“AI 과학자들이 연구 결과 두고 서로 논쟁하는 시대 올 것” 작성일 08-11 18 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">[Interview] 이제현 한국과학기술연구원(KIST) AIX 전략실장</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="B1G0FtFYjb"> <p contents-hash="b1e3810eb0501942b05ebba93e6f5ce2d969a00e809a760c6c72dc924b757065" dmcf-pid="btHp3F3GAB" dmcf-ptype="general">“사용할 수 있는 실험 도구가 아직 없을 뿐이지 시뮬레이션을 돌리거나, 코드를 짜고 테스트하는 것 등은 인공지능(AI)이 이미 잘하고 있다. 컴퓨터과학처럼 서버 안에서 모든 걸 해결할 수 있는 영역은 ‘AI 과학자’의 활동이 가장 쉬운 분야다.”</p> <p contents-hash="45dc968d8b00fab30f370dc59773423962f0c5a517f737539782aa84533c8a9d" dmcf-pid="KFXU030Hcq" dmcf-ptype="general">이제현 한국과학기술연구원(KIST) AIX 전략실장은 과학자로서 AI의 능력과 잠재력에 비교적 후한 점수를 줬다. 아직은 초기 단계지만 일부 영역에서는 이미 연구 과정 전반을 아우르는 능력을 발휘하고 있다는 설명이다. 여전한 할루시네이션(hallucina-tion·환각) 현상과 분야별 연구에 특화한 모델 개발 등 해결 과제도 산적해 있지만 “인간 과학자의 연구 결과도 무조건 믿고 수용하진 않는다”며 큰 문제가 되지 않는다는 입장이다.</p> <p contents-hash="68aa718a1c14f07689e0168796cc2b8c00da79bdc8830a9baa2d1c0b502767e2" dmcf-pid="93Zup0pXNz" dmcf-ptype="general">이 실장은 오스트리아 빈공대에서 고체물리학으로 박사 학위를 취득했다. 이후 서울대 재료공학부 연구교수를 거쳐 삼성전자 반도체연구소 3D 모델링 부서장을 역임하면서 AI 연구와 인연을 맺었다. KIST 합류 이전에는 한국에너지기술연구원에서 약 8년 동안 AI 도입 업무를 진두지휘했다. 이 실장은 AI 과학자의 활약이 유망한 분야로 제약·바이오, 화학, 소재 등을 꼽았다. 그는 “AI와 기초과학이 함께 성장해야 한다”고 강조했다. 다음은 일문일답.</p> <figure class="figure_frm origin_fig" contents-hash="f29705f0c7b208794160b213cf0fb0b6939928c929e74909eb75ca1e181e3fda" dmcf-pid="2057UpUZa7" dmcf-ptype="figure"> <p class="link_figure"><img alt="이제현 - 한국과학기술연구원(KIST) AIX 전략실장, 서울대 재료공학, 오스트리아 빈공대 고체물리학 박사, 전 서울대 재료공학부 연구교수, 전 삼성전자 반도체연구소부서장, 전 한국에너지기술연구원 에너지AI·계산과학실장 /사진 KIST" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/11/chosunbiz/20260811130410405ygtd.jpg" data-org-width="300" dmcf-mid="zy4Bz7ztc9" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/11/chosunbiz/20260811130410405ygtd.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 이제현 - 한국과학기술연구원(KIST) AIX 전략실장, 서울대 재료공학, 오스트리아 빈공대 고체물리학 박사, 전 서울대 재료공학부 연구교수, 전 삼성전자 반도체연구소부서장, 전 한국에너지기술연구원 에너지AI·계산과학실장 /사진 KIST </figcaption> </figure> <p contents-hash="e07b21b262f7f82922360c334951d64f4377e87f12f1cf04bcc7aba59a6463bb" dmcf-pid="Vp1zuUu5cu" dmcf-ptype="general"><strong>‘AI 과학자’가 일상 용어에 가까워졌다.</strong></p> <p contents-hash="704ec5c27ee4a35f9ea8bd140da68293b19c37a671ae823b2e73f6b1c0a13d65" dmcf-pid="fUtq7u71kU" dmcf-ptype="general">“처음엔 ‘AI 동료 과학자’라는 용어를 쓰더니, 어느새 그냥 ‘AI 과학자’라고 지칭하는 경우가 많아졌다. AI가 조력자 역할을 넘어서 아이디어도 내고, 연구를 주도적으로 이끌어 갈 수 있길 바라는 마음이 담긴 어휘 변화다.”</p> <p contents-hash="46e3fa7ab478e3f362841debe86bd04572bddd9245bd7f7fd728bec8c23d1bf2" dmcf-pid="4uFBz7ztjp" dmcf-ptype="general"><strong>그게 정말 가능할까. </strong></p> <p contents-hash="566c47f6d690a01115961ab10671b2c496828bf19dafe86cad24399c5cbba835" dmcf-pid="873bqzqFA0" dmcf-ptype="general">“아직 걸음마 단계지만, 컴퓨터과학을 비롯한 일부 영역에서는 이미 연구 과정 전반을 아우르는 능력을 발휘하고 있다. 거대 언어 모델(LLM) 기반의 범용 AI의 경우에도 시간이 지날수록 논리 추론 능력이 정교해졌고, 그러다 코드를 짜고 실행할 수 있는 능력이 생겼고, 주변과 통신할 수 있게 되면서 인간이 일을 맡길 수 있는 존재로 진화해 왔다. 여기에 더해 과학 실험의 전 과정을 이끌어가려면 스스로 의미 있는 가설을 수립할 수 있어야 하는데 조금씩 그런 방향으로 진화하고 있다.”</p> <p contents-hash="9a30ba6454a8259573ee7159a3f7a5051a92d5306bd8ed587c27b6ff236d5c92" dmcf-pid="6dQLiJiPk3" dmcf-ptype="general"><strong>범용 AI도 인간이 발견하지 못한 보안 결함을 찾아낼 만큼 발전했다. 특정 분야 연구에 적합한 방향으로 학습시키면 AI 과학자 역할을 할 수 있는 시대가 이미 온 걸까.</strong></p> <p contents-hash="8c0651bfa91c3c51fd2f20cdaa307c64aa95bd14e897f57f4ae6844bf6c1ce09" dmcf-pid="PJxoninQNF" dmcf-ptype="general">“AI가 사용할 수 있는 실험 도구가 아직 없을 뿐이지, 시뮬레이션을 돌리거나, 코드를 짜고 테스트하는 것 등은 이미 잘하고 있다. 컴퓨터과학처럼 서버에서 모든 걸 해결할 수 있는 영역은 AI 과학자의 활동이 가장 쉬운 분야다. 서버 밖으로 나가 실험실에 있는 분석 도구를 제어하고 장비를 돌리는 건 아직은 시간이 많이 필요하다.”</p> <p contents-hash="0f96460b33306883517ed275965f985e5564853d0d63005b4a6e0db115e763c4" dmcf-pid="QiMgLnLxAt" dmcf-ptype="general"><strong>피지컬 AI(Physical AI·자율주행차나 로봇 등 물리적 형태가 있는 AI) 기술이 더 발전하면 AI가 인간 연구자처럼 실험실 이곳저곳을 다니며 활약할 수도 있는 건가. </strong></p> <p contents-hash="70f69e2b9e7b4e074c0fde4574397d4e11c3285896617fe27fb1f8f5a124e3a0" dmcf-pid="xnRaoLoMA1" dmcf-ptype="general">“결국 그렇게 될 것으로 본다. 발전 속도가 워낙 빠르기 때문에 먼 미래의 일도 아닐것이다. 휴머노이드(인간형 로봇)는 아니지만, ‘로봇팔’이 실험실에서 인간과 협업하는 장면은 지금도 어렵지 않게 볼 수 있다.”</p> <p contents-hash="8a069ded9a0aa0c58a33381719e8f3cad2dcf9d959fa0ab7aaa83ef6924e99eb" dmcf-pid="y5Y3t1tWc5" dmcf-ptype="general"><strong>한계도 있을 것 같은데.</strong></p> <p contents-hash="9f7bcbdd84adf376b858c5e245037d3ad003f16f11363e730318467ab6603e8f" dmcf-pid="W1G0FtFYcZ" dmcf-ptype="general">“AI 모델 자체가 아직 충분히 똑똑하지 않다는 게 문제다.”</p> <figure class="figure_frm origin_fig" contents-hash="9ef6cc1b2a2f190fef0bc38590f9fc5f0dee53e1bad8d373ae233dea65724419" dmcf-pid="YtHp3F3GAX" dmcf-ptype="figure"> <p class="link_figure"><img alt="인간과 로봇이 연구실에서 함께 실험하고 있다. /사진 ABB" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/11/chosunbiz/20260811130411712opbs.jpg" data-org-width="750" dmcf-mid="qlarDEDggK" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/11/chosunbiz/20260811130411712opbs.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 인간과 로봇이 연구실에서 함께 실험하고 있다. /사진 ABB </figcaption> </figure> <p contents-hash="52091dd73197b92be803e40ca7c1dea9c92d77c80ad1ad7dd76a0e14ac3bfe72" dmcf-pid="GFXU030HaH" dmcf-ptype="general"><strong>인간이 해결할 수 없는 난제를 엄청나게 빠른 속도로 해결하는데도 그런가.</strong></p> <p contents-hash="1fffe2afd028d7994d2f34749cc541b9456bb46737030a4ff3b7d4601a65c385" dmcf-pid="H3Zup0pXNG" dmcf-ptype="general">“사람도 계속해서 말을 많이 하면 앞에 한 말을 잊어버리지 않나. AI도 ‘콘텍스트 윈도(context window)’라고 해서 한 번에 기억하고 처리할 수 있는 단기 기억 용량이 한계가 있다. 그래서 한동안 관련 용량을 늘리는연구가 활기를 띠었는데, 그렇게 했더니 복잡한 내용을 담을 수 있게 됐지만, 여기저기 ‘망각의 구멍’이 생겼다.”</p> <p contents-hash="0f26cc5fcb52a379cb8860a00b1da1b08f72ed9107785ba0b214650b0aabb219" dmcf-pid="X057UpUZoY" dmcf-ptype="general"><strong>할루시네이션 현상은 많이 줄었나.</strong></p> <p contents-hash="b70a8404b3f0186f7fe54233c60b8e767c69131c62938220acc06802d8b5274d" dmcf-pid="Zp1zuUu5cW" dmcf-ptype="general">“할루시네이션의 완전한 해결이 불가능하다는 건 수학적으로 증명이 됐다. 오픈AI가 2025년 9월에 관련 논문을 냈는데 ‘AI 모델 초기 학습을 잘못 시켰다’는 자기 고백적인 내용을 담고 있다. 쉽게 설명하면, AI 학습 과정에서 특정 문장 뒤에 적절한 단어를 선택했을 때 1점을 주고, 잘못된 선택을 했을 때 0점을 줬다는 얘기다.”</p> <p contents-hash="fc41a0d8545365daeb284ba8f8eb4aab0708ee219ec53875869e88e991bb0df4" dmcf-pid="5Utq7u71gy" dmcf-ptype="general"><strong>합리적인 평가 방식인 것 같은데. </strong></p> <p contents-hash="677d81ed3e5e2f5f0e9f6c2ac41ed6d8c08c2a50f456cebbb9e7269eb99486d5" dmcf-pid="1uFBz7ztAT" dmcf-ptype="general">“문제는 AI가 아무런 답을 안 해도 0점을 줬다는 거다. AI 입장에서 ‘밑져야 본전’이니 틀리더라도 자신 있게 뭐든 얘기할 유인을 준 셈이다. 그렇다면 예를 들어 적합한 선택을 하면 1점, 틀린 선택을 하면 마이너스 1점, 아무런 답을 안 하면 0점, 이런 식으로 재교육할 수도 있을 것 같은데, 풍선처럼 어느 한 부분을 누르면 다른 부분이 튀어나오고 하는 식으로 문제가 계속 생길 수밖에 없다는 결론에 이르렀다.”</p> <p contents-hash="fa502104f889df6e72a57b9a35e513f394d4a75b5de5fe0b59f931fadddeef27" dmcf-pid="t73bqzqFkv" dmcf-ptype="general"><strong>그렇다면 과학자로는 결격 사유 아닌가.</strong></p> <p contents-hash="18874133b811587c6d7c23e3a66e8899033c430bb56ff5bda2ff689a0ebd4932" dmcf-pid="Fz0KBqB3cS" dmcf-ptype="general">“인간 과학자의 연구 결과도 무조건 믿고 수용하진 않는다. 100% 믿고 맡길 거라면 검토와 절차라는 게 무슨 필요가 있는가. 인간 과학자가 뭔가 새로운 발견을 했다고 하면 ‘나도 한번 해볼까’ ‘나는 왜 그런 결과가 안 나오지’ ‘뭔가 잘못한 것 같은데 증명해봐’ 하는 식으로 다채로운 검증 시도가 이뤄진다. 과학은 늘 의심을 먹고 자란다. AI 과학자의 연구도 똑같은 과정을 거치게 될 것이다. AI 과학자의 연구 결과에 또 다른 AI 과학자가 의문을 제기하는 상황이 빈번해질 수도 있다.”</p> <p contents-hash="f061a5559469698f86c45456aad07de2a84ebd2f759b17ee2611e84481151502" dmcf-pid="33Zup0pXol" dmcf-ptype="general"><strong>과학 연구에 특화한 AI 모델은 범용 모델과 어떤 점에서 달라야 하나.</strong></p> <p contents-hash="182025c59fc95f139e66027e2753c3d2a24bfe5617dc1f239317cbb95f26ace5" dmcf-pid="0057UpUZNh" dmcf-ptype="general">“과학 연구는 분야마다 필요한 전문 지식과 연구 방식이 천차만별이다. 그렇다고 특정 분야의 전문적인 지식만으로는 부족하다. 인간 과학자도 수식을 쓰고 방정식을 도출해 문제를 풀지 않나. AI에도 물리법칙을 반영한 물리 기반 머신러닝(PIML) 등 문제 해결에 사용할 수 있는 도구를 주고 활용할 수 있도록 학습시켜야 한다. 그런데 (인간) 과학자들이 각자의 연구 분야를 아주 깊게 파기 때문에, 결국 본인이 함께 연구할 AI는 각자가 연구 목적과 주제에 맞게 가르치는 것이 가장 효과적일 수밖에 없을 것이다.”</p> <p contents-hash="869315b492fa0b840772c3740237b8bc00d84644b2fed678b71178680446c811" dmcf-pid="pp1zuUu5gC" dmcf-ptype="general"><strong>AI 과학자의 연구성과가 어떤 분야에서 두드러질까.</strong></p> <p contents-hash="cbd120445470d44e3cbf7d9c2b587c2d5a0a964b8580d447053ab4254bb98429" dmcf-pid="UUtq7u71AI" dmcf-ptype="general">“제약·바이오, 화학, 소재, 지구과학 등 분야의 성과가 클 것으로 본다. 미국의 제네시스 미션과 우리나라의 K-문샷 양쪽 모두의 핵심 분야이기도 하다. 완전히 새로운 것을 하는 건 쉽지 않고, 데이터가 모여 있는 분야가 더 추진력을 얻게 될 것이다. 초전도물질,발모제, 비만 치료제 등 경제 파급효과가 클 신물질 개발에도 역량이 집중될 것이다.”</p> <p contents-hash="df7d6e03bef529710006130df6ad7d4c7cf10e921053c4bca2e1a57c544c61b2" dmcf-pid="uuFBz7ztaO" dmcf-ptype="general"><strong>그렇게 본다면 기초과학 연구 수준이 높아야 AI 활용으로 성과를 극대화할 수 있는 것 아닐까.</strong></p> <p contents-hash="4409e273e215e8be87dc245cb09b0976f95821ac76dfff07d24945fd69f9dad1" dmcf-pid="773bqzqFks" dmcf-ptype="general">“물론이다. AI에 대한 관심이 커지면서 상대적으로 기초과학 연구에 관심이 줄었는데, 함께 성장해야 한다. 정책적인 뒷받침이 필요한 부분이기도 하다.”</p> <p contents-hash="329d5579356c77d3554642b8a22c03c642412b157a4721f61aab9e29dc29b5eb" dmcf-pid="zz0KBqB3Am" dmcf-ptype="general"><strong>AI를 통한 KIST 연구 역량 제고를 위해 어떤 노력을 하고 있나. </strong></p> <p contents-hash="f70f57c9cf588e34af5a8fbdaad9d60544777d3f37554e6bcefb980dcb323a6d" dmcf-pid="qqp9bBb0gr" dmcf-ptype="general">“KIST에 와서 한동안은 바이브 코딩(vibe coding) 교육을 열심히 했다. 자율적으로 AI를 활용해 연구하는 분위기를 조성하기 위한 목적이었다. 연탄에 불을 붙이기 위한 ‘번개탄’ 역할로 보면 이해가 쉽다. 상급자가 달라져야 변화에 속도가 붙을 수 있기 때문에 부서장 교육에도 역점을 뒀다. 사내 게시판을 통해 AI 관련 최신 동향도 공유하고, 또 그렇게 하도록 독려한다. ‘클로드 사이언스가 나왔으니, 생명공학 하는 이들 한 번 써보세요’하는 식이다. 억지로 바꾸는 건 한계가 있기 때문에 스스로 알아서 움직이는 이들에게 힘을 실어주기 위해 노력 중이다.”</p> <p contents-hash="e388f97ab3d912a92b92e6dabe76c5c46a091fcf94afc3526b69f54f70e8b3d0" dmcf-pid="BBU2KbKpAw" dmcf-ptype="general">바이브 코딩은 개발자가 코드를 직접 작성하지 않아도 자연어로 원하는 기능을 설명하면 AI가 전체 코드를 자동으로 구성하는 새로운 개발 방식이다.</p> <p contents-hash="808894bdb4c58c4fbcdf0689c5028c67d990ebbf856df5a8b331869bf78c6075" dmcf-pid="bbuV9K9UaD" dmcf-ptype="general">- Copyright ⓒ 조선비즈 & Chosun.com -</p> </section> </div> <p class="" data-translation="true">Copyright © 조선비즈. 무단전재 및 재배포 금지.</p> 관련자료 이전 GPU는 반도체와 달라?···월가 5000억 달러 싸들고 엔비디아 줄서기 진풍경 08-11 다음 [자동차와 法] 내 차가 만든 데이터, 주인은 누구인가 08-11 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
