DeepMind의 전체 AlphaFold 팀 해산; 노벨상 수상자 및 직원들의 Anthropic 합류; Gemini로의 리소스 재배치
노벨상을 수상하고 알파폴드(AlphaFold)를 개발한 전설적인 팀이 구글 딥마인드(Google DeepMind) 내에서 해체되었다.
파이낸셜 타임스(Financial Times)에 따르면, 단백질 구조 예측 난제를 극복하고 노벨 화학상 수상자를 배출한 이 팀은 더 이상 독립된 조직으로 존재하지 않는다. 원래 구성원들은 구글 내 여러 프로젝트로 재배치되었는데, 일부는 제미니(Gemini)와 AI 프로그래밍 분야로, 다른 이들은 유전체학, 단백질 및 효소 설계, 핵융합 연구로 이동했다. 또 다른 구성원들은 알파벳의 신약 발견 자회사인 아이소모픽 랩스(Isomorphic Labs)로 이주했으며, 일부는 구글을 완전히 떠났다.
구글 클라우드의 수석 과학자이자 딥마인드의 과학 부사장인 푸시미트 코흘리(Pushmeet Kohli)는 딥마인드가 항상 과학자들이 해결하고자 하는 문제를 스스로 선택하도록 장려해 왔으며, 알파폴드 팀원들도 동일한 자유를 가지고 있다고 설명했다.
요컨대, 알파폴드 작업을 완료한 후 구글은 내부 이동성을 통해 팀원들이 축적한 전문 지식을 추가 프로젝트로 이어갈 수 있도록 했다. 팀의 일부는 딥마인드에 남아 제미니, AI 프로그래밍, 유전체학 연구, 단백질 및 효소 설계, 심지어 핵융합 연구로 전환하여 업무를 계속했다.
데미스 하사비스(Demis Hassabis)가 2021년에 설립한 아이소모픽 랩스(Isomorphic Labs)는 알파폴드가 보여준 능력을 신약 발견과 설계로 확장하는 것을 목표로 만들어졌다. 이러한 관점에서 볼 때, 알파폴드는 폐기된 것이 아니다. 이는 단순히 과학적 돌파구와 논문 출판을 목표로 했던 연구 프로젝트에서 신약 개발과 더 직접적으로 연결된 업무로 진화했을 뿐이다.
2024년, 알파폴드의 창시자는 하사비스와 함께 단백질 구조 예측 연구로 노벨 화학상을 공동 수상했다.
알파폴드의 핵심 연구원 두 명인 조나스 애들러(Jonas Adler)와 알렉산더 프리첼(Alexander Pritzel)도 앤트로픽(Anthropic)으로 이직한다. 그들의 작업은 알파폴드를 넘어섰는데, 애들러는 구글의 AI 프로그래밍 이니셔티브에 참여했고, 프리첼은 제미니 모델 학습에 기여했다. 그러나 둘 다 알파폴드의 주요 저자로 등재되어 있었다.
파이낸셜 타임스의 집계에 따르면, 원래 알파폴드 논문을 공동 저술한 딥마인드 직원 중 거의 4분의 1이 이제 퇴사했다. 하지만 노벨상 수상자와 여러 핵심 연구원들이 약 같은 시기에 경쟁사인 앤트로픽(Anthropic)으로 흘러들어갔다.
알파폴드 팀의 해체가 큰 주목을 받은 이유는 그들이 달성한 성과가 실제 무게감을 지니고 있기 때문이다. 이 팀은 수십 년간 생물학계를 괴롭혀온 단백질 구조 예측 문제를 해결했고, 2억 개 이상의 단백질 구조에 대한 예측을 생성했으며, 두 명의 노벨 화학상 수상자를 탄생시켰다. 노벨 위원회는 알파폴드 2(AlphaFold 2)에 대해 이제 알려진 거의 모든 단백질의 구조를 예측할 수 있다고 평가했다.
딥마인드는 기계학습 연구자, 생물학자, 엔지니어로 구성된 작고 긴밀하게 통합된 학제간 팀을 구성하여 오랜 기간 단일 문제에 집중했다. 첫 번째 세대의 알파폴드가 정체기에 도달했을 때, 기존 접근 방식을 수정하거나 정교화하기보다는 이전 설계를 버리고 모델 아키텍처부터 다시 구축했다. 이 접근 방식은 등반대를 조직하는 것과 같았다. 정상은 눈앞에 보였고, 모두 동일한 봉우리에 집중하며 도전에도 불구하고 위로 올라갔다.
원래 팀원들의 이동을 보면, 딥마인드는 알파폴드 팀을 해체하고 축적된 인재와 방법론을 추가적인 과학적 문제들에 분배하려는 것으로 보인다. 과학자들은 이제 새로운 과제마다 커스텀 모델을 처음부터 훈련할 필요가 없다. 제미니(Gemini)는 먼저 문헌, 데이터, 코드를 처리한 다음, AI 공동과학자 에이전트와 알파에볼브(AlphaEvolve)와 같은 도구들과 협력하여 연구자가 가설을 수립하고 알고리즘을 정교화하며 솔루션을 필터링하도록 돕는다.
최근 출시된 사이언스 스킬즈(Science Skills) 기능은 이미 알파폴드 데이터베이스, 알파게놈(AlphaGenome), 유니포트(UniProt)를 포함하여 30개 이상의 생명과학 데이터베이스 및 도구를 연결하고 있다. 단일 알파폴드 팀은 한 번에 하나의 문제만 해결할 수 있었지만, 제미니(Gemini)를 기반으로 구축된 연구 플랫폼은 생물학, 재료과학, 수학, 핵융합 등 다양한 분야를 동시에 지원할 수 있다. 연구자들은 이제 각 새로운 프로젝트마다 모델링 능력, 컴퓨팅 인프라, 연구 도구를 다시 구축할 필요가 없으며, 이전에 진입 장벽이 높았던 분석 방법을 더 많은 과학자가 활용할 수 있게 되었다.
그러나 이러한 접근 방식에는 숨겨진 위험이 따른다. 알파폴드가 성공한 이유는 소수의 사람들이 수십 년 동안 풀 수 없는 문제로 여겨지던 문제에 집중하기를 원했기 때문이다. 그러한 집중력은 플랫폼화하기 어렵다. 운영 규모가 확대되면 질문은 다음과 같이 바뀐다: 각 개별 문제가 얼마나 많은 관심을 받을 수 있는가? 구글은 여전히 단일한 어려운 과제를 해결하기 위해 가시적인 제품 없이 수년간 팀을 지원할 의사가 있을까? 이제 딥마인드가 이 작은 팀을 해체했으므로, 향후 10년을 투자할 가치가 있는 다음 문제를 식별할 수 있을지가 진정한 미해결 과제로 남는다.