스터디

2024.10.08(화)

피터 리 "환자 아픔 공감하는 능력…AI가 의사보다 10배 뛰어나다"

[요약]

마이크로소프트(MS) 연구소 총괄 사장 피터 리는 MS가 개발한 AI가 의사보다 공감능력이 훨씬 뛰어나다는 연구결과를 바탕으로, AI가 의료진과 환자 간의 상호작용을 혁신적으로 변화시킬 것이라고 밝힘. UC샌디에이고 연구진에 따르면, 환자들은 AI가 제공한 답변에 의사보다 더 공감했고, AI는 의사보다 약 10배 높은 공감능력을 보임. 이게 가능한 이유는 인간이 쉽게 지칠 수 있는 공감능력에 대해 AI는 피로감없이 환자의 개인정보, 취미, 가족관계, 취미 등을 기억하며 대응할 수 있게 때문. 또한 AI의 의료데이터 학습 능력을 통해 진단의 정확성을 높여 환각 현상과 편향성 문제도 개선되고 있음. 하지만 피터 리는 AI가 의사를 대신하지는 못할 것이고, 단지 의사의 중요한 도구로서 진단의 정확성을 높이는데 기여할 수 있을 것이라고 말함.

[용어]

환각현상(hallucination): 실제로는 없거나 사실이 아닌 정보를 사실인 것처럼 말하는 현상

편향성: 방대한 양의 학습 데이터에 의존하는 생성형 AI가 만들어내는 새로운 텍스트와 이미지가 편향된 학습용 데이터의 영향을 받는 현상

[전망 및 견해]

지금 당장 AI와 사람의사 중 하나를 선택하라고 한다면 고민없이 사람의사에게 진료받을 것. AI의 의료지식이 사람보다 더 많다는 것을 알고 있지만, 분명 의사소통과 신뢰도 측면에서 사람이 더 익숙하기 때문에 아직은 사람의사를 선택할 것 같음. 하지만 공감능력과 진료기록 작성 등 의료업무의 부가적인 부분을 AI가 도울 수 있다면, 의사는 잡다한 업무 부담과 스트레스를 줄이고 환자와의 상호작용에 집중할 수 있을 것이고 이는 의료서비스 질의 상승으로 이어질 것. 의료산업 뿐만 아니라 무엇이든지 AI는 인간을 대체하는 것이 아닌, 보조 도구로서의 역할을 해야한다고 생각함.

-----------------------------------------------

2024.10.10(목)

노벨 화학상도 AI가 접수…'알파고 아버지' 등 3인 공동수상

[요약]

2024년 노벨 화학상은 AI기술로 단백질 구조 예측과 분석에 기여한 워싱턴대 베이커 교수와 구글 딥마인드 CEO 허사비스, 딥마인드 수석연구원 존 점퍼에게 공동수여됨. 베이커 교수는 단백질 설계를 위한 알고리즘 ‘로제타’를 개발하여 단백질의 3차원 구조를 예측하고 새로운 단백질을 설계할 수 있는 기술을 만들어 신약 개발과 생명 과학 연구에 큰 변화를 가져오는데 기여함. 허사비스와 존 점퍼는 AI를 이용해 ‘알파폴드’라는 AI기반의 단백질 구조 예측 모델을 발표함. 아미노산 서열만으로도 단백질의 복잡한 3차원 구조를 정확하게 예측할 수 있어 단백질 연구에서 혁신적 성과를 보여줌. 단백질은 20가지 아미노산으로 이루어져 있고, 아미노산의 결합 방식에 따라 2억 여개의 단백질 구조가 형성되는데, 이는 실험적으로 분석하는 것이 매우 복잡하고 어려움. 이를 해결하기 위해 AI를 활용한 허사비스와 점퍼는 50년 이상 지속된 과학자들의 고민을 해결하는 성과를 보여줌. 허사비스는 AI연구자지만 윤리적 문제와 안전성도 깊이 고민하고 있음. 이번 노벨화학상 수상은 AI가 물리학에 이어 화학에서도 중요한 역할을 하고 있음을 보여주며, 사회 여러 분야에서 AI 기술이 기존의 연구개발 방식을 혁신적으로 변화시킬 수 있을 것으로 기대함.

[용어 정리]

1) 알파폴드: 딥마인드에서 개발한 AI기반 단백질 구조 예측 프로그램. 2억여개의 아미노산 배열 방식을 AI를 통해 쉽게 예측할 수 있음.

2) 로제타: 베이커 교수가 개발한 단백질 구조 예측 알고리즘. 단백질의 새로운 디자인과 신약 개발에 활용됨.

3) 딥러닝: 인공지능 컴퓨터를 학습시키는 방법인 머신러닝 중 하나로, 사람 뇌 속의 신경망 구조를 모방해 학습시키는 방법. 사람의 뇌가 생각하고 판단하는 과정처럼 딥러닝 컴퓨터는 수많은 데이터에서 일정한 패턴을 발견해 사물을 구분함. 딥러닝 모델은 그림, 텍스트, 사운드 등 데이터의 복잡한 패턴을 인식하여 정확한 예측을 생성할 수 있으며, 일반적으로 인간의 지능이 필요한 작업을 자동화하는데 사용됨. 예를 들어, 자율주행 자동차는 딥러닝 모델을 사용하여 도로 표지판과 보행자를 자동으로 감지하며, 의료 영상 분석에서는 딥러닝을 사용하여 의학적 진단에서 암세포를 자동으로 감지함.

4) 인공신경망: 인간의 두뇌에서 영감을 얻은 방식으로 데이터를 처리하도록 컴퓨터를 가르치는 인공지능 방식. 인간의 두뇌와 비슷한 계층 구조로 상호 연결된 노드 또는 뉴런을 사용하는 딥러닝 과정. 인공신경망은 컴퓨터가 실수에서 배우고 지속적으로 개선하는데 사용하는 적응형 시스템을 생성함으로써 인간이 일일이 개입하지 않고도 비선형적이고 복잡한 입출력 데이터의 관계를 학습하고 지능적인 결정을 내릴 수 있음.

[참고]

노벨 물리학상: 인공신경망을 이용한 머신러닝을 가능케 하는 기반 발견 및 발명 (프린스턴대 존 홉필드 교수, 토론토대 제프리 힌턴 교수)

[전망 및 견해]

이번 노벨 화학상과 물리학상이 AI기술에 관한 것이라는 점에서 앞으로 AI의 영향이 더 커질 것임을 시사함. 1900년대 초에는 양자역학 관련 성과가 노벨상을 받았고 그 당시 양자역학이 물리학과 화학에 많은 영향을 미침. 이와 비슷하게 2000년대 초에는 당분간 AI가 세상을 바꾸는 기술로써 이제는 단순한 기술적 도구를 넘어서 근본적인 과학 문제를 해결하는 역할을 할 것으로 기대. 특히 인간의 생명과 관련된 생명과학, 의학, 의약품 개발 등의 분야에서 AI 기반의 예측 및 분석 시스템은 기존의 실험법을 대체하거나 보완하여 연구원들이 본연의 업무에 집중하고 인간의 관점에서 고민할 수 있는 시간을 제공할 수 있다고 생각. 시간과 비용을 절약하여 연구효율성을 높여 다양한 산업에 긍정적인 변화를 가져올 것이라고 생각하며, 기술의 발전과 함께 윤리적 문제와 AI의 안전성에 대해서도 깊이 있는 연구가 이루어져 AI의 사회적 책임도 무시하지 않았으면 하는 마음.

------------------------------------------

[추가 자료]- 노벨 화학상도 AI가 접수…'알파고 아버지' 등 3인 공동수상