2016년 딥마인드 챌린지 매치에서 인공지능(AI) 알파고(AlphaGo)는 이세돌과의 바둑 대결에서 승리했다. 그로부터 채 10년도 지나지 않은 올해 노벨 물리학상은 인공신경망을 연구한 과학자들에게 주어졌다.

인공신경망은 인간의 뇌를 구성하는 뉴런이 서로 연결된 것처럼 컴퓨터 프로그램상에서 데이터를 처리하는 방법이다. 이 연구는 머신러닝, 즉 기계학습의 새로운 장을 열었고, 이는 물리학을 통한 AI의 기초를 다졌다는 의미가 크다.

기계학습은 컴퓨터나 기계가 사람의 도움 없이 스스로 배우고 발전하는 것을 말한다. 기계학습은 우리의 뇌 구조에서 아이디어를 얻어 발전했다. 우리의 뇌는 뉴런이라는 작은 세포들이 서로 연결되어 있고, 기계학습은 이러한 연결 방식을 모방한다. 1950년대에 로젠블랫(Rosenblatt)이 제안한 '퍼셉트론'은 초기 신경망 분야의 연구에 큰 영향을 주었다. 퍼셉트론은 입력된 신호들을 추가하여 어떤 한계를 넘어서면 다음 단계로 신호를 전달하고, 여러 퍼셉트론이 모여 딥러닝을 하게 된다.

올해 노벨상을 수상한 제프리 힌튼 교수는 초기 매개변수 값을 정하고, 예측 값과 실제 값의 차이를 줄이는 경사하강법을 제안했다. 경사하강법은 산에서 쉽게 내려가는 길을 찾는 것과 비슷한 방법이다. 볼츠만 머신은 두 데이터 간의 관계를 개선하는 기술로, 퍼즐의 조각들을 맞춰가며 큰 그림을 완성하는 과정을 도와준다. 심층 신경망은 데이터를 더 작은 단위로 나눠서 처리하고, 이는 뇌가 정보를 단계적으로 처리하면서 배우는 것과 비슷한 현상이라고 할 수 있다.

알파고는 AI의 역사에서 중요한 이정표로, 인간의 바둑 세계 챔피언을 이기기 위한 대규모 시도였다. 알파고는 인간의 직관과 유사한 방식으로 학습하는 시스템으로 바둑의 비상식적인 수를 두는 등 새로운 전략을 제시하여 게임에 대한 인간의 인식을 변화시켰다.

현재 세계 각국에서 사용하고 있는 서력 기원(西曆 紀元)은 주 예수 그리스도가 태어난 때를 기준으로 예수탄생 이전 B.C(Before christ)과 예수탄생 이후를 A.D(Anno domine)로 구분한다. 4차산업 시대를 맞이하여 인간과 바둑을 통한 지능게임에서 AI가 승리했다는 사실은 우리에게 시사하는 바가 클 수밖에 없을 것이다.

AI가 인간의 지능을 위협하는 특이점(singularity)까지 접근한다면 우리가 사용 중인 서력(西曆)을 알파고 탄생이전 B.A(Before AlphaGo)과 알파고 탄생 이후 A.A(After AlphaGo)로 바꾸어야 할 만큼 인류과학사의 변곡점에 와 있다는 생각이다.

기계학습은 컴퓨터나 기계가 사람의 도움 없이 스스로 배우고 발전하는 것을 말한다. 알파폴드(AlphaFold)는 딥마인드(DeepMind)에서 개발한 인공지능 프로그램으로, 단백질 구조를 예측하는 데 사용된다.

필자가 박사과정 시절 배웠던 생물정보학(Bioinformatics)은 단백질 구조분석을 하기 위해 유전자의 정보를 컴퓨터에 입력하는 과정이 필요했고 컴퓨터에 정보를 저장하기 위한 생물학적 실험시간이 오래 걸렸고 정확성도 낮았다. 2003년 완성된 인간 게놈 프로젝트(Human Genome Project)는 32억 개의 염기쌍을 얻기 위해 천문학적인 비용이 소요되었다.

코로나 COVID-19 팬데믹 기간 동안 널리 사용된 PCR(Polymerase Chain Reaction) 검사는 감염병 진단, 유전자 분석 등 다양한 분야에서 활용되는 기술이다. 알파폴드는 이와 비교할 수 없을 정도로 훨씬 진보하여 단백질의 아미노산 서열을 기반으로 3차원 구조를 예측하며, 이는 단백질의 생물학적 기능을 이해하는 데 매우 중요하다.

알파폴드는 2018년과 2020년에 열린 구조예측 대회(CASP)에서 높은 정확도로 단백질 구조를 예측하여 큰 주목을 받았다. 알파폴드의 최신 버전인 알파폴드3는 단백질과 DNA, RNA, 다양한 리간드 및 이온으로 구성된 복합체의 구조를 예측할 수 있다.

알파폴드3를 활용하여 식물성 단백질의 3차원 구조를 예측하고 시각화하는 과정은 다음과 같다. 관심 있는 식물성 단백질의 아미노산 서열을 준비한다. 이 서열을 알파폴드 시스템에 입력한다. 알파폴드3는 딥러닝 기반의 인공지능 모델을 사용하여 단백질의 3차원 구조를 예측한다. 알파폴드는 오픈 소스 프로그램으로 누구나 사용할 수 있다.

"음식과 약은 그 근원이 같다"는 식약동원(食藥同源)의 원리는 점차 진화하고 있는 인공지능 기반의 푸드테크에서 그 답을 찾게 될 것이다. 알파폴드나 로제타폴드와 같은 인공지능을 탑재한 푸드테크 기술은 특수의료용도식품의 시장을 가속화 하게 될 것이다.

맞춤형 특수의료용도식품은 개인의 유전적 정보와 건강 상태를 바탕으로 최적화된 식단을 제공하는 것을 목표로 한다. 인공지능 기술을 활용한 맞춤형 특수의료용도식품은 단백질의 3차원 구조를 정확하게 예측함으로서 특정 질병과 관련된 단백질 구조를 이해하고, 이를 기반으로 맞춤형 식단을 설계할 수 있게 되고, 알파폴드 인공지능의 예측 결과를 바탕으로 배양육에서 중요한 단백질의3D 구조를 최적화함으로써 육질과 풍미를 개선할 수 있다.

예를 들어 콜라겐 같은 단백질의 구조를 활용하여 고령자나 환자에게 필요한 부드럽고 씹기 좋은 식감을 구현할 수 있고 개인의 유전적 특성과 건강 상태에 맞춘 영양소를 설계할 수 있게 될 것이다.

인공지능 알파폴드를 통해 개인 맞춤형 메디푸드와 신약을 결합하여 보다 효과적인 치료 및 예방 프로그램을 제공할 수 있다. 인공지능을 기반으로 식품공학적 기술과 분자생물학적 이론을 통합하여 배양육의 핵심 기술인 세포의 조직구조와 기능을 더욱 잘 재현함으로서 배양육의 맛과 향 등 감각적 특성을 향상시킬 수 있다.

이를 위해 세포가 성장할 수 있는 지지체(스캐폴드)를 개발하여, 세포가 자연스러운 조직 구조를 형성하도록 하여 배양육의 식감과 질감을 개선하게 된다. 또한 효소와 성장 인자가 세포 성장에 미치는 영향을 연구하여, 배양육 생산 과정에서 필요한 영양소를 최적화하는 방법과 특정 단백질의 조성과 비율 조절이 가능해 질 수 있다.

인공지능 알파폴드는 단백질의 구조예측, 스캐폴드 설계, 감각적 특성 향상 등 다양한 방법으로 그린바이오산업에 활용 될 것이며 세계 모든 사람들이 평화와 번영을 누릴 수 있도록 보장하기 위한 목표로 2015년 UN에 의해 채택한 지속가능발전목표(SDGs; Sustainable Development Goals)를 실천 할 수 있는 해법이 될 수 있을 것이다. /연윤열 ESG푸드테크 소사이어티 대표