The Science Times

기후변화라는 전 지구적 위기에 맞서 우리나라를 비롯하여 국제사회가 탄소중립(carbon neutral)에 초점을 모으고 있다. 탄소중립이라는 용어 자체에서 알 수 있듯이, 이러한 노력의 핵심은 인간의 활동에 의해 비정상적으로 많이 배출되는 탄소의 양을 줄이고 과잉 배출된 탄소를 다시 회수하는 것이다. 기후변화의 근본적인 원인이 대기 중에 늘어난 온실가스이고, 그 중 절대적인 비중을 차지하는 것이 이산화탄소(CO2)이기 때문이다.

작년 12월, 생명과학 분야의 최대 단백질 구조 예측 대회인 CASP (Critical Assessment of protein Structure Prediction)에서 구글 딥마인드가 개발한 알파폴드2가 100여개의 연구팀을 능가하는 높은 정확도로 단백질 구조를 예측하는 데 성공했다. CASP는 1994년 미국 메릴랜드대 존 몰트(John Moult) 교수가 만든 학술대회로, 단백질 구조 연구의 최적화된 예측 방법을 고안하기 위해 2년마다 개최되고 있다. 참가자들이 컴퓨터 시뮬레이션과 모델링을 기반으로 예측한 구조를 모범 답안의 단백질 구조와 비교하여 점수를 매기게 되는데, 100점에 가까울수록 서로 일치함을 의미한다. 고난이도 단백질 예측 문제에서 알파폴드2가 약 90점을 기록, 연구팀 최고 점수인 75점을 크게 상회한 점을 미루어 볼 때, 데이터를 기반으로 한 딥러닝 기술이 이미 과학자 수준 또는 그 이상의 정확도를 보여주었다고 평가되고 있다.

혹시 과학사에서도 감염병의 유행으로 유명한 해가 있을까? 가장 먼저 1666년이 떠오른다. 아이작 뉴턴은 1642년에 태어나 1661년에 케임브리지 대학교에 들어갔다. 그런데 1665년, 그가 아직 학생일 때 케임브리지에 페스트가 퍼졌다. 대학교는 거의 2년 동안 폐교되었고, 뉴턴은 고향인 울스토르프로 돌아갔다. 그리하여 뉴턴이 한적한 고향에서 맞이한 1666년을 많은 과학사 저자들은 “기적의 해”로 부른다.

복고적인 감성에 현대적인 기술을 접목하는 시도 또한 늘어나고 있다. 레트로 디자인의 감성에 신기술이 덧붙여져 참신함을 부여하는 기술진화형 레트로 마케팅이 인기를 끌고 있는 것이다. 실제 뉴트로 열풍에 힘입어 레트로는 더 이상 중장년층만의 전유물이 아니다.

거대한 사기극의 전말이 드러난 후 사태가 진정되고 나면, 어떻게 그렇게 얼토당토않은 짓으로 수많은 사람들을 속일 수 있었나 쓴웃음을 짓게 된다. 하지만 이런 일은 언제든지 다시 일어날 수 있다. 전 세계 자본시장의 최정점에 있는 실리콘밸리의 투자자들도, 오랜 경험을 가진 국가기관도, 최고의 권위를 자랑하는 학술지도 속았다.

이제는 데이터 경제의 시대다. 데이터, 네트워크, 인공지능 등 디지털 신기술을 바탕으로 한 디지털 전환은 산업의 혁신을 견인하고 국가 경쟁력을 결정짓는 핵심요소로 자리매김할 것이다. 특히 COVID-19으로 인한 비대면의 확산 및 디지털 전환 가속화로 데이터 활용의 중요성은 더욱 커졌다. 모든 산업과 시장은 데이터를 중심으로 돌아갈 것이다.

최근, 협력연구를 바라보는 관점이 달라지고 있다. 예산 투입량이나 정량적인 성과 지표 외에도 협력의 ‘주도성’에 대한 관심이 커지고 있다. 협력을 주도한다는 뜻을 흡수 역량의 관점에서 바라보면, 파트너로부터 적극적인 학습을 이루어 미래에 또 다른 협력에서도 지속적인 성과를 창출하는 능력으로 해석할 수 있다.

블랙홀처럼 전 세계 인재를 빨아들이는 중국에 대응하기 위해 세계 각국 정부는 어떠한 조치를 취하고 있을까? 미국 백악관은 과학기술정책실(OSTP)이 주도하여 JCORE(Joint Committee on Research Environment)를 발족, 작년 5월부터 국가 연구자산 보호를 위한 가이드라인 개발을 추진 중이다. 에너지부와 국립과학재단은 같은 해 6월부터 소속 직원과 파견 근무자에 대해 해외 정부 인재 유치 프로그램 참여 금지 명령을 내렸다.

몇 해 전 학회 참가로 영국 케임브리지 대학을 방문할 기회가 있었다. 꽤나 오랜만에 방문하였기에 시간을 쪼개어 케임브리지 내 여러 곳을 둘러보았는데, 그중 기억에 남는 것은 단일 연구소로는 가장 많은 노벨상 수상자(29명)를 배출한 캐번디시 연구소(Cavendish Laboratory)이다.

2015년, 구글 딥마인드의 한 연구팀은 컴퓨터를 학습시켜 프로게이머와 대등한 수준으로 인베이더를 하게 만들 수 있음을 보여주는 논문을 발표했다. 그것은 정말 대단한 성취였다. 왜냐하면 눈과 손이 관여하는 복잡한 과제를 수행하는 솜씨를 기계가 스스로 학습할 수 있음을 확실히 입증한 성과였기 때문이다.