년에는 Demis와 John이 노벨상을 받았습니다." "약 4년 만에 과학계에 엄청난 영향을 줬죠."
단백질 구조 예측의 혁신은 신약 개발, 인간 건강, 생명 자체 이해에 핵심적인 돌파구를 마련했습니다.
3.2. 상업적 임팩트
AlphaEvolve는 구글 전체 컴퓨트 자원의 0.7%를 절감하며 수천억 원의 실질적 이익을 냈습니다.
"AlphaEvolve는 기존 어떤 컴퓨터 과학자도 못 풀던 데이터센터 최적화 문제를 해결했습니다. 아울러 Gemini 훈련 속도도 크게 높였죠."
수학 문제 풀이 등에서는 "문제의 75%에서 최고수준 해법, 20%는 아예 더 나은 해법"을 찾았습니다.
3.3. 사회적 임팩트
SynthID는 생성형 AI 콘텐츠(텍스트, 이미지, 비디오)에 '티 안 나는 워터마크'를 심어, 사용자가 "이게 진짜인지, AI가 만든 건지" 구분할 수 있도록 했습니다.
"이런 방식의 워터마킹은 구글이 거의 최초로, 생성AI가 만들어낸 모든 콘텐츠에 적용하고 있습니다."
4. AGI(범용인공지능)와 팀워크·기술 융합
딥마인드는 "범용성이 높은, 더 강력한 AI"를 전제로, 이런 자원을 무엇에 쓸 것인지에 집중합니다.
"우리의 역할은 그 모든 진보를 '다음의 불가능한 것'을 해결하는 데 활용하며, 인류를 위한 혜택으로 돌리는 것입니다."
AI의 발전이 가능케 하는 새로운 도전과제에 집중하는 만큼, DeepMind와 Gemini 개발팀 간 기술 및 데이터 공유, 테크 트랜스퍼가 활발히 이뤄집니다. 프로젝트마다 "최신 아키텍처, 평가 프레임, 훈련 데이터 구성 등에서 긴밀한 협업"이 이뤄지는 것이 특징입니다.
예를 들어 IMO(국제수학올림피아드) 프로젝트는 AlphaProof, AlphaGeometry와 같은 도메인 특화형 모델에서, 일반화된 Gemini 기반 DeepThink 모델로의 기술 전환 과정을 보여줍니다.
"지난해까진 AlphaProof, AlphaGeometry처럼 도메인 특화 모델이었지만, 올해 DeepThink 모델에선 '영어로 쓴 유형표현'만으로 IMO 금메달을 달성했어요. 이젠 누구나 접근 가능한, 거의 범용 모델입니다."
5. 수학·논증 AI에서 범용 'DeepThink'까지: 기술 일반화와 데이터 활용
지난 IMO에서는 "은메달로 1점 차이 금메달에 도전"했으나, 주로 AlphaProof/AlphaGeometry라는 맞춤형 모델을 활용했습니다.
AlphaProof는 수학 문제를 Lean이라는 포멀 언어로 변환해 공식 증명을 도출함으로써, 정답의 신뢰도를 보장했습니다.
"AlphaProof는 모든 문제를 포멀하게 명시하고, 만약 증명을 찾으면, 그게 정말로 수학적으로 검증된 답이라 보장할 수 있었어요."
이 모델들로부터 얻은 다량의 검증된 수학 데이터는 Gemini와 DeepThink 훈련에 쓰여 과제 해법의 범용성과 합리성을 키웠습니다.
"AlphaProof가 풀어낸 수백만 개 증명 데이터를 통해 Gemini도 이런 식의 사고와 답 찾기를 배울 수 있었죠."
현재 DeepThink는 "영문 자연어로 문제를 던져도 풀이가 가능"하며, 더이상 수동 번역이나 특수 도메인 언어가 필요 없게 되어, 누구나 사용할 수 있는 단계로 진화했습니다.
6. 접근성과 'AI 코과학자': 과학 혁신의 대중화
딥마인드는 인류 전체에 실질적 임팩트를 주려면, "AI 도구가 전 세계 누구나 쉽게 사용할 수 있어야 한다"고 믿습니다.
"AlphaFold로 지구의 거의 모든 알려진 단백질 구조를 예측해, AlphaFold Database에 올렸고, 전세계 누구든 클릭 한 번에 이용할 수 있습니다." "브라질, 아프리카 등 현지 연구자들도 각각 자신의 단백질을 넣어 결과를 얻어가며, 전 지구적 AI 민주화가 실현됐죠."
같은 취지로, AI 코과학자(Co-scientist)라는 새로운 패러다임도 그려집니다. 이 시스템은 하나의 모델이 여러 역할(가설제시자, 비평가, 편집자 등)을 동시에 맡아 "과학 연구의 전 과정"을 자동화/시뮬레이션하게 설계되었습니다.
"AI 코과학자는… Gemini가 여러 과학자 역할을 맡아 스스로 아이디어도 내고, 비판하고, 우선순위도 정하며, 마치 실제 과학팀처럼 연구를 진행하게 해줍니다." "박사가 없는 곳, 혹은 기존 방식으론 결코 손댈 수 없던 대담한 과학적 발상을 누군가 어디서나 시도할 수 있습니다."
실제 현직 과학자들이 "우리가 막 연구해서 논문 제출한 아이디어와 똑같은 대안을 코과학자가 도출했다"며 놀랄 만큼 실제 과학 현장과의 갭을 빠르게 메우고 있습니다.
"이런 경험이 반복돼 연구자들이 AI가 새로운, 심지어 자기 논문마저 참조하지 않고 아이디어를 제시한 걸 보고 놀라고 있습니다."
7. 미래 전망: '과학의 API', 그리고 누구나 과학자 되는 시대
딥마인드의 비전은 "과학을 위한 API"처럼, 전문성이 없던 사람도 AI의 도움으로 혁신적 연구와 결과를 만들어 낼 수 있도록 하는 것입니다.
"코딩에서 누가 소프트웨어를 만든다는 정의가 바뀐 것처럼, 과학에서도 기존과 전혀 다른 인재가 중요한 성취를 내는 시대가 올 겁니다." "문제는 결국 '문제 정의(specification)'에 있습니다. 우리가 AI와 개발자가 소통하는 훨씬 더 자연스러운 인터페이스를 구축할 때, AGI와 사용자가 진짜로 혁신을 이뤄낼 수 있다고 봅니다."
진행자는 농담 반 진담 반으로 "2026년 하반기에 'Science용 API'가 나오면 AI Studio에 바로 연결하자"고 제안하며 대담이 마무리됩니다.
마무리
딥마인드의 과학 혁신 전략은 단순한 문제 풀이가 아니라, AI를 통한 인류적 변혁에 초점을 맞춥니다. AlphaFold 같은 사례에서 보듯, 세상에 없던 방법으로 불가능하다고 여겨졌던 난제를 풀어내고, 그 성과를 과학계와 전 세계에 널리 공개함으로써 AI의 '진짜 의미 있는 영향'을 실현합니다. 앞으로 AI 코과학자 등으로 더 많은 이가 혁신의 주체가 될 것이며, 과학·기술 민주화의 시대가 더 가까워지고 있습니다. 🚀🌎