"어떤 사람들은 우리가 엔비디아의 다음 수십억 달러급 사업이라고 말한다."엔비디아의 의료 담당 부사장 Kimberly Powell은 최근 한 인터뷰에서 이렇게 말했다.그는 엔비디아의 목표는 더 많은 바이오 기술 회사에 칩, 클라우드 인프라 및 기타 도구를 제공하는 것이라고 밝혔다.
엔비디아의 입장에서 볼 때, 의료 보건은 결코 가장 눈에 띄는 업무가 아니지만, 이것은 그것이 이 분야를 중시하지 않는다는 것을 의미하지는 않는다.
엔비디아 자체 홈페이지의 업종별 분류에 따르면 18일 개막하는 엔비디아 GTC 대회에서는 의료/생명과학 관련 90건의 행사가 열려 모든 업계 1위를 차지해 자동차, 클라우드 서비스, 하드웨어/반도체 등 인기 분야를 앞질렀다.
그 중 Kimberly Powell이 주관하는"AIGC의 현대 의학에서의 역할"활동은 유명한 펀드 매니저"나무 언니"Cathie Wood, 마이크로소프트 연구원 원장 Peter Lee 등 여러 큰 카페를 모아"(AIGC가 어떻게) 의료 서비스를 재정의하고 신약을 발견하고 환자의 치료 효과를 향상시키는 핵심 추진력"을 탐구했다.
엔비디아의 조타수인 황인훈은 이미 디지털 생물학을 기술 분야에서"다음 놀라운 혁명"이라고 한 번 또 한 번 불렀다. 그는 최근 열린 회의에서 모든 사람이 컴퓨터를 배워야 하는 시대는 지나갔고 인류 생물학이야말로 미래라고 말했다.
이 AIGC와 의약의 합류점에서 AI는 풍화설월이 아니라 산광수색을 그린 것이 아니라 하나하나의 제시어에 따라 생성되거나 다음'신약'이 될 것이다.
왜 지금이야?
대부분의 경우 사람들이 엔비디아에 대해 이야기할 때 칩 회사로 정의합니다.2022년부터 시작된 이 AI 열풍은 이 인상을 더욱 깊게 했다.
그러나 황인훈은 이에 찬성하지 않았다.2008년 한 인터뷰에서 늘 검은색 가죽옷으로 보여준 이 엔비디아 오너는 솔직하게 인정했다.
"표면적으로, 우리는 확실히 칩을 생산하지만, 내 눈에는 지금까지 칩 회사가 아니라 고객이 복잡한 시각 계산 문제를 해결할 수 있도록 돕는 회사였다."
"만약 엔비디아가 자신을 칩을 생산하는 회사로 한정한다면, 우리는 자동으로 영화가 우리와 관계가 없고, 게임도 우리와 관계가 없으며, 병원도 우리와 관계가 없다고 생각할 것이다.사실 이런 것들은 이미 우리의 중요한 업무가 되었다. 왜냐하면 그들의 배후에는 같은 문제가 있기 때문이다. 즉 복잡한 시각계산문제가 있다. 이런 문제들은 적수가 하나도 없고 모두 고객에 속한다.»
그때의 엔비디아는 이미 의료를 자기집 판도에 포함시켰음을 볼수 있다.확실히 AI를 약물 발견에 적용하는 것은 새로운 일이 아니다.그렇다면 왜 이렇게 여러 해가 지나면서 엔비디아를 비롯한 과학기술 거두들이 또 AI 의약을 위해 뛰어다니며 외치기 시작했을까?왜 지금이야?
"(현재는) 획기적인 순간입니다."딥마인드와 엔비디아의 임원들이 내놓은 공동 답안이다. 업계 최초로'대량의 훈련 데이터, 컴퓨팅 자원의 폭발적인 성장, AI 알고리즘의 진보'라는 세 가지 요소를 동시에 모았다."5년 전에는 불가능했다."
AI+의약 = 다음 골드코스?
일거에 엔비디아를'계산력의 왕'자리에 올려놓은 것은 GPU였지만, 지난 2년 동안 벤처투자 부문의 많은 투자가 약물 개발로 흘러갔다. 2023년에만 엔비디아는 8개의 약물 발견 스타트업에 투자했다.
그림 = 엔비디아 2023년 벤처투자 분포 (출처: S& P Global)
AI 열풍에 힘입어 엔비디아의 시가총액은 비약적으로 상승했다."컴퓨터 보조 설계 업계가 시가총액 2조 달러의 첫 칩 회사를 추켜세웠으니, 마찬가지로 컴퓨터 보조 약물 발견 업계는 왜 다음 조 달러 규모의 약물 회사를 만들 수 없을까?"생명과학 분야에 대한 엔비디아의 투자에 대해 Kimberly Powell 엔비디아 헬스케어 부사장은 이렇게 설명했다.
AI 의약의 길에서 엔비디아는 쓸쓸한 독립자가 아니다. 과학기술 거물들은 모두 생물의약 분야의 AI 기술에 관심을 가지고 있으며, 마이크로소프트, 구글 등 세계에서 가장 강력한 과학기술 거물들도 생물 기술을 AI의 다음 최전방 분야로 보고 있다고 말할 수 있다.
예를 들어 구글 딥마인드 연구진은 알파폴드 모델(단백질 구조를 예측하는 획기적인 도구)을 세포에 약물을 직접 투여하고 살충제 의존도를 줄이는 농작물을 연구하기 위한'분자'주사기 개발에 사용했다.
Salesforce는 지난해 단백질 생성 모델인 ProGen을 출시했습니다.
마이크로소프트도 비슷한 오픈 소스 모델인 EvoDiff를 발표했습니다.
아마존은 자사의 AWS 기계 학습 플랫폼인 SageMaker에 단백질 접기 도구를 발표했는데...
DeepMind의 AlphaFold 연구 프로젝트를 예로 들면: 인체의 단백질은 다양한 기능을 관리하고 있으며, 이 모든 기능은 단백질의 3D 모양에 의존합니다.각 단백질은 일련의 아미노산으로 구성되어 있으며 아미노산과 외부 환경 간의 상호 작용은 단백질의"접힘"을 결정하며 이는 최종 모양을 결정합니다.
바이오텍의 경우 아미노산 서열에 따라 단백질 모양을 예측할 수 있는 것이 중요한데, 이들 회사는 이를 이용해 신약, 개량작물, 생분해성 플라스틱 등 각종 제품을 설계할 수 있다.
이것이 바로 딥 러닝의 용도입니다. 수억의 다른 단백질 서열과 그 하부 구조에서 인공 지능 모델을 훈련시켜 이 모델들이 생물학 법칙을 발견할 수 있도록 합니다. 진정한 분자 동력학 시뮬레이션에 필요한 비싼 계산이 필요 없습니다.단백질을 완전히 시뮬레이션하려면 강도 높은 컴퓨팅 자원이 필요하기 때문에 일부 기관은 이러한 문제를 처리하기 위해 슈퍼컴퓨터를 전문적으로 설계하고 건설하기도 한다.
AI가 바이오 기술 분야에서 큰 잠재력을 가지고 있다는 것은 의심할 여지가 없다.
15년 전부터 의료에 눈을 돌린 황인훈은 컴퓨터 보조약물 발견이 "기적이 맞다"고 경탄한 바 있다.컴퓨터 보조 칩 설계와 같은 방법으로 약물 발견 분야에서 사람들은 컴퓨터 보조 약물 발견에서 컴퓨터 보조 약물 설계로 전환 할 수 있습니다."만약 우리가 그것을 10억 배로 확대한다면, 우리는 생물학을 모의할 수 있다."
"미래 생명과학은 전통적인 산업처럼 고도로 공정화될 것이다.데이터 과학, 인공 지능, 자동화가 결합 될 때 생물 학회는 기하급수적으로 개선되어 다음 골드 코스가 될 것"이라고 말했다.