데이터사이언스

25 Contents

단일 세포 제어를 향하여: 생체분자 시스템에서의 노이즈-강인 완전 적응

생명 시스템에서 항상성을 유지하는 능력은 생존의 핵심입니다. 운동을 하면 심박수가 올라가지만 휴식 시 다시 정상으로 돌아오고, 식사 후 치솟은 혈당이 일정한 수준으로 회복되는 것이 그 예입니다. 이처럼 외부의 섭동(perturbation)이나 교란이 발생한 후에도 시스템의 산출물이 원래의 평형 상태를 유지하려는 성질을 '로버스트 완벽 적응(Robust Perfect Adaptation, RPA)'이라고 부릅니다. RPA는 복잡한 생체 환경 속에서 세포가 안정적으로 기능을 수행할 수 있게 돕는 매우 중요한 메커니즘으로 여겨져 왔습니다. RPA 성질을 생물학적 시스템에 부여하기 위해 연구자들이 주목한 대표적인 모듈은 '대립 적분 피드백 (antithetic integral feedback)' 루프입니다. 이 루프는 최종 산출물이 특정 단백질과 결합하여 그 활성을 억제하거나 조절함으로써 시스템의 입력을 제어하는 구조입니다. 수학적으로 분석했을 때, 이 컨트롤러의 파라미터를 고정하면 오랜 시간이 지난 후 산출물의 평균 농도를 원하는 수준으로 일정하게 맞출 수 있습니다. 이를 흔히 '평균 조절기(Mean Controller, MC)'라고 부르며, 외부의 변화에도 평균적인 결과값을 유지하는 데 효과적인 도구로 활용됩니다. 하지만 평균 조절기(MC)에는 치명적인 한계가 존재합니다. 평균값은 잘 유지하지만, 시스템 내부의 노이즈를 급격히 증가시킨다는 점입니다. 평균적으로는 목표 수치에 도달하더라도, 개별 세포 단위에서 관찰하면 수치가 극단적으로 오르내리는 불안정한 현상이 발생할 수 있습니다. 기존 연구에서도 추가 모듈을 통해 노이즈를 줄이려는 시도가 있었으나, 새로운 외부 자극이 주어지면 노이즈 레벨이 다시 요동치는 문제가 반복되었습니다. 즉, 평균뿐만 아니라 노이즈 자체에 대한 RPA 성질이 절실히 요구되는 상황이었습니다. 이러한 문제를 해결하고자 연구팀은 노이즈를 직접 제어하는 '노이즈 조절기(Noise Controller, NC)'를 새롭게 설계했습니다. 이 구조의 핵심은 단백질이 두 개 결합한 형태인 이합체(dimer) 반응을 활용하는 데 있습니다. 수학적 유도를 통해 노이즈 수준이 컨트롤러의 파라미터에 의해서만 결정된다는 사실을 입증했으며, 이를 통해 외부 자극의 종류와 상관없이 일정한 노이즈 레벨을 유지하는 '노이즈 RPA'를 구현했습니다. 평균 조절기(MC)와 노이즈 조절기(NC)를 동시에 적용하면 평균값의 안정성은 유지하면서도, 급격히 치솟던 노이즈를 안정적인 수준으로 묶어둘 수 있게 됩니다. 연구 과정에서 흥미로운 사실도 발견되었습니다. 노이즈 조절기(NC)를 통해 노이즈를 줄일 때, 생물학적 노이즈를 정량화한 지표인 파노 팩터(Fano factor)가 1 미만으로 내려가기 어렵다는 점입니다. 다양한 시뮬레이션 결과, 노이즈를 1 이상의 범위에서는 자유롭게 조절할 수 있었으나 1보다 낮게 설정하려 하면 시스템이 불안정해지며 한계치에 수렴했습니다. 이는 실제 생물학적 단백질 생성 시스템이 가지는 물리적 제약과도 일맥상통합니다. 결과적으로 노이즈 조절기(NC)는 생물학적으로 허용 가능한 최저 수준까지 노이즈를 정교하게 제어하며 시스템의 전반적인 안정성을 보장합니다. 노이즈 조절기(NC)의 효용성은 복잡한 생물학적 모델인 토글 스위치와 DNA 복구 시스템에서도 입증되었습니다. 두 가지 상태를 오가는 토글 스위치 시스템에서 평균 조절기(MC)만 사용하면 분포가 두 갈래로 나뉘는 이중 모드(bimodal) 현상이 지속되지만, 노이즈 조절기(NC)를 추가하면 단일 모드(unimodal) 분포로 바뀌며 거동이 안정화됩니다. 또한 DNA 복구 단백질인 ADA의 농도를 조절하는 시뮬레이션에서도, ADA가 아예 없는 세포의 비율을 획기적으로 줄여 세포 사망률을 낮추는 결과를 얻었습니다. 이는 노이즈 제어가 단순히 수치를 맞추는 것을 넘어, 세포의 생존과 직결된 중요한 기능임을 시사합니다. 다만 이 컨트롤러를 실제 생체 회로로 구현하는 데는 아직 과제가 남아 있습니다. 평균 조절기(MC)는 이미 실험적으로 증명되었으나, 노이즈 조절기(NC)의 경우 단량체와 이합체를 동시에 인식하여 서로 다른 기능을 수행하는 특수한 키메라 단백질 제작이 필요합니다. 또한 반응 속도의 포화 문제와 같은 현실적인 제약 조건도 고려해야 합니다. 향후 연구는 이러한 생물학적 구현과 더불어, 왜 노이즈가 1 아래로 내려갈 때 시스템이 불안정해지는지에 대한 수학적 증명을 포함할 예정입니다. 이러한 노력이 결실을 본다면, 우리는 더욱 정밀하고 안정적인 인공 생체 시스템을 설계할 수 있을 것입니다.

단일 세포 제어를 향하여: 생체분자 시스템에서의 노이즈-강인 완전 적응
생물학연구정보센터학술웨비나
  • 생명과학
  • 수학
  • 융합

[ 쿔테이블 ] 거울아~ 누구 혀가 제일 건강하니? 우리 건강 혀 색으로 본다! 👅

한의학의 전통 진단법 중 하나인 설진은 혀의 상태를 통해 우리 몸의 전반적인 건강을 파악하는 지혜로운 방법입니다. 혀 색상과 형태, 그리고 습윤도 등을 세밀하게 관찰하여 소화기 질환이나 면역력 상태, 혈액 순환의 흐름을 진단하는 원리입니다. 특히 설질과 설태는 오장육부의 상태를 반영하는 중요한 지표가 됩니다. 이는 미각을 담당하는 기관을 넘어 내면의 건강을 비추는 거울과 같은 역할을 수행하며 한의학적 진단의 핵심적인 부분을 차지하고 있습니다. 과거의 설진은 진단자의 주관적인 경험과 시각에 의존하는 경향이 강했습니다. 같은 상태의 혀를 보더라도 전문가마다 색상에 대한 판단이 다를 수 있어 진단의 객관성을 확보하는 데 어려움이 따랐던 것이 사실입니다. 이러한 문제를 해결하고자 최근 한국한의학연구원에서는 방대한 양의 데이터를 기반으로 한 혀 색상의 국가 참조 표준을 개발하였습니다. 엄격한 기준을 통과한 수천 건의 데이터를 분석하여 성별과 연령에 따른 표준화된 수치를 마련함으로써, 설진이 가진 전통적인 가치에 현대적인 신뢰성을 더하는 중요한 기틀을 마련하게 되었습니다. 표준화 연구를 통해 밝혀진 구체적인 결과들은 혀 색상이 단순히 개인차가 아닌 인구통계학적 특성을 반영한다는 점을 시사합니다. 연구 결과에 따르면 여성의 설질은 남성에 비해 상대적으로 연한 붉은색을 띠는 경향이 있으며, 연령대에 따라서도 설태의 두께와 색상에 유의미한 차이가 나타났습니다. 이처럼 성별과 연령별로 최적화된 참조 표준을 도출함으로써 측정 시 발생할 수 있는 불확도를 최소화하고 진단의 정밀도를 높였습니다. 이는 주관적인 해석의 영역을 정량적인 데이터의 영역으로 전환한 획기적인 성과로 평가받고 있습니다. 이러한 국가 참조 표준은 실제 진료 현장에서 질병의 조기 진단과 예방적 관리에 큰 도움을 줄 수 있습니다. 예를 들어 위장관 질환이 의심되는 환자의 경우, 설태의 색상 변화를 표준 데이터와 비교하여 보다 신속하고 정확하게 이상 징후를 발견할 수 있습니다. 또한 면역력이 저하된 환자의 혀 색상을 지속적으로 모니터링함으로써 개인 맞춤형 건강 관리가 가능해집니다. 표준화된 지표는 의료진에게 일관된 판단 근거를 제공하며, 환자에게는 자신의 상태를 수치로 확인할 수 있는 신뢰도 높은 진단 환경을 제공하는 토대가 됩니다. 나아가 설진 기술은 인공지능과 디지털 헬스케어 기기의 발전과 결합하여 우리 일상 속으로 깊숙이 들어올 전망입니다. 스마트폰 카메라를 이용해 매일 아침 자신의 혀 상태를 촬영하고 분석함으로써, 병원을 방문하기 전에도 간편하게 스스로의 건강을 체크할 수 있는 시대가 머지않았습니다. 현재의 연구는 다양한 질환별 혀 데이터를 축적하는 단계로 나아가고 있으며, 이는 전통 한의학과 현대 과학 기술을 잇는 가교 역할을 할 것입니다. 미래에는 거울을 보는 것만으로도 건강을 진단하고 관리하는 혁신적인 의료 서비스가 실현될 것으로 기대됩니다.

[ 쿔테이블 ] 거울아~ 누구 혀가 제일 건강하니? 우리 건강 혀 색으로 본다! 👅
한국한의학연구원쿔테이블 🎵
  • 생명과학
  • 융합
  • 공학·기술

[강연] 최적화 이론, 인공지능 시대에 비상하다 2_by 권도현 | 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 8강 두 번째 이야기 | 8강 ②

인공지능 학습의 핵심은 최적의 해를 찾는 과정이며, 이를 위해 확률적 경사하강법(SGD)이라는 기법이 널리 사용됩니다. 기존의 경사하강법이 단순히 가장 가파른 내리막길만을 따라갔다면, 확률적 경사하강법(SGD)은 약간의 무작위성을 부여하여 탐험을 시도합니다. 이러한 무작위성은 학습 과정에서 마주치는 지역 최소해라는 웅덩이에서 벗어날 수 있는 기회를 제공합니다. 때로는 조금 돌아가거나 오르막을 오르는 선택이 결국 더 깊고 낮은 최적점을 찾는 열쇠가 되기도 하며, 이는 복잡한 함수 구조를 가진 인공지능 모델에서 필수적인 전략입니다. 방대한 데이터를 다루는 현대 인공지능에게 효율성은 필수적인 요소입니다. 모든 데이터를 한꺼번에 계산하여 미분하는 방식은 시간과 자원 면에서 불가능에 가깝기 때문입니다. 확률적 경사하강법(SGD)은 데이터를 작은 단위로 쪼개어 학습시키는 방식을 통해 이 문제를 해결합니다. 예를 들어 백만 개의 데이터가 있다면 이를 만 개씩 나누어 순차적으로 학습하며 모델을 업데이트합니다. 이러한 방식의 학습은 연산 속도를 획기적으로 높일 뿐만 아니라, 실제 성능 면에서도 매우 우수한 결과를 보여준다는 것이 여러 사례를 통해 증명되었습니다. 생성형 인공지능의 비약적인 발전 뒤에는 적대적 생성 신경망(GAN)과 같은 정교한 구조가 자리 잡고 있습니다. 이는 생성자와 판별자라는 두 개의 네트워크가 서로 경쟁하며 발전하는 방식입니다. 생성자가 실제와 유사한 이미지를 만들어내면, 판별자는 그것이 진짜인지 가짜인지 구분하려 노력합니다. 이 과정에서 생성자는 판별자를 속이기 위해 더욱 정교한 결과물을 만들어내고, 판별자는 이를 더 잘 잡아내기 위해 날카로워집니다. 이러한 상호 작용은 결국 인공지능이 실사에 가까운 고품질의 데이터를 생성할 수 있게 만드는 강력한 원동력이 됩니다. 수학적 관점에서 생성 모델의 목표는 실제 데이터의 확률 분포와 모델이 생성한 분포 사이의 차이를 최소화하는 것입니다. 이를 위해 최적 운송 이론에서 유래한 '와서스타인 거리'라는 개념이 활용됩니다. 이는 진흙을 구멍에 채우는 택배 문제처럼, 한 분포를 다른 분포로 옮기는 데 드는 최소 비용을 계산하는 방식입니다. 2017년경 정립된 이 이론적 토대는 인공지능이 단순히 데이터를 흉내 내는 수준을 넘어, 수학적으로 정교하게 최적화된 상태에 도달할 수 있도록 돕는 중요한 이정표가 되었으며 대학원생의 연구가 혁신을 일으킨 사례로도 유명합니다. 최근에는 노이즈 상태에서 단계적으로 이미지를 복원해 나가는 확산 모델(Diffusion Model)이 생성형 인공지능의 대세로 떠오르고 있습니다. 이는 한 번에 결과를 내기보다 시간을 쪼개어 미세하게 조정해 나가는 방식으로, 더욱 정밀한 제어가 가능하다는 장점이 있습니다. 인공지능은 이제 아기가 세상을 배우듯 비지도 학습에서 언어 학습으로, 그리고 더 복잡한 추론의 단계로 진화하고 있습니다. 이러한 발전은 인간의 고유 영역이라 여겨졌던 창작과 전문 지식의 영역까지 확장되며 우리 삶의 패러다임을 근본적으로 바꾸고 있으며, 로보틱스와 같은 물리적 영역으로의 확장도 기대되고 있습니다.

[강연] 최적화 이론, 인공지능 시대에 비상하다 2_by 권도현 | 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 8강 두 번째 이야기

권도현

카오스재단카오스강연
  • 수학

[인터뷰] 바이오인공지능연구센터 ABC #004 | 이승근 데이터사이언스 대학원 교수

이승근 교수는 생물학, 통계학, 그리고 소프트웨어 엔지니어링이라는 세 가지 서로 다른 분야를 융합하여 자신만의 독자적인 연구 영역을 구축했습니다. 서울대학교 데이터 사이언스 대학원에서 활동 중인 그는 유전 변이와 질병 간의 상관관계를 분석하는 통계적 유전학을 전공하고 있습니다. 학부 시절 생물학을 전공하며 실험의 어려움을 느꼈던 경험과 군 복무 시절 소프트웨어 개발자로 일했던 경력은 그가 데이터 기반의 생물 통계학자로 성장하는 데 중요한 밑거름이 되었습니다. 그의 연구에서 가장 핵심적인 성과는 희귀 유전 변이를 분석하는 새로운 통계적 방법론을 개발한 것입니다. 과거에는 복잡하고 단순하게 처리되던 유전 데이터 분석을 보다 현실적인 시나리오에서 수행할 수 있도록 돕는 소프트웨어를 제작하여 전 세계 연구자들에게 큰 영향을 미쳤습니다. 수천 번 이상 인용된 그의 연구는 단순히 이론에 그치지 않고, 실제 유전 변이가 키나 몸무게 같은 표현형이나 특정 질병에 어떤 영향을 미치는지 예측하는 데 실질적인 도구로 활용되고 있습니다. 최근 과학계의 화두인 인공지능은 바이오 분야에서도 혁신적인 변화를 이끌고 있습니다. DNA의 변이를 해석하고 그 기능을 예측하는 과정뿐만 아니라, 뇌 영상과 같은 복잡한 로 데이터에서 유의미한 특징을 추출하는 데 AI가 핵심적인 역할을 수행합니다. 특히 노벨 물리학상과 화학상이 AI 선구자들에게 수여된 사례는 인공지능이 기초 과학 전반에 미치는 거대한 영향력을 증명합니다. 이러한 흐름 속에서 데이터 사이언스는 생명 현상을 이해하는 새로운 렌즈로서 그 중요성이 더욱 강조되고 있습니다. 진정한 의미의 융합 연구를 위해서는 서로 다른 분야의 연구자들이 각자의 언어를 이해하고 존중하는 태도가 필수적입니다. 데이터 분석가와 실험 연구자 사이의 협업은 데이터 정제나 배치 이펙트 보정과 같은 실무적인 어려움으로 인해 쉽지 않은 과정이지만, 이를 극복했을 때 비로소 실질적인 성과가 나타납니다. 미국과 한국의 연구 환경 차이에도 불구하고, 다양한 전문가들과의 교류를 통해 연구의 지평을 넓히는 과정은 현대 과학이 지향해야 할 협력의 모델을 잘 보여줍니다. 학계에서 연구자로 살아가는 것은 끊임없는 평가와 인내를 요구하는 과정입니다. 주니어 시절부터 테뉴어를 받기까지의 불안정성을 견뎌내야 하지만, 그 과정에서 얻는 보상은 매우 특별합니다. 자신이 진정으로 탐구하고 싶은 주제를 자유롭게 추구하며, 연구 결과에 자신의 이름을 새길 수 있다는 점은 아카데미만이 줄 수 있는 매력입니다. 이러한 보람을 동력 삼아 꾸준히 정진한다면, 연구자로서 마주하는 수많은 도전은 성장을 위한 소중한 자양분이 될 것입니다.

[인터뷰] 바이오인공지능연구센터 ABC #004 | 이승근 데이터사이언스 대학원 교수
카오스재단카오스크로스

[인터뷰] 바이오인공지능연구센터 ABC #001 | 이현숙 센터장

서울대학교 바이오 인공지능 연구센터는 기초과학과 인공지능의 결합을 통해 인류 과학사에 새로운 족적을 남기고자 설립되었습니다. 이 센터는 국가 지원금이 아닌 순수 민간 기부금으로 운영되며, 눈에 보이는 단기적 목표보다는 미래를 개척하는 도전적인 연구를 지향합니다. 학과와 대학의 경계를 허물고 다양한 분야의 전문가들이 모여 협력하는 이 모델은 우리나라 연구 풍토와 지원 제도에 새로운 변화를 불러일으키고 있습니다. 센터는 단순한 연구 집단을 넘어, 인재들이 자유롭게 소통하며 시너지를 내는 혁신적인 플랫폼을 꿈꿉니다. 2020년 구글의 알파폴드가 단백질 구조 예측 기술을 발표한 사건은 센터 설립의 결정적인 계기가 되었습니다. 수십 년간 생명과학자들이 매달려온 난제를 인공지능이 해결하는 모습을 보며, 이현숙 센터장은 생명과학자로서 직업적 위기감과 두려움을 느꼈다고 회상합니다. 인공지능에 대한 무지가 미래의 뒤처짐으로 이어질 수 있다는 절박함은 혁신의 시작이 되었습니다. 이러한 두려움은 인공지능을 적이 아닌 동반자로 받아들이고, 이를 통해 더 큰 인류적 가치를 창출하려는 의지로 승화되었습니다. 바이오 인공지능 연구센터는 특정 학문에 국한되지 않는 초학제적 협력을 핵심 가치로 삼습니다. 인공지능 전문가뿐만 아니라 의학, 물리, 화학, 수학, 통계학, 기계공학 등 다양한 분야의 인재 40여 명이 모여 거대한 연구단을 구성했습니다. 이들은 단순히 자신의 연구를 수행하는 데 그치지 않고, 서로의 전문성을 공유하며 아무도 상상하지 못했던 새로운 프로젝트를 스스로 도출해 나갑니다. 이러한 자유로운 공모와 인터뷰를 통해 선발된 연구자들은 협력 연구에 대한 강력한 의지를 바탕으로 집단 지성의 힘을 보여주고 있습니다. 센터의 비전은 단순히 바이오와 인공지능의 결합을 넘어선 '종합 과학'의 실현에 있습니다. 10년, 20년 후에는 인공지능 외에도 새롭게 등장할 첨단 기술들을 유연하게 받아들여 생명 현상의 근원적인 질문들에 답하는 도전적인 연구단으로 성장하는 것이 목표입니다. 특히 인간의 질병 발생 원인 규명, 정밀한 진단, 신약 개발 등 인류의 삶을 실질적으로 개선할 수 있는 분야에 집중하고 있습니다. 이는 작은 나라에서도 세계를 놀라게 할 위대한 발견이 나올 수 있다는 가능성을 증명하려는 서울대학교의 담대한 도전이기도 합니다. 이현숙 센터장은 분자생물학자로서 유방암 억제 인자인 BRCA2의 기능을 규명하고 텔로미어의 항상성 유지 기전을 연구해 온 전문가입니다. 그녀의 연구 인생에서 가장 큰 성취는 역설적으로 '대실패'의 순간에서 시작되었습니다. 박사 과정 당시 세웠던 가설이 완전히 틀렸음을 입증하며 위기에 처했을 때, 포기하지 않고 도전했던 경험이 BRCA2 연구라는 거대한 기회로 이어졌습니다. 이러한 경험은 센터 운영 철학에도 반영되어, 연구자들이 실패를 두려워하지 않고 새로운 질문을 던질 수 있는 환경을 조성하는 밑거름이 되었습니다. 현재 생명과학 분야의 가장 큰 화두는 인공지능의 활용과 더불어 '노화' 연구입니다. 노화는 누구도 피할 수 없는 현상이지만, 그 분자생물학적 메커니즘은 여전히 미지의 영역으로 남아 있습니다. 센터는 인공지능과 데이터 사이언스를 활용해 노화 과정에서 발생하는 염증과 면역력 저하의 비밀을 풀고, 이를 통해 건강한 수명 연장을 실현하고자 합니다. 또한 방대한 유전자 시퀀싱 데이터를 학습하여 개인의 질병 확률을 예측하거나, 고해상도 영상 이미지를 분석해 세포의 운명을 정확히 판단하는 등 실질적인 연구 성과를 도출하고 있습니다. 이현숙 센터장은 자신이 단순한 롤 모델이 되기보다는, 후배 과학자들과 학생들이 마음껏 꿈을 펼칠 수 있는 '마당'이자 '플랫폼' 역할을 하기를 희망합니다. 과학은 스스로의 호기심을 좇는 과정이며, 그 과정에서 발생하는 시너지가 얼마나 큰 변화를 이끌어낼 수 있는지 보여주는 것이 그녀의 사명입니다. 바이오 인공지능 연구센터는 단순히 연구비를 지원하는 곳이 아니라, 사람들의 꿈이 모여 인류의 미래를 바꾸는 공간입니다. 이곳에서 탄생할 새로운 과학적 발견들이 세상을 더 나은 곳으로 만들 것이라는 낙관적인 믿음이 센터를 움직이는 원동력입니다.

[인터뷰] 바이오인공지능연구센터 ABC #001 | 이현숙 센터장
카오스재단카오스크로스

[인터뷰] ABC가 뭐야? 바이오X인공지능 200억 프로젝트 | 이현숙 서울대 생명과학부 교수

바이오 인공지능 연구단(ABC)은 인공지능이 바이오 분야에 혁신을 가져올 것이라는 확신에서 출발했습니다. 과거 알파고의 등장은 많은 이들에게 충격을 주었지만, 동시에 인공지능이 생명과학과 결합했을 때 발휘할 엄청난 잠재력을 예견하게 했습니다. 단순히 바둑을 두는 기술을 넘어, 복잡한 생명 현상을 해석하는 도구로서의 인공지능은 이제 선택이 아닌 필수적인 연구 수단이 되었습니다. 이러한 흐름 속에서 ABC는 새로운 과학적 탐구의 시작을 알리는 고유 명사로 자리 잡고 있습니다. 과학계에서 수십 년간 연구에 매진해 온 전문가라 할지라도, 급변하는 기술의 흐름을 놓치면 도태될 수 있다는 위기감이 존재합니다. 특히 알파폴드의 등장은 기존의 연구 방식만으로는 해결할 수 없는 새로운 영역이 열렸음을 시사했습니다. 이에 대응하기 위해 연구자 개인이 모든 코딩 기술을 익히기보다는, 각 분야의 최고 전문가들이 모여 협력할 수 있는 플랫폼을 구축하는 것이 중요해졌습니다. 서로 다른 전공의 인재들이 한자리에 모여 질문을 공유하고 답을 찾아가는 과정이 바로 혁신의 핵심입니다. 대규모 기부금은 연구단 출범의 결정적인 동력이 되었으며, 이는 고성능 GPU 클러스터와 같은 필수 인프라를 구축하는 밑거름이 되었습니다. 서울대학교 내 자연대, 공대, 의대 등 다양한 학문적 배경을 가진 인재들이 대학별 안배 없이 오직 실력만으로 선발되어 유기적인 연구 체계를 갖추었습니다. 인공지능 기술과 생물학적 데이터, 그리고 임상 현장의 목소리가 결합할 수 있는 마당이 마련된 것입니다. 이러한 환경은 단순히 기술을 모방하는 수준을 넘어, 독창적인 질문을 던지고 해결하는 기반이 됩니다. 연구단 내부에서는 서로 다른 분야의 지식이 만나 새로운 가치를 창출하는 흥미로운 협업이 활발히 진행되고 있습니다. 예를 들어, 미세유체역학적 힘을 측정하는 공학 기술을 세포 노화나 분열과 같은 생물학적 운명 결정 연구에 도입하는 시도가 대표적입니다. 생물학자가 미처 생각하지 못한 물리적 관점을 공학자가 제시하고, 이를 인공지능으로 분석함으로써 이전에는 보지 못했던 생명의 신비를 밝혀내고 있습니다. 이러한 진정한 의미의 학문적 케미스트리는 기존의 경계를 허물고 새로운 연구 분야를 개척하는 원동력이 됩니다. 바이오 인공지능 연구의 궁극적인 목표는 인류의 건강과 삶의 질 향상에 기여하는 것입니다. 질병의 조기 진단과 저비용 진단 기술, 그리고 환자 맞춤형 치료법 개발은 인공지능이 가장 잘 해낼 수 있는 영역 중 하나입니다. 또한, 이러한 첨단 과학의 성과를 연구실 안에만 가두지 않고 대중과 적극적으로 소통하며 공유하는 것은 과학자의 중요한 책무입니다. 미래 세대에게 영감을 주고 국가 R&D 정책의 올바른 방향을 제시함으로써, ABC는 지속 가능한 과학 기술 생태계를 조성하는 초석이 되고자 합니다.

[인터뷰] ABC가 뭐야? 바이오X인공지능 200억 프로젝트 | 이현숙 서울대 생명과학부 교수
카오스재단카오스크로스

[카오스 짧강] 통계학과 위상수학의 데이터 접근법 차이

통계학은 데이터를 분석할 때 명확한 목표를 설정하는 것에서부터 시작합니다. 분석가는 평균이나 분산을 확인하거나, 두 집단 사이에 차이가 있는지를 파악하기 위해 구체적인 가설을 수립합니다. 예를 들어 특정 데이터군에 여러 포지션이 존재할 것이라는 가정을 하고, 실제 데이터를 통해 그 가정이 통계적으로 타당한지를 확인하는 방식입니다. 이러한 접근은 데이터의 활용 목적을 미리 정의하고 이를 입증해 나가는 과정이라 할 수 있으며, 수치적인 신뢰도를 확보하는 데 주력합니다. 위상수학적 데이터 분석(TDA)은 데이터 과학의 관점에서 접근 방식이 근본적으로 다릅니다. 특별한 목적을 미리 정해두지 않고, 일단 방대한 데이터를 확보한 뒤 그 안에서 어떤 형태가 나타나는지를 살핍니다. 이전에는 전혀 인지하지 못했던 데이터의 구조를 새롭게 포착하는 것에 초점을 맞추는 것입니다. 이는 미리 정해진 정답을 찾는 과정이 아니라, 데이터 자체가 스스로 보여주는 숨겨진 형상을 찾아내는 탐색과도 같으며 기존의 분석 틀을 깨는 새로운 시각을 제공합니다. 결국 통계학과 위상수학적 데이터 분석(TDA)의 차이는 입증과 탐색이라는 지향점에 있습니다. 통계학이 세워진 가설의 진위 여부를 확인하며 실용적인 결과를 도출한다면, 위상수학적 데이터 분석(TDA)은 데이터의 흐름을 통해 예상치 못한 통찰을 얻는 과정을 중시합니다. 처음부터 특정 용도를 염두에 두지 않았더라도, 데이터를 살피는 과정에서 결과적으로 유용한 가치가 도출되기도 합니다. 이러한 두 분야의 상호보완적인 성격은 현대 데이터 분석에서 매우 중요한 역할을 수행하며 복잡한 데이터 세상을 이해하는 열쇠가 됩니다.

[카오스 짧강] 통계학과 위상수학의 데이터 접근법 차이
카오스재단질토과 + 짧강

[카오스 짧강] 넴하우저 정리 (Feat. 서브모듈러)

서브모듈러 함수는 복잡한 최적화 문제를 해결하는 데 매우 중요한 역할을 합니다. 이를 이해하기 위해 햄버거 세트 메뉴의 가격 정책을 예로 들어보겠습니다. 이미 햄버거와 감자튀김을 선택한 상태에서 콜라를 추가하는 비용이, 햄버거만 선택한 상태에서 콜라를 추가하는 비용보다 저렴한 상황을 가정해 볼 수 있습니다. 이러한 특성은 자원을 효율적으로 배분해야 하는 다양한 상황에서 수학적 근거로 활용되며, 선택의 폭이 넓어질수록 추가적인 선택의 가치가 어떻게 변하는지를 명확하게 설명해 줍니다. 넴하우저 정리는 특정 조건 하에서 탐욕 알고리즘의 효율성을 수학적으로 증명해 줍니다. 최적화하려는 함수가 서브모듈러 성질을 가질 때, 모든 조합을 한꺼번에 계산하지 않고 매 순간 가장 좋은 선택을 하나씩 이어가는 것만으로도 충분히 훌륭한 결과에 도달할 수 있습니다. 이는 복잡한 연산 과정을 획기적으로 줄여주며, 시스템이 실시간으로 사용자에게 최적의 제안을 할 수 있는 이론적 토대가 됩니다. 방대한 데이터를 다루는 현대의 알고리즘 설계에서 이러한 접근 방식은 효율성과 정확도 사이의 균형을 맞추는 데 결정적인 역할을 합니다. 이러한 수학적 원리는 교육 인공지능 모델을 설계할 때도 핵심적으로 적용됩니다. 개발자는 학생의 평가 점수 체계나 학습 경로 추천 함수가 서브모듈러 성질을 갖도록 의도적으로 디자인할 수 있습니다. 모델이 이 성질을 갖추게 되면, 인공지능은 학생에게 가장 적합한 문제를 순차적으로 제시하더라도 전체 교육 과정을 아우르는 최적의 학습 처방을 내릴 수 있습니다. 결과적으로 복잡한 교육 데이터를 효율적으로 처리하여 개인 맞춤형 학습의 효과를 극대화할 수 있으며, 이는 곧 학습자에게 가장 이익이 되는 방향으로 시스템을 운영할 수 있음을 의미합니다.

[카오스 짧강] 넴하우저 정리 (Feat. 서브모듈러)
카오스재단질토과 + 짧강

[인터뷰] 박건웅_예측을 넘어 인과관계를 해석하는 데이터 사이언스🧑‍💻📊🖥️|제31회 서울대 자연과학 공개강연_"세상을 바꾼 과학, 과학이 여는 미래"

현대 데이터 과학의 핵심은 단순히 정보를 수집하는 것을 넘어, 데이터 이면에 숨겨진 복잡한 관계를 파악하는 데 있습니다. 특히 그래피컬 모델과 네트워크 분석은 변수들 사이의 함수 관계나 인과관계를 규명하는 데 초점을 맞춥니다. 기존의 인공지능이 주로 상관관계에 기반하여 미래를 예측했다면, 이 연구 분야는 원인이 바뀌었을 때 결과가 어떻게 변하는지 그 시스템 자체를 이해하고자 합니다. 이러한 접근은 인공지능이 인간의 의사결정 과정을 보다 정교하게 보조하고 대체할 수 있는 지식의 토대가 됩니다. 현재 우리가 사용하는 인공지능은 여러 한계점을 지니고 있습니다. 가장 큰 문제는 데이터의 편향성으로, 주로 선진국 위주의 데이터가 수집되다 보니 보편적인 판단을 내리는 데 어려움이 있습니다. 또한 모델이 지나치게 복잡해지면서 결과가 도출된 이유를 인간이 이해하지 못하는 '블랙박스' 현상이 발생합니다. 이는 고성능 컴퓨팅 자원의 과도한 사용으로 이어져 환경 문제까지 야기하고 있습니다. 따라서 다음 세대의 인공지능은 이러한 불투명성과 비효율성을 극복하는 방향으로 진화해야 합니다. 미래의 인공지능은 단순히 예측 성능을 높이는 것을 넘어, '설명 가능한 AI'를 지나 '해석 가능한 AI' 혹은 '인과관계 AI'로 나아가야 합니다. 이는 특정 변수가 결과에 어떤 영향을 미쳤는지 단순히 나열하는 수준을 넘어, 왜 그런 결과가 초래되었는지 논리적으로 설명할 수 있는 능력을 의미합니다. 데이터가 생성되는 시스템 자체를 이해하는 방법론이 개발된다면, 인공지능은 단순한 도구를 넘어 인간의 논리적 사고를 뒷받침하는 강력한 파트너로서 그 역할을 수행하게 될 것입니다. 인과관계를 추론하는 그래피컬 모델은 다양한 실무 분야에서 혁신적인 변화를 이끌어낼 수 있습니다. 신약 개발 과정에서는 약물이 인체 면역 시스템에 미치는 영향을 분석하여 치료 효과를 극대화하고, 예상치 못한 부작용을 사전에 예측하는 데 활용됩니다. 사회 정책 분야에서도 특정 정책이 사회 전반에 미치는 파급 효과를 분석하여 의도한 목표를 달성할 수 있는지, 혹은 예기치 못한 사회적 부작용이 발생하지는 않을지 미리 판단할 수 있게 해줍니다. 이는 데이터 기반의 정밀한 의사결정을 가능케 합니다. 과학자의 길을 걷기 위해서는 연구가 세상을 어떻게 바꿀지에 대한 거시적인 시각을 갖는 것이 중요합니다. 하지만 장기적인 레이스를 완주하기 위해서는 자신만의 스트레스 관리법 또한 필수적입니다. 운동이나 등산과 같은 신체 활동은 연구 과정에서 쌓인 스트레스를 해소하고 다시 몰입할 수 있는 에너지를 제공합니다. 결국 좋아하는 일을 지속할 수 있는 힘은 학문적 열정과 건강한 생활 습관의 균형에서 비롯됩니다. 이러한 균형은 과학자로서의 삶을 더욱 풍요롭고 지속 가능하게 만들어 줄 것입니다.

[인터뷰] 박건웅_예측을 넘어 인과관계를 해석하는 데이터 사이언스🧑‍💻📊🖥️|제31회 서울대 자연과학 공개강연_"세상을 바꾼 과학, 과학이 여는 미래"

박건웅

카오스재단서울대자연과학공개강연
  • 수학

[연구뭐하지?] 지구를 구하는 사람들_박록진 교수 | 서울대학교 "대기화학모델링 연구실"

대기 화학 모델링 연구는 인간 활동이 지구 환경에 미치는 영향을 과학적으로 규명하는 중요한 학문입니다. 자동차 배기가스나 이산화탄소 배출과 같은 인간의 활동이 대기 조성을 어떻게 변화시키고, 이것이 다시 기후 변화와 같은 형태로 우리에게 어떤 영향을 주는지 탐구합니다. 연구자들은 대기 오염과 기후 위기라는 전 지구적 문제를 해결하기 위한 정책적 방향성을 제시하며, 지구를 구한다는 사명감을 가지고 연구에 임하고 있습니다. 이 연구실의 핵심 도구는 '대기 화학 모델링'입니다. 대기 중에서 일어나는 복잡한 물리·화학적 현상들을 컴퓨터 언어로 구현하여 가상의 환경에서 실험을 진행하는 방식입니다. 대기 화학 모델링은 연구자가 원하는 조건에 맞춰 무한한 가상 실험을 가능하게 한다는 점에서 매우 매력적입니다. 학생들은 이를 통해 위성 및 지상 관측 자료와 모델 데이터를 능숙하게 다루는 법을 익히며, 실제 대기 현상을 정교하게 재현해내는 전문가로 성장하게 됩니다. 대기 과학은 자연을 대상으로 하는 자연과학인 동시에, 방대한 데이터를 다루는 데이터 사이언스이자 인간에 대한 이해가 필요한 종합 과학입니다. 대기에는 국경이 없기 때문에 특정 지역에 한정된 연구가 아니라 전 세계 학자들과의 긴밀한 협업이 필수적입니다. 공기의 흐름은 끊임없이 순환하며 지구 전체를 연결하므로, 대기 과학은 지역적인 한계를 넘어선 국제적인 학문으로서의 성격을 강하게 띠고 있습니다. 구체적인 연구 주제로는 메탄과 이산화탄소의 배출 및 흡수 기작 규명이 있습니다. 특히 메탄은 기후 변화와 오존 생성에 중요한 역할을 하지만, 정확한 발생원과 배출량을 파악하기 어려운 미지의 영역이 많습니다. 연구자들은 자신이 계산한 배출량을 모델에 적용했을 때 실제 관측값과 일치하는 순간 큰 성취감을 느낍니다. 탄소 중립과 넷제로가 화두인 시대에 이러한 연구는 지속 가능한 미래를 위한 핵심적인 동력이 됩니다. 대학원 과정은 단순히 지식을 습득하는 단계를 넘어 독창적인 연구자로 거듭나는 통과의례입니다. 학생들은 선배들과 중첩되지 않는 자신만의 고유한 연구 주제를 개척하며 세계적인 전문가로 성장할 기회를 얻습니다. 또한, 연구실 내 '먼네(Monthly Nature)'와 같은 문화를 통해 최신 학술 동향을 공유하고 사회적 이슈에도 관심을 가집니다. 이는 자연과학이 우리 삶과 밀접하게 연결되어 있음을 깨닫고 더 나은 사회를 만드는 데 기여하기 위함입니다.

[연구뭐하지?] 지구를 구하는 사람들_박록진 교수 | 서울대학교 "대기화학모델링 연구실"

박록진

카오스재단연구뭐하지
  • 지구환경과학

[EOST2023] 패널토의: 오픈소스가 만드는 LLM의 미래는?

인공지능 기술의 비약적인 발전 배경에는 오픈소스 커뮤니티의 헌신적인 노력이 자리 잡고 있습니다. 특히 LLM(거대언어모델) 분야에서 오픈소스는 기술의 민주화를 이끌며 전 세계 연구자들이 지식을 공유하고 협력하는 장을 마련했습니다. 이러한 협력은 단순히 업무를 분담하는 차원을 넘어, 서로의 코드를 리뷰하고 아이디어를 융합하며 개인과 기술이 동시에 성장하는 선순환 구조를 만들어냅니다. 커뮤니티를 통한 지식의 팽창은 곧 인공지능 생태계의 근간이 됩니다. LLM의 고질적인 한계로 지적되는 할루시네이션은 RAG(검색 증강 생성) 기술을 통해 보완되고 있습니다. 신뢰성이 중요한 전문 분야에서는 모델이 단순히 답변을 생성하는 것에 그치지 않고, 답변의 근거가 되는 원문 규정이나 문서를 함께 제시하는 시스템적 접근이 필수적입니다. 비록 인공지능이 100% 오류를 차단하기는 어렵지만, 사용자가 직접 답변의 근거를 확인하고 검증할 수 있는 환경을 제공함으로써 기술의 실무 적용 가능성과 신뢰도를 점진적으로 높여가고 있습니다. 과거의 연구 방식이 타인의 논문을 처음부터 끝까지 재현하는 장인 정신에 기반했다면, 현대의 인공지능 연구는 공개된 소스코드를 바탕으로 새로운 아이디어를 빠르게 실험하고 적용하는 효율성을 지향합니다. 이는 연구 속도를 획기적으로 높여 기술의 상용화 주기를 단축하는 계기가 되었습니다. 또한 ChatGPT와 같은 도구는 사용자마다 각기 다른 답변과 해결책을 제공함으로써, 우리 사회가 우려하는 획일화가 아닌 오히려 지식의 다양성을 증진하는 예기치 못한 긍정적 효과를 보여주고 있습니다. 많은 전문가가 오픈소스 LLM이 언제쯤 클로즈드 모델인 GPT-4의 성능을 추월할 것인지 주목하고 있습니다. 과거 스테이블 디퓨전이 이미지 생성 분야에서 보여준 폭발적 성장 사례처럼, 오픈소스 커뮤니티의 집단지성은 기술적 도약을 가능케 하는 막강한 저력을 지니고 있습니다. 특히 컨트롤넷과 같은 혁신적인 제어 기술이나 모델 내부의 창발적 현상을 규명하는 연구가 결합한다면, 오픈소스 모델은 단순한 추종을 넘어 특정 전문가 영역에서 독보적인 활용 가치를 증명할 것입니다. 모든 산업 영역에서 범용적인 거대 모델이 반드시 필요한 것은 아닙니다. 네트워크 장비 제어나 보안이 중시되는 산업 현장과 같이 자원 효율성이 중요한 환경에서는 파라미터 수를 최적화한 sLLM(소형 거대언어모델)이 더 현실적인 대안이 됩니다. 도메인 특화 데이터를 학습하고 특정 작업에 최적화된 소형 모델은 온사이트 배포에 유리하며, 이는 복잡한 비즈니스 로직에 실질적으로 투입되어 유의미한 운영 성과를 내는 핵심적인 역할을 수행할 것으로 기대됩니다. 인공지능 기술의 등장은 언어의 장벽을 허물고 정보 습득의 속도를 비약적으로 가속화하고 있습니다. 실시간 통역과 고도화된 번역 기술은 연구자들이 글로벌 지식에 접근하는 비용을 획기적으로 낮춰주었으며, 이는 비영어권 국가의 연구 역량을 강화하는 데 크게 기여하고 있습니다. 이제 연구자에게 중요한 역량은 방대한 데이터를 어떻게 효율적으로 정리하고 자신의 연구에 창의적으로 녹여낼 것인가 하는 지식 관리 능력이며, 인공지능은 이를 뒷받침하는 강력한 조력자가 되었습니다. 정부출연연구기관과 같은 공공 영역에서는 기업이 간과하기 쉬운 사회적 약자 보호나 공익적 목적의 인공지능 활용 전략을 수립해야 합니다. 개별 연구원이 AI 에이전트의 도움을 받아 연구 보고서 작성이나 기술 동향 분석을 효율적으로 수행할 수 있는 인프라 구축이 시급합니다. 각 기관이 프롬프트 엔지니어링이나 데이터 사이언스 전문 인력을 확보하여 연구 현장의 생산성을 극대화하고, 안전한 인공지능 활용을 위한 규제 검증 절차를 마련하는 것이 미래의 핵심 과제입니다.

[EOST2023] 패널토의: 오픈소스가 만드는 LLM의 미래는?
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

[카오스 짧강] 인공지능과 화학_by이주용|2018 가을 카오스 강연 '화학의 미스터리, CheMystery' 9강

화학 분야에서 인공지능이 주목받는 이유는 오랜 시간 축적된 방대한 실험 데이터 덕분입니다. 과거에는 이론적인 방법만으로 분자의 성질을 예측하는 데 한계가 있었으나, 이제는 기계학습을 통해 데이터 속의 복잡한 패턴을 학습할 수 있게 되었습니다. 이러한 변화는 화학자들이 이전에 시도하지 못했던 새로운 예측을 가능하게 하며, 실험 연구의 패러다임을 근본적으로 바꾸고 있습니다. 데이터의 힘을 빌린 인공지능은 이제 화학 연구의 필수적인 동반자로 자리 잡고 있습니다. 인공지능의 역사는 1940년대부터 시작되었지만, 실제적인 도약은 2012년 딥러닝의 등장과 함께 이루어졌습니다. 알고리즘의 발전과 더불어 대용량 저장 장치, 그리고 GPU를 활용한 고속 연산 기술이 결합하면서 인공지능의 정확도는 비약적으로 향상되었습니다. 특히 이미지 인식 분야에서 인간의 수준에 근접한 성과를 내기 시작하면서, 화학자들 또한 이러한 기술을 분자 설계와 분석에 도입하기 시작했습니다. 하드웨어와 소프트웨어의 조화가 현대 화학의 새로운 장을 열어준 셈입니다. 화학은 흔히 '다양성의 과학'이라 불리며, 이론적으로 가능한 분자의 수는 약 10의 60승 개에 달합니다. 이는 전 우주에 존재하는 별의 개수보다도 훨씬 많은 수치로, 인간의 힘만으로는 이 광활한 분자의 우주를 모두 탐색하기란 불가능에 가깝습니다. 여기서 인공지능은 효율적인 탐색 도구로서 중요한 역할을 수행합니다. 원하는 성질을 먼저 설정하고 그에 맞는 분자를 찾아가는 '인버스 디자인' 개념은 인공지능을 통해 더욱 스마트하고 정교하게 구현되고 있습니다. 미래의 화학 실험실은 인공지능과 로봇이 결합한 완전 자동화 시스템으로 진화할 전망입니다. 인공지능이 기존에 없던 새로운 분자 구조를 생성하고 그 성질을 예측하면, 로봇이 이를 직접 합성하고 테스트하는 과정이 사람의 손길 없이도 이루어질 수 있습니다. 이러한 자동화는 신약 후보 물질이나 신소재를 발견하는 속도를 현재보다 수십 배 이상 앞당길 것으로 기대됩니다. 단순 반복적인 실험 과정이 자동화됨에 따라 연구의 효율성은 극대화되고, 인류가 직면한 난제 해결에도 속도가 붙을 것입니다. 인공지능의 도입이 화학자의 역할을 위협한다는 우려도 있지만, 이는 오히려 인간이 더 창의적인 문제에 집중할 수 있는 환경을 제공합니다. 화학자들은 단순 반복 업무에서 벗어나 분자의 근원적인 원리를 탐구하고, 인류에게 유용한 가치를 창출하는 고차원적인 설계에 시간을 쏟게 될 것입니다. 화학은 물질의 변화와 다양성을 다루는 학문이며, 인공지능은 그 변화의 과정을 가속하는 강력한 도구입니다. 기술과 인간의 협력은 화학이라는 학문을 더욱 풍요롭고 역동적으로 만들어갈 것입니다.

[카오스 짧강] 인공지능과 화학_by이주용|2018 가을 카오스 강연 '화학의 미스터리, CheMystery' 9강
카오스재단질토과 + 짧강

국제데이터주간 행사 IDW 2022 개최 (사전등록 마감: 5/31)

대한민국 서울은 현재 전 세계 문화의 중심지로 자리 잡고 있습니다. K-컬처와 K-푸드에 이어 이제는 'K-데이터'가 새로운 도약의 주인공으로 떠오르고 있습니다. 이러한 흐름 속에서 개최된 'International Data Week (IDW) 2022'는 2016년 미국 덴버와 2018년 보츠와나 가보로네를 거쳐 서울에서 그 세 번째 여정을 시작했습니다. 이번 행사는 '세상을 개선하자'라는 주제 아래, 4차 산업혁명의 핵심 자원인 데이터의 가치를 재조명했습니다. 연구자와 사서, IT 전문가 등 각 분야의 데이터 전문가들이 한자리에 모여 연구 데이터의 거버넌스와 개방, 공유 인프라 구축을 통한 혁신적인 미래를 논의하는 장이 되었습니다. IDW 2022의 성공적인 개최를 위해 세계적인 국제 기구인 CODATA, RDA, WDS가 힘을 합쳤으며, 한국과학기술정보연구원(KISTI)을 비롯한 유수의 국내 연구 기관들이 주관을 맡았습니다. 행사는 교통이 편리한 용산의 서울 드래곤 시티와 한강의 아름다운 풍경을 품은 세빛섬 플로팅 아일랜드에서 진행되었습니다. 최적의 컨퍼런스 환경을 갖춘 서울 드래곤 시티는 대규모 그랜드볼룸과 미팅 룸을 통해 효율적인 논의를 지원했고, 세빛섬 플로팅 아일랜드의 연회는 참가자들에게 잊지 못할 추억을 선사했습니다. 6월 18일부터 9일간 이어진 이번 여정은 체계적인 인프라와 지원 덕분에 최고의 환경에서 전 세계 데이터 전문가들의 지식 교류가 활발히 이루어질 수 있었습니다. 이번 행사는 RDA 총회와 SciDataCon이 공동으로 개최되어 그 규모와 의미가 더욱 남다릅니다. 단순히 기술적인 논의를 넘어, 데이터의 가치가 어떻게 더 나은 세상을 만들 수 있는지에 대한 실천적인 방안들이 모색되었습니다. 특히 기후 변화 대응이나 질병 퇴치와 같은 인류 공동의 과제를 해결하고, 지속가능한 개발 목표(SDGs)를 달성하기 위한 데이터 전문가들의 협력이 강조되었습니다. 우리 세상을 변화시킬 강력한 도구인 데이터를 통해 글로벌 위기를 극복하려는 노력은 지금도 계속되고 있습니다. 서울에서 시작된 이 움직임은 데이터가 이끄는 더 나은 미래로의 도약이며, 인류 문명을 한 단계 더 발전시키는 중요한 이정표가 될 것입니다.

국제데이터주간 행사 IDW 2022 개최 (사전등록 마감: 5/31)
한국과학기술정보연구원
  • 생명과학
  • 지구환경과학
  • 융합
  • 공학·기술

[2021 미래유망기술세미나] 데이터에서 발견한 미래기술:위크시그널_한국과학기술정보연구원 양혜영 박사

한국과학기술정보연구원(KISTI)은 방대한 논문 데이터를 학습하여 미래 고성장 기술을 예측해 왔습니다. 과거에는 10년 이상의 장기 데이터를 분석하는 '망원경' 방식이 주를 이루었으나, 코로나19와 같은 급격한 환경 변화는 과거의 데이터만으로 예측하기 어려운 불연속성을 만들어냈습니다. 이에 따라 지금 막 새롭게 등장하는 작은 신호들을 포착하기 위한 '현미경' 방식의 접근이 필요해졌습니다. 이러한 미세한 신호들은 지금 당장 거대한 흐름으로 보이지는 않더라도, 다가올 내일의 변화를 미리 엿볼 수 있게 해주는 핵심적인 열쇠가 됩니다. 전통적인 위크시그널 탐색은 전문가 집단의 토론에 의존해 왔으나, 이는 특정 분야에 대한 쏠림이나 시간 소요라는 한계가 있었습니다. 이를 극복하기 위해 최근에는 빅데이터와 인공지능을 활용한 자동 탐지 프로세스가 개발되었습니다. 최근 5년간의 논문 텍스트에 알고리즘을 적용하여 키워드를 추출하고, 이들의 시계열적 움직임과 네트워크 관계를 분석함으로써 전문가의 개입 없이도 유의미한 기술 그룹을 생성할 수 있게 된 것입니다. 이는 데이터 기반의 객관적이고 효율적인 미래 예측을 가능하게 하는 혁신적인 시도입니다. 새롭게 부상하는 기술 영역 중 하나는 '비욘드 딥러닝'입니다. 충분한 데이터가 없어도 가짜 데이터를 정교하게 만들어 학습하거나, 한 분야의 지식을 다른 분야에 응용하는 일반 인공지능(AGI)으로의 진화가 관찰되고 있습니다. 또한 시스템 몰래 자원을 사용하는 크립토재킹과 같은 '히든 컴퓨팅' 위협이 증가하면서 사이버 보안의 중요성도 커지고 있습니다. 플랫폼 기반의 커뮤니티가 경제 전반으로 확산되는 '플랫폼화' 현상 역시 기술과 사회가 밀접하게 결합하며 새로운 경제 시스템을 만들어내는 핵심 징후로 꼽힙니다. 에너지와 제조 분야에서도 혁신적인 변화의 신호가 포착됩니다. 중앙 집중적 방식에서 벗어나 어디서든 에너지를 전송하고 저장하는 '에너지 클라우드' 개념이 확산되고 있으며, 기업들은 디지털 전환을 통해 급변하는 시장에 기민하게 대응하는 '애자일 엔터프라이즈'로 거듭나고 있습니다. 특히 그래핀이나 2차원 나노 물질 같은 '뉴카본' 소재 연구는 기존 한계를 뛰어넘는 신소재의 등장을 예고하며, 가상 세계를 현실의 확장으로 활용하려는 시도와 맞물려 산업 전반의 패러다임을 근본적으로 바꾸고 있습니다. 인류와 지구의 공생을 위한 '생태 문명'으로의 전환 역시 중요한 위크시그널입니다. 탄소 배출권 거래 시장의 활성화와 미생물을 활용한 친환경 농법, 식물성 고기 연구 등은 기후 위기에 대응하는 구체적인 실천 방안이 되고 있습니다. 더불어 코로나19 팬데믹을 겪으며 정신 건강에 대한 관심과 RNA 기반의 백신 개발 및 유전자 편집 기술도 급속히 발전하고 있습니다. 이러한 다양한 신호들은 비록 지금은 작고 미약해 보일지라도, 우리가 앞으로 맞이할 불확실한 미래를 선제적으로 준비하는 데 없어서는 안 될 귀중한 이정표가 될 것입니다.

[2021 미래유망기술세미나] 데이터에서 발견한 미래기술:위크시그널_한국과학기술정보연구원 양혜영 박사
한국과학기술정보연구원
  • 생명과학
  • 지구환경과학
  • 융합
  • 공학·기술

International Data Week 'IDW 2022' (registration deadline: 5/31)

K-팝과 K-드라마 등 전 세계를 사로잡은 K-컬처의 물결이 이제 데이터의 중심지 서울로 이어집니다. 5천 년의 역사를 품은 도시 서울에서 제3회 국제 데이터 위크(IDW 2022)가 그 화려한 막을 올립니다. 이번 행사는 2016년 미국 덴버와 2018년 보츠와나 가보로네의 성공적인 개최를 잇는 세 번째 여정으로, ‘세상을 더 나은 곳으로 만들기 위한 데이터’라는 핵심 주제를 다룹니다. 전 세계에서 모인 데이터 전문가들은 4차 산업혁명의 심장인 데이터의 중요성을 재확인하며, 데이터가 가진 잠재력을 극대화하여 인류의 삶을 변화시킬 혁신적인 방안들을 논의할 예정입니다. 이번 행사는 한국 최초의 라이프스타일 호텔 단지인 서울드래곤시티와 한강의 아름다움을 간직한 세빛섬에서 개최되어 참가자들에게 특별한 경험을 제공합니다. 과학기술정보통신부와 서울특별시 등 여러 국가 기관의 전폭적인 후원 아래 진행되며, 대규모 학술 컨퍼런스와 총회가 결합되어 그 규모와 의미가 더욱 남다릅니다. 6월 20일부터 23일까지 이어지는 본 회의 기간 동안 전문가들은 최고급 시설에서 연구 성과를 나누고, 한강 위에서의 특별한 만찬을 통해 글로벌 네트워크를 강화하며 데이터 생태계의 발전을 위한 협력의 기틀을 다질 예정입니다. 우리는 고품질 데이터의 개방성과 투명한 공유를 통해 인류가 직면한 거대한 과제들을 해결하고자 합니다. 찾기 쉽고 접근 가능하며, 상호 운용이 가능하고 재사용할 수 있는 FAIR 데이터 원칙은 더 나은 세상을 만드는 핵심 열쇠가 될 것입니다. IDW 2022는 기후 변화 대응부터 질병 통제, 재난 위험 감소, 그리고 지속가능발전목표(SDGs) 달성에 이르기까지 전 지구적 문제 해결을 위한 창의적인 포럼이 될 것입니다. 대한민국 서울에서 실현되는 한국 데이터와 국제 데이터의 만남은, 데이터를 통해 미래를 향해 비약적으로 도약하는 역사적인 전환점이 될 것입니다.

International Data Week 'IDW 2022' (registration deadline: 5/31)
한국과학기술정보연구원
  • 융합
  • 공학·기술

[연구뭐하지] 원중호 교수_서울대학교 '통계계산연구실' | 이렇게나 고차원적인 대용량 자료를 다룬다고요?! 이런 연구실 흔치 않습니다

서울대학교 통계계산연구실은 고성능 컴퓨팅(HPC)을 활용하여 통계학의 복잡한 계산 문제를 해결하는 데 집중하고 있습니다. 기존의 방식으로는 예측 모델을 구동하는 데 약 1,000시간이 소요되던 작업을 알고리즘 최적화를 통해 단 30분에서 1시간 내외로 단축하는 것이 이들의 주요 목표입니다. 단순히 계산 속도를 높이는 것을 넘어, 하드웨어의 제약과 수학적 복잡성을 동시에 고려하며 실용적인 통계 문제의 해답을 찾아가는 과정을 연구의 핵심으로 삼고 있습니다. 이곳은 스스로를 '문제를 만드는 곳'이라 정의할 만큼 도전적인 연구를 수행합니다. 일반적인 통계 분석으로는 다루기 힘든 MRI 데이터와 같은 고차원 대용량 자료를 직접 처리하는 것이 특징입니다. 일반 컴퓨터의 메모리에 담기조차 어려운 방대한 데이터를 다루기 위해 빠른 알고리즘을 개발하고, 이를 뒷받침할 수 있는 강력한 컴퓨팅 자원과 기술을 활용합니다. 수학적 기반 위에서 데이터의 한계를 극복해 나가는 과정은 연구실만의 독보적인 경쟁력이 됩니다. 연구실의 분위기는 매우 자유롭고 수평적입니다. 정해진 출퇴근 시간 없이 구성원들이 각자의 리듬에 맞춰 연구에 몰입하며, 교수와 학생 사이에도 존댓말을 사용하며 서로를 존중하는 문화를 유지하고 있습니다. 다만, 일주일씩 걸리는 긴 계산 결과를 확인하기 위해 새벽까지 모니터를 지켜보는 열정 때문에 밤낮이 바뀌는 경우도 종종 발생합니다. 언제 어디서든 결과를 확인할 수 있는 시스템 덕분에 연구에 대한 몰입도가 자연스럽게 높아지는 환경이 조성되어 있습니다. 소수 정예로 운영되는 연구실 공간은 학생들의 창의적인 아이디어와 개성으로 채워져 있습니다. 코딩 중 쌓이는 스트레스를 해소하기 위해 아두이노를 활용한 '빅 엔터키' 쿠션을 직접 제작해 사용하는 등 유쾌한 실험 정신이 돋보입니다. 첨단 기술에 관심이 많은 학생들이 모여 있기에 연구실 곳곳에는 새로운 기술적 시도들이 스며들어 있습니다. 이러한 유연한 사고방식은 복잡한 이론적 문제를 해결해 나가는 과정에서 중요한 원동력이 되어 줍니다. 통계계산연구실은 수리적 이론에 대한 깊은 관심과 함께 뛰어난 코딩 능력을 갖춘 인재를 기다리고 있습니다. 특히 일반적인 노트북으로는 해결하기 어려운 대규모 데이터를 통계적으로 다뤄보고 싶어 하는 도전 정신이 필수적입니다. 데이터의 크기가 기하급수적으로 커지는 현대 사회에서, 계산 과정의 중복성을 줄이고 효율적인 알고리즘을 설계하는 능력은 매우 중요합니다. 방대한 자료 속에서 빠르게 통찰을 얻어내는 과정은 연구자에게 큰 희열을 선사할 것입니다.

[연구뭐하지] 원중호 교수_서울대학교 '통계계산연구실'  |  이렇게나 고차원적인 대용량 자료를 다룬다고요?! 이런 연구실 흔치 않습니다

원중호

카오스재단연구뭐하지
  • 수학

병원에간인공지능,의사와친해지기ㅣ연세대의대 [연구현장속으로/토요과학강연]

연세대학교 의과대학 의료 인공지능 연구실은 딥러닝 기술을 활용해 질병을 진단하고 환자의 예후를 예측하는 혁신적인 연구를 수행하고 있습니다. 영상의학의 범위를 넘어 환자 맞춤형 치료 계획을 수립하고 정밀 의료를 실현하기 위해 다양한 임상 데이터를 통합 분석하는 것이 핵심입니다. 특히 X-ray, CT, MRI와 같은 의료 영상에서 암을 비롯한 주요 병변을 자동으로 검출하고 분류하는 기술은 현대 의학에서 매우 중요한 위치를 차지하고 있습니다. 이러한 기술은 단순히 영상 분석에 그치지 않고 병리 및 유전체 데이터까지 아우르는 정밀 의료의 토대가 됩니다. 의료 인공지능 연구의 성공을 위해서는 의사와 과학자 사이의 긴밀한 협력 관계가 필수적입니다. 연구원들은 병원 내 다양한 임상 과와 소통하며 실제 현장에서 필요한 알고리즘을 개발하고, 이를 통해 치료 계획의 정확도를 높이는 데 주력합니다. 뇌졸중과 같은 급성 질환을 MRI 영상에서 자동으로 진단하는 모델 개발부터 신약 개발에 따른 환자의 반응을 유추하는 연구까지 그 범위가 매우 넓습니다. 병원이라는 현장 중심의 환경에서 확보되는 방대한 데이터는 인공지능 모델이 실제 환자들에게 적용될 수 있는 실용적인 기술로 거듭나게 하는 핵심 자산이 됩니다. 병리 슬라이드 영상 분석은 세포 수준의 미세한 변화를 관찰하여 암의 특성을 파악하는 연구 분야입니다. 폐암이나 대장암과 같은 질환에서 종양의 영역을 분할하는 기술과 면역 염색 분석을 통해 종양의 성격을 규명하고 치료 반응을 예측합니다. 현미경으로 관찰되는 방대한 병리 데이터를 딥러닝 모델로 학습시킴으로써, 의료진은 보다 정교한 정보를 바탕으로 환자에게 최적화된 진료를 제공할 수 있게 됩니다. 이는 환자가 병원을 방문했을 때 체감할 수 있는 의료 서비스의 질을 획기적으로 향상시키며, 맞춤형 정밀 의료를 현실로 앞당기는 중요한 과정입니다. 라디오믹스 기술은 의료 영상 속에 숨겨진, 육안으로는 식별하기 어려운 미세한 정보를 수치화된 피처로 추출하는 첨단 기법입니다. 예를 들어 흉부 CT 영상에서 추출한 라디오믹스 피처를 활용하면 PD-L1과 같은 특정 면역 단백질의 발현 여부를 비침습적인 방식으로 예측할 수 있습니다. 이러한 방식은 환자에게 신체적 부담을 주지 않으면서도 조직 검사와 유사한 수준의 바이오마커 정보를 얻을 수 있게 해줍니다. 최종적으로는 딥러닝 기술과 임상 데이터를 결합하여 암 진단 파이프라인을 구축함으로써 진단의 효율성과 정확성을 극대화하는 비침습적 진단 모델 개발을 목표로 합니다. 의료 인공지능은 이제 더 이상 먼 미래의 상상이 아니라 우리 곁의 의료 현장에서 실질적인 변화를 만들어내고 있는 핵심 기술입니다. 다양한 전공의 연구자들이 협업하여 개발하는 알고리즘은 실제 임상 환경에 적용되어 의사의 의사결정을 돕고 환자의 치료 성과를 개선하는 데 기여하고 있습니다. 앞으로의 연구는 단순히 질병을 찾아내는 수준을 넘어, 각 환자에게 가장 적합한 약제와 치료법을 제시하는 지능형 의료 시스템으로 발전해 나갈 것입니다. 인공지능과 의학의 결합은 인류의 건강한 삶을 보장하기 위한 가장 강력한 도구가 되어줄 것으로 기대됩니다.

병원에간인공지능,의사와친해지기ㅣ연세대의대 [연구현장속으로/토요과학강연]
서울시립과학관
  • 생명과학
  • 뇌인지과학
  • 융합

정부출연연구소를 꿈꾸고 있다면 (한국과학기술연구원 - 김찬수 박사) [멘토링의 제왕 유튜브 라이브 공개 강연 2회차 2부 편집버전]

정부출연연구소는 안정적인 연구 환경과 자유로운 탐구 기회를 동시에 제공하는 매력적인 기관입니다. 이곳의 가장 큰 장점 중 하나는 대학과 달리 연구자에게 기본 연구비가 지원된다는 점입니다. 대학 교수들이 연구비를 확보하기 위해 외부 과제 수주에 많은 시간을 할애해야 하는 것과 대조적으로, 출연연 연구자들은 확보된 예산을 바탕으로 자신이 원하는 주제에 깊이 몰입할 수 있습니다. 물론 조직의 거대한 방향성을 따라야 하는 책임도 따르지만, 기업보다는 자유롭고 학계보다는 체계적인 환경에서 균형 잡힌 연구 생활을 이어갈 수 있다는 점이 큰 특징입니다. 연구자로서의 길은 하나의 학문에 고립되지 않고 다양한 분야를 가로지르는 여정이 될 수 있습니다. 컴퓨터공학으로 시작해 통계물리학을 거쳐 경제학까지 확장된 연구 이력은 현대 과학이 추구하는 융합의 가치를 잘 보여줍니다. 통계물리학은 개별 원자의 미시적인 움직임이 모여 어떻게 거시적인 현상을 만들어내는지 수학적으로 풀어내는 학문입니다. 이러한 논리적 틀은 단순히 자연 현상을 넘어 인간 사회의 복잡한 움직임을 해석하는 데에도 중요한 토대가 됩니다. 방대한 계산을 처리하는 알고리즘 역량은 세상을 데이터로 이해하는 강력한 도구가 됩니다. 자연의 원자와 달리 예측하기 어려운 인간의 행동을 연구하는 복잡계 경제학은 데이터 과학의 정수를 담고 있습니다. 수천만 명의 개인이 각자의 의지로 움직일 때 사회 전체가 어떤 방향으로 변화하는지 계산하는 과정은 현대의 인공지능과 기계학습 기술을 필요로 합니다. 특히 모든 수치가 평균으로 수렴한다는 고정관념에서 벗어나, 현실 사회에서 빈번하게 발생하는 예외적인 현상들을 분석하는 비가우시안 연구가 핵심입니다. 이러한 응용수학적 접근은 컴퓨터의 도움을 받아 복잡한 사회 문제를 수치화함으로써 정책적 판단의 근거를 마련해 줍니다. 계산과학의 진가는 실제 사회 문제를 해결하고 대안을 제시할 때 더욱 빛납니다. 코로나19 방역 정책을 결정하는 과정에서 거리두기 단계에 따른 확산 방지 효과와 경제적 파급력을 미리 계산해 보는 것이 대표적인 사례입니다. 이는 단순히 정답을 내놓는 것이 아니라, 컴퓨터를 이용한 가상의 사회 실험실을 구축하여 다양한 정책의 장단점을 객관적으로 비교할 수 있게 합니다. 데이터에 기반한 논리적인 분석은 막연한 추측이 아닌 과학적 근거를 바탕으로 사회가 더 나은 선택을 할 수 있도록 돕는 사회적 기여의 핵심적인 수단이 됩니다. 미래의 과학자를 꿈꾸는 이들에게 중요한 것은 특정 직장이나 학교라는 목표보다 자신이 해결하고 싶은 꿈의 본질을 찾는 일입니다. 정부출연연구소는 국민의 소중한 세금으로 운영되는 만큼, 연구의 결과가 공공의 이익으로 환원되어야 한다는 막중한 책임감을 동반합니다. 하지만 자신의 연구가 사회를 이롭게 하는 과정을 직접 확인하는 것은 연구자에게 무엇과도 바꿀 수 없는 큰 보람을 선사합니다. 논리적 사고를 바탕으로 세상에 기여하고자 하는 열정이 있다면, 수학적 지식의 깊이와 상관없이 누구든 우리 사회를 지탱하는 과학의 현장에서 활발하게 활약할 수 있습니다.

정부출연연구소를 꿈꾸고 있다면 (한국과학기술연구원 - 김찬수 박사) [멘토링의 제왕 유튜브 라이브 공개 강연 2회차 2부 편집버전]
서울시립과학관
  • 물리학
  • 수학
  • 융합

[연구뭐하지?] 정성규 교수_서울대학교 '통계적학습이론 연구실' | 통계에도 차원이 있다!?

21세기에 들어서며 데이터의 질과 양이 폭발적으로 증가함에 따라 통계학은 새로운 국면을 맞이했습니다. 과거에는 흔치 않았던, 변수의 수는 방대하지만 표본의 수는 상대적으로 적은 고차원 데이터 분석이 중요해진 것입니다. 특히 데이터가 일반적인 수치 형태를 넘어 이미지나 영상과 같은 복잡한 구조를 가질 때, 이를 '다양체(Manifold)'라는 기하학적 개념 위에서 분석하는 방법론과 이론적 토대를 마련하는 연구가 활발히 진행되고 있습니다. 현대 통계학의 핵심 분야 중 하나인 다변량 통계학에서는 수많은 변수 사이의 관계를 효과적으로 파악하는 것이 관건입니다. 연구자들은 주성분 분석(PCA)을 중심으로, 다양한 조건에서도 데이터의 특성을 합리적이고 효율적으로 추출할 수 있는 모델을 개발하고 있습니다. 이는 단순히 데이터를 요약하는 수준을 넘어, 복잡한 데이터 구조 속에 숨겨진 유의미한 패턴을 찾아내고 분석의 정확도를 높이는 데 필수적인 역할을 수행합니다. 이러한 통계적 이론은 실제 응용 분야에서 강력한 힘을 발휘합니다. 예를 들어 유전체 데이터 분석에서는 방대한 양의 유전 정보를 효과적으로 통합하거나 분류하여 질병의 원인을 규명하는 데 기여합니다. 또한 고차원 데이터의 군집화(Clustering) 연구를 통해 유사한 특성을 가진 집단을 정교하게 구분해내기도 합니다. 이론적 연구와 실무적 응용이 조화를 이루며, 막연하게 느껴질 수 있는 데이터 분석의 과정을 구체적이고 과학적인 방법론으로 바꾸어 나가는 과정입니다. 최근 인공지능과 딥러닝 기술이 급격히 발전하면서 통계학의 중요성은 더욱 강조되고 있습니다. 전문가의 직관이나 감에 의존하던 과거의 방식에서 벗어나, 철저히 데이터 근거 중심의 분석을 수행하기 위해서는 통계적 기초가 탄탄해야 합니다. 딥러닝 모델의 결과나 성능을 객관적으로 평가하고 개선하는 과정에서도 통계적 관점은 필수적입니다. 따라서 통계학은 학술적인 깊이를 더할 뿐만 아니라 실전에서도 매우 유용한 도구로 자리매김하고 있습니다. 통계학은 그 자체로 독립된 학문이면서도 다른 어떤 분야와도 유연하게 결합할 수 있는 확장성을 지니고 있습니다. 생물통계나 경제통계처럼 다양한 학문 뒤에 '통계'라는 이름을 붙여도 어색하지 않은 이유는, 통계학이 데이터를 다루는 보편적인 언어이기 때문입니다. 수학적 엄밀함부터 컴퓨터를 활용한 실전 분석까지 넓은 스펙트럼을 가진 학문인 만큼, 한 가지 분야에 매몰되지 않고 다양한 시각으로 자료를 바라보는 태도가 현대의 연구자들에게 요구됩니다.

[연구뭐하지?] 정성규 교수_서울대학교 '통계적학습이론 연구실'  |  통계에도 차원이 있다!?

정성규

카오스재단연구뭐하지
  • 수학

[코로나TALK-19] 전문가가 12월 코로나 대유행을 예측한 이유 _김기훈 대표 | 19강

바이러스의 전파는 단순히 병원체 자체의 특성만으로 결정되지 않습니다. 그것이 퍼져나가는 소셜 네트워크의 구조와 인간 사회의 상호작용이 결합하여 하나의 거대한 무늬를 그려내는 과정입니다. 코로나19를 깊이 있게 이해하기 위해서는 확진자 개개인의 임상적 특징을 넘어, 누가 누구에게 어떻게 바이러스를 전달하고 있는지 그 확산의 네트워크를 면밀히 살펴봐야 합니다. 이는 우리 사회가 그리는 보이지 않는 연결망을 분석함으로써 감염병의 실체에 다가가는 인문학적이고도 과학적인 접근이라 할 수 있습니다. 네트워크 분석의 핵심은 방역 당국이 수집한 접촉자 추적 조사 데이터를 정교하게 모델링하는 데 있습니다. 확진자가 발생했을 때 그들의 동선을 파악하고 밀접 접촉자를 분류하여 추가 검사를 진행하는 과정에서 방대한 '링크 테이블'이 만들어집니다. 이를 통해 감염의 시작점과 종착점을 잇는 전파 경로를 시각화하고 수치화할 수 있습니다. 특히 수작업에 의존하던 데이터를 자동화된 프로그램으로 처리함으로써, 복잡하게 얽힌 수천 명의 감염 관계를 단 몇 분 만에 분석하여 유의미한 구조적 특징을 도출해낼 수 있게 되었습니다. 집단 감염 사례를 분석해 보면 우리가 흔히 알고 있는 상식과는 다른 결과가 나타나기도 합니다. 데이터에 따르면 수도권 집단 감염의 절반 가까이가 종교 시설에서 발생했으나, 정작 방역 당국의 고위험 시설 지정 기준에서는 비중이 낮은 다른 시설들이 더 엄격하게 관리되는 경향이 있었습니다. 이는 방역 정책이 실제 발생 빈도와 위험도에 근거하여 더욱 정밀하게 타깃팅되어야 함을 시사합니다. 특정 시설의 위험성을 선입견으로 판단하기보다, 실제 데이터가 가리키는 감염 취약 지점을 정확히 파악하여 사회적 거리 두기의 효율성을 높이는 노력이 필요합니다. 개인 간 전파인 n차 감염은 평균적으로 약 3.8일이라는 짧은 주기로 진행되며, 최대 8차 전파까지 이어지는 사례도 관찰되었습니다. 특히 감염원을 알 수 없는 소위 '감염원 불명'은 n차 전파율이 월등히 높고 전파 속도도 빨라 방역망에 큰 위협이 됩니다. 해외 유입 사례가 국내 지역 사회 전파에 미치는 영향이 상대적으로 미미한 것과 대조적으로, 이러한 감염원 불명은 꼬리에 꼬리를 무는 연쇄 감염을 일으키며 새로운 집단 감염의 도화선이 되기도 합니다. 따라서 전파의 골든타임을 놓치지 않기 위한 신속한 추적 조사가 무엇보다 중요합니다. 네트워크 과학의 관점에서 볼 때, 감염망은 소수의 허브가 대다수의 연결을 독점하는 불평등한 구조를 띱니다. 실제로 상위 1%의 확진자가 전체 개인 감염의 60% 이상을 일으키는 '슈퍼 전파' 현상이 뚜렷하게 나타납니다. 이러한 슈퍼 전파자들은 대개 두 개 이상의 고위험 시설이나 집단에 중복으로 소속되어 활동하는 특징을 보입니다. 예를 들어 콜센터와 교회, 혹은 밀집 시설과 소모임을 연결하는 위치에 있는 개인들이 바이러스 확산의 가교 역할을 하게 됩니다. 이들을 사전에 특정하기는 어렵지만, 활동 반경이 겹치는 지점을 집중 관리함으로써 확산세를 꺾을 수 있습니다. 수도권의 감염 양상은 시기에 따라 해외 유입 중심에서 국내 집단 감염과 n차 감염의 악순환 구조로 진화해 왔습니다. 초기에는 외부로부터의 유입이 주된 원인이었으나, 시간이 흐를수록 집단 감염이 불똥이 되어 개인 간 전파로 번지고, 이것이 다시 새로운 집단 감염을 유발하는 복합적인 메커니즘이 정착되었습니다. 특히 감염 소요 일수가 점차 짧아지는 추세는 방역 당국이 대응할 수 있는 시간적 여유가 줄어들고 있음을 의미합니다. 이는 바이러스의 변이나 사회적 접촉 양상의 변화에 따라 방역의 난도가 급격히 높아지고 있음을 보여주는 지표입니다. 효과적인 방역을 위해서는 데이터 사이언스에 기반한 전략적 접근과 사회적 투자가 병행되어야 합니다. 집단 감염을 막기 위해 발생 빈도가 높은 부문에 대한 정밀한 사회적 거리 두기 합의가 필요하며, n차 감염의 고리를 끊기 위해 역학 조사관 확충과 분석 시스템 고도화에 과감히 투자해야 합니다. 현재의 방역 시스템은 인력의 헌신에 크게 의존하고 있지만, 네트워크 분석과 같은 과학적 도구를 적극 도입한다면 더욱 효율적인 대응이 가능할 것입니다. 결국 감염병과의 싸움은 데이터를 어떻게 해석하고 우리 사회의 연결망을 어떻게 관리하느냐에 달려 있습니다.

[코로나TALK-19] 전문가가 12월 코로나 대유행을 예측한 이유  _김기훈 대표

김기훈2

카오스재단코로나19 과학토크
  • 생명과학
  • 융합

KISTI | 치매 조기에 예측하고 악화 속도 늦추는 데이터 처리 기술

치매 DTC 융합연구단은 KISTI를 주관으로 생명공학연구원, 한의학연구원 등 여러 출연연이 협력하여 치매 정복을 위한 기술을 개발하고 있습니다. 현재 사용되는 치매 관련 약물은 완치를 돕는 치료제라기보다 질환의 진행 속도를 늦추는 역할을 수행합니다. 따라서 환자에게 약물을 복용하게 할 최적의 시기를 찾아내는 것이 무엇보다 중요합니다. 연구진은 자연어 처리 기술을 생명공학 분야에 접목하여 논문을 분석하고, 환자의 의료 데이터와 생활 패턴 변화를 데이터화함으로써 치매의 진행 상황을 예측하고 선제적 치료가 가능하도록 돕는 기술을 고도화하고 있습니다. 치매 예측을 위한 구체적인 방법론은 크게 두 가지로 나뉩니다. 첫 번째는 국민건강보험공단의 노인 코호트 데이터를 분석하여 개인의 의료 데이터에 따른 치매 패턴을 파악하는 방식입니다. 두 번째는 IoT 센서를 활용하여 요리, 집안일, 몸단장 등 6가지 핵심 생활 능력의 변화를 실시간으로 감지하는 것입니다. 스마트폰과 스마트워치 등을 통해 수집된 이동 동선과 활동량 정보는 실제 의사가 진료 시 사용하는 질의 항목과 동일한 가치를 지닙니다. 이러한 데이터 기반의 정밀한 분석은 기존 진료 방식의 불확실성을 해소하여 환자의 상태를 정밀하게 파악할 수 있도록 돕습니다. 특히 주목할 점은 성별, 연령대, 소득 수준 등에 따라 치매 위험 인자가 다르게 나타난다는 사실입니다. 연구 결과 남성은 저체중이, 여성은 비만이 치매의 주요 원인 중 하나로 분석되는 등 유형별 차이가 뚜렷합니다. 연구진은 이러한 특성을 반영하여 한국인에게 특화된 맞춤형 치매 예측 모델을 개발하고 있습니다. 이 기술은 복잡한 생물학적 실험이나 고가의 의료 이미지 촬영 없이도 의료 데이터 분석만으로 기존 검사와 대등한 수준의 결과를 도출해내고 있습니다. 이는 치매 고위험군을 조기에 발견하고 새로운 위험 인자를 발굴하는 데 매우 효율적인 경로를 제시합니다. 실제 연구 과정에서는 독거노인 가정에 센서를 설치하고 데이터를 수집하며 다양한 현장 중심의 시행착오를 겪기도 했습니다. 기기 전원이 차단되거나 관찰에 대한 거부감을 느끼는 어르신들을 위해 연구진은 직접 안부를 묻고 소통하며 정서적 친밀감을 쌓는 노력을 병행하고 있습니다. 보다 정교한 예측을 위해서는 단기적인 관찰을 넘어 장기적인 추적 조사를 통한 양질의 코호트 데이터 축적이 필수적입니다. 이를 위해 현재 여러 대학 병원 및 치매안심센터와 긴밀한 협력을 이어가고 있으며, 수집된 데이터의 안정성을 높여 치매 예측 모델의 완성도를 높이는 데 주력하고 있습니다. 데이터 사이언티스트의 소명은 텍스트를 넘어 영상, 음성, 생활 데이터 등 다양한 정보를 융합하여 새로운 가치를 창출하는 데 있습니다. 의학 전공자가 아니더라도 모든 공공 데이터와 센서 정보를 수치화하여 객관적인 예측 모델을 만드는 기술은 환자의 고통을 최소화할 최적의 시기를 찾는 열쇠가 됩니다. 이러한 기술적 진보는 치매에 대한 막연한 두려움을 줄이고 많은 사람들이 보다 건강하고 안심하며 살 수 있는 사회를 만드는 밑거름이 될 것입니다. 데이터의 융합이 만들어내는 시너지 효과는 향후 치매뿐만 아니라 다양한 난치성 질환을 극복하는 중요한 이정표가 될 것으로 기대됩니다.

KISTI | 치매 조기에 예측하고 악화 속도 늦추는 데이터 처리 기술
한국과학기술정보연구원
  • 생명과학
  • 뇌인지과학
  • 융합
  • 공학·기술

[코로나 인터뷰] 강병남 _데이터사이언스로 백신 후보를 줄인다

통계물리학에서는 물질의 상태가 근본적으로 변하는 상전이 현상을 깊이 있게 연구합니다. 우리가 흔히 보는 액체가 기체로 변하는 과정처럼, 감염병이 확산되지 않은 안정적인 상태에서 대유행 상태로 급격히 전환되는 과정도 일종의 상전이로 취급할 수 있습니다. 연구자들은 네트워크 이론을 활용해 이러한 변화의 기저에 깔린 복잡한 메커니즘을 분석하며, 어떤 원리에 의해 현상이 촉발되는지 탐구합니다. 이는 보이지 않는 사회적 네트워크 속에서 질서와 무질서의 경계를 물리적 법칙으로 이해하려는 시도입니다. 상전이는 크게 연속 상전이와 불연속 상전이로 나뉩니다. 감염병 확산 모델인 SIR 모델 등은 보통 연속적인 변화를 보이지만, 어떤 경우에는 전파율 같은 매개변수가 미세하게 변하더라도 감염자 수가 폭발적으로 급증하는 불연속적인 변화가 일어날 수 있습니다. 이러한 메커니즘을 이해하는 것은 갑작스러운 대유행을 예측하고 대비하는 데 매우 중요한 역할을 합니다. 특정 임계점을 넘어서는 순간 발생하는 급격한 변화는 단순한 선형적 예측을 불허하며, 사회 시스템 전반에 걸쳐 막대한 영향을 미치기 때문입니다. 복잡계인 생명체를 대상으로 하는 예측은 물리 시스템보다 훨씬 까다롭습니다. 바이러스의 변이가 발생하면 기존의 메커니즘이 더 이상 유효하지 않게 되기 때문입니다. 감염력이 순식간에 열 배 이상 늘어나는 변종이 등장하면 이전까지 쌓아온 예측 모델은 완전히 다른 국면을 맞이하게 됩니다. 따라서 연구자들은 항상 최신 의학적 결과와 빅데이터를 실시간으로 반영하며 모델을 정교하게 수정해 나갑니다. 이는 단순한 수치 계산을 넘어 끊임없이 변화하는 생태계의 흐름을 쫓는 치열하고도 정밀한 과학적 과정이라 할 수 있습니다. 데이터 사이언스는 백신 개발과 사회적 회복 방안 마련에도 결정적인 기여를 합니다. 방대한 질병 통계와 단백질 구조 데이터를 분석함으로써 수많은 백신 후보군 중 가장 유망한 것을 빠르게 추려낼 수 있습니다. 또한 교통량과 이동성 데이터를 활용해 지역별 감염률을 산출하고, 봉쇄 이후의 사회적 회복 과정을 시뮬레이션하기도 합니다. 이러한 과학적 접근은 가짜 뉴스의 진원지를 파악하거나 효율적인 방역 정책을 수립하는 데 실질적인 도움을 주며, 현대 사회가 직면한 거대한 위기를 극복하는 강력한 도구가 됩니다. 통계물리학적 관점에서 인간은 개별적인 인격체인 동시에 거대한 시스템을 구성하는 하나의 입자로 간주됩니다. 개개인의 행동은 자유의지에 따라 예측하기 어렵지만, 수많은 사람이 집과 직장을 오가는 반복적인 패턴을 보일 때 이는 통계적인 물리 시스템으로 다룰 수 있게 됩니다. 이러한 종합적인 시각은 사회 전체의 흐름을 파악하고 미래를 예측하는 데 유용합니다. 결국 위기 상황에서 개인이 이성적이고 합리적으로 행동하는 것은 단순한 개인의 선택을 넘어, 물리적 시스템 전체의 안정성을 유지하는 핵심적인 요소가 됩니다.

[코로나 인터뷰] 강병남 _데이터사이언스로 백신 후보를 줄인다

강병남

카오스재단코로나19 과학토크
  • 생명과학
  • 융합

[ENG1-3] 1st Discussion_The COVID-19 Pandemic: Korea’s Response and Challenges Ⅱ | 2세션

팬데믹은 우리 사회의 디지털 전환을 가속화하며 기업 가치의 지형을 완전히 바꾸어 놓았습니다. 특히 클라우드 기술과 온라인 협업 도구를 선제적으로 도입한 기업들은 위기를 기회로 전환하며 전례 없는 성장을 기록했습니다. 이러한 변화의 중심에는 엠비언트 AI(Ambient AI) 기술이 자리 잡고 있습니다. AI 칩을 통해 실시간 데이터를 수집하고 분석함으로써 방역 조치의 효율성을 높이는 시도가 이어지고 있으며, 이는 물리적 세계와 디지털 세계를 더욱 긴밀하게 연결하는 가교 역할을 합니다. 다만 이러한 디지털화의 속도 차이가 국가와 개인 간의 불평등을 심화시킬 수 있다는 점은 우리가 해결해야 할 과제입니다. 불확실성이 지배하는 시대에는 객관적인 데이터가 가장 신뢰할 수 있는 길잡이가 됩니다. 한국은 선제적인 검사와 확진자 곡선 평탄화를 통해 의료 체계의 붕괴를 막고 대응을 위한 소중한 시간을 확보하는 데 성공했습니다. 특히 유전자 기반의 RT-PCR 진단 방식은 감염 초기 단계의 확진자와 무증상 감염자까지 조기에 식별해 내는 결정적인 역할을 수행했습니다. 축적된 데이터를 분석하여 감염의 부채를 줄이고 치명률을 체계적으로 관리하는 것은 과학적 방역의 핵심입니다. 앞으로도 미래의 위기에 대비하기 위해 정밀한 데이터 축적과 활용 방안을 지속적으로 고민해야 합니다. 단순히 확진자 수라는 수치에 집중하는 단계를 넘어, 이제는 사망자 데이터와 임상 정보의 세밀한 분석에 집중해야 할 때입니다. 환자를 경증과 중증으로 신속하게 분류하고, 기저 질환과의 상관관계를 파악하는 것은 한정된 의료 자원을 효율적으로 배분하기 위해 필수적입니다. 예를 들어 암 환자와 같은 고위험군의 치명률이 일반 환자에 비해 현저히 높다는 사실은 방대한 데이터 분석을 통해서만 명확히 드러납니다. 이러한 구체적인 임상 데이터를 투명하게 공개하고 학계와 공유함으로써 시민들의 이해를 돕고, 더욱 정교하고 선진적인 방역 체계를 구축할 수 있는 토대를 마련해야 합니다. 정부의 소통 방식 또한 팬데믹의 장기화라는 흐름에 맞춰 진화해야 합니다. 초기에는 신속하고 투명한 정보 제공으로 국민의 불안을 해소하는 데 주력했다면, 이제는 의료 시설의 준비 상황이나 물류 시스템 등 보다 심층적인 정보를 공유하여 신뢰를 쌓아야 합니다. 지속 가능한 방역을 위해서는 국민들이 일상 속에서 실천할 수 있는 구체적인 예방 조치를 명확히 인지하고 사회적 공감대를 형성하는 것이 무엇보다 중요합니다. 2차 유행의 가능성을 항상 염두에 두고, 가용한 자원을 최적화하여 피해를 최소화하는 장기적인 관점의 전략적 접근이 요구되는 시점입니다. 감염병 확산의 정확한 예측을 위해서는 적은 데이터로도 견고한 결과를 도출할 수 있는 통계적 모델링 기법이 적극적으로 활용됩니다. 특히 무증상 감염자의 규모를 파악하기 위한 항체 조사는 과학적 방역의 완성도를 높이는 데 크게 기여합니다. 무작위 설문조사와 지역별 인구통계학적 분석을 통해 숨겨진 감염원을 식별하면 보다 정교한 치명률 측정과 맞춤형 대응책 마련이 가능해집니다. 이러한 과학적 방법론은 단순히 현재의 위기 상황을 진단하는 것을 넘어, 미래에 발생할 수 있는 또 다른 팬데믹에 대비하여 사회적 회복 탄력성을 높이는 강력한 무기가 될 것입니다. 인공지능과 머신러닝 기술을 임상 데이터에 적용하면 환자의 상태 변화를 사전에 예측하여 치명률을 낮추는 선제적인 조치를 취할 수 있습니다. 이러한 데이터 활용의 지평은 보건 의료 분야에 국한되지 않고 경제 영역으로도 과감하게 확장되어야 합니다. 빅데이터를 활용해 주 단위로 경제 상황을 정밀하게 측정함으로써 방역 조치가 민생 경제에 미치는 영향을 실시간으로 파악할 수 있기 때문입니다. 건강한 사회와 안정된 경제라는 두 마리 토끼를 모두 잡기 위해서는 보건 데이터와 경제 데이터를 통합적으로 분석하고 관리하는 범국가적인 데이터 거버넌스 구축이 시급합니다. 팬데믹의 종식은 단기간에 마법처럼 이루어지기 어려우며, 작은 파도가 반복되는 순환 과정을 거칠 가능성이 높습니다. 우리는 바이러스와 공존하는 법을 익히고, 일상생활 속에서 방역 수칙을 준수하며 상황 변화에 유연하게 대처하는 능력을 길러야 합니다. 방역의 성공은 결국 경제 활동의 재개로 이어지는 든든한 토대가 됩니다. 소상공인과 취약 계층을 위한 실질적인 경제적 지원책과 더불어 소비 활성화를 위한 정책적 노력이 병행되어야 합니다. 미래에 마주할 더 큰 위기에 대비하기 위해, 현재 우리가 겪고 있는 시련을 소중한 학습과 훈련의 기회로 삼아야 할 것입니다.

[ENG1-3] 1st Discussion_The COVID-19 Pandemic: Korea’s Response and Challenges Ⅱ

구인회, 김강립, 김미곤, 김진숙, 박원호, 박종화, 신종호, 이광재, 이현숙, 전영일, 차상균, 홍성욱, 홍준형

카오스재단코로나19 과학토크
  • 생명과학

[COVID-19_talk_1] Epidemic Models and Data-Driven Approaches _Beom Jun Kim | 1강

데이터는 현대 과학에서 현상을 이해하는 가장 강력한 도구입니다. 감염병 확산 역시 방대한 데이터를 통해 그 이면에 숨겨진 패턴을 찾아낼 수 있습니다. 흔히 데이터 과학 분야에서는 데이터를 깊이 분석하다 보면 결국 그 의미를 찾아낼 수 있다는 뜻으로 '데이터를 고문하면 자백한다'는 표현을 쓰기도 합니다. 하지만 데이터가 들려주는 이야기가 항상 진실은 아닐 수 있기에, 우리는 데이터에 대한 애정을 갖되 비판적인 시각으로 그 속에 담긴 진정한 스토리를 읽어내려는 노력을 멈추지 말아야 합니다. 감염병 확산 데이터는 대개 전형적인 로지스틱 곡선을 그립니다. 초기에는 확진자 수가 급격히 늘어나며 아래로 볼록한 형태를 띠지만, 확산세가 꺾이기 시작하면 곡선의 기울기가 변하여 위로 볼록한 형태로 바뀌게 됩니다. 이 과정에서 나타나는 변곡점은 감염병 통제의 중요한 지표가 됩니다. 전 세계 여러 국가의 데이터를 살펴보면 이미 안정기에 접어든 국가와 여전히 지수함수적 증가세를 보이는 국가가 명확히 구분됩니다. 단순히 확진자 수라는 숫자 자체보다 그래프의 곡선이 그리는 형태를 유심히 관찰하는 것이 현 상황을 직관적으로 이해하는 데 큰 도움이 됩니다. 지리적 면적 대신 확진자 수에 비례하여 지도를 왜곡하는 '카토그램'은 감염병의 전 지구적 이동 경로를 시각적으로 명확하게 보여줍니다. 코로나19 초기에는 중국에서 시작하여 한국을 거쳐 유럽과 미국으로 이어지는 동서 방향의 확산 축이 뚜렷하게 나타났습니다. 그러나 시간이 흐르면서 러시아, 인도, 남미 국가들의 면적이 급격히 커지는 남북 방향의 확산세가 두드러지기 시작했습니다. 이는 바이러스가 항공망을 타고 전 세계를 한 바퀴 돈 뒤, 이제는 보건 인프라가 상대적으로 취약한 지역으로까지 깊숙이 침투하고 있음을 시사하며 새로운 경각심을 일깨워 줍니다. 과학자들은 감염병 확산을 이해하기 위해 '구획 모형'이라는 이론적 모델을 사용합니다. 가장 간단한 형태인 SI 모형이나 SIR 모형은 마을 구성원들이 무작위로 섞인다는 가정하에 미감염자와 감염자의 비율로 확산 확률을 계산합니다. 현실의 복잡한 지리적 요소를 모두 반영하지는 못하지만, 이를 미분 방정식으로 풀이하면 실제 데이터와 유사한 로지스틱 곡선을 얻을 수 있습니다. 이러한 수리적 모델링은 감염병이 정성적으로 어떻게 퍼져나가는지 파악하게 해주며, 방역 정책의 효과를 가늠할 수 있는 이론적 토대를 제공합니다. 한국의 확진자 발생 패턴은 단일한 로지스틱 곡선이 아닌, 여러 개의 곡선이 중첩된 형태로 분석됩니다. 초기 소규모 발생부터 대구·경북 지역의 대유행, 그리고 수도권을 중심으로 한 확산세가 각각의 로지스틱 곡선을 형성하고 있습니다. 흥미로운 점은 뒤로 갈수록 곡선의 기울기가 완만해진다는 것인데, 이는 보건 당국의 신속한 대응과 시민들의 방역 노력이 확산 속도를 늦추는 데 실질적인 기여를 했음을 보여줍니다. 데이터는 우리가 과거에 어떤 위기를 겪었는지뿐만 아니라, 우리의 노력이 실제 확산 양상을 어떻게 변화시켰는지도 정직하게 기록하고 있습니다. 국가 간의 이동을 고려한 '메타포퓰레이션 모형'은 항공망 데이터와 같은 실제 인적 교류 패턴을 모형에 삽입하여 확산을 예측합니다. 연구 결과에 따르면 국가 간 이동을 90% 이상 제한하더라도 확산의 시작 시점을 늦출 뿐, 최종적인 확산 규모를 줄이는 데는 한계가 있습니다. 반면 여행 제한과 더불어 사회적 거리두기나 마스크 착용을 병행하여 지역 내 감염 확률을 절반으로 낮추면 최종 확산 규모를 극적으로 줄일 수 있습니다. 이는 강력한 봉쇄 정책보다 일상에서의 방역 수칙 준수가 감염병 통제에 얼마나 결정적인 역할을 하는지 과학적으로 입증해 줍니다. 감염 재생산 지수는 감염 확률, 접촉 횟수, 감염 지속 시간이라는 세 가지 요소의 곱으로 결정됩니다. 마스크 착용과 사회적 거리두기, 신속한 격리는 이 숫자들을 낮추어 감염병을 종식시키는 핵심 열쇠가 됩니다. 하지만 이러한 방역 조치들은 단순한 수학적 문제를 넘어 막대한 사회경제적 비용을 수반합니다. 따라서 미래에 다가올 또 다른 감염병에 대비하기 위해서는 물리학적 모델에 사회경제적 효과까지 통합한 확장된 형태의 모형을 준비해야 합니다. 데이터에 기반한 합리적이고 융합적인 접근만이 인류가 새로운 위기를 극복할 지혜를 제공할 것입니다.

[COVID-19_talk_1] Epidemic Models and Data-Driven Approaches _Beom Jun Kim

김범준

카오스재단코로나19 과학토크
  • 물리학
  • 생명과학

[강연] 세상을 바꾼 알고리즘 - 알파고와 블록체인을 넘어 미래로 (1) _ by이준엽 | 2018 봄 카오스 강연 '모든 것의 수數다' 8강 | 8강 ①

우리의 일상은 수많은 알고리즘으로 둘러싸여 있습니다. 가장 대표적인 예가 내비게이션입니다. 내비게이션의 핵심은 화려한 그래픽이나 음성 안내가 아니라, 최적의 경로를 찾아내는 알고리즘에 있습니다. 알고리즘이란 특정 목표를 달성하기 위한 유한한 절차나 규칙의 모임을 의미합니다. 이는 단순히 컴퓨터 프로그램에 국한된 개념이 아니라, 복잡한 문제를 효율적으로 해결하기 위해 인간이 설계한 체계적인 문제 해결 방식의 정수라고 할 수 있습니다. 경로 탐색의 효율성을 극대화한 사례로 '패스트 마칭 알고리즘'을 들 수 있습니다. 과거에는 모든 경우의 수를 일일이 계산하려 했으나, 이는 데이터가 늘어날수록 계산량이 기하급수적으로 증가하는 한계가 있었습니다. 하지만 수학자들은 이를 미분 방정식의 관점에서 접근하여 사고의 전환을 이뤄냈습니다. 속도의 역수를 시간의 흐름으로 파악하고, 마치 물결이 퍼져나가는 것처럼 최단 시간을 계산하는 방식은 복잡한 경로 문제를 획기적으로 해결했습니다. 이러한 수학적 알고리즘은 단순히 길 찾기에만 머물지 않습니다. 동일한 원리가 의료 영상에서 뇌의 구조를 분리해내는 이미지 분할 기술이나, 로봇 팔이 장애물을 피해 움직이는 6차원 궤적 계산에도 적용됩니다. 하나의 잘 설계된 알고리즘이 전혀 다른 분야의 난제들을 해결하는 열쇠가 되는 것입니다. 이는 프로그램의 외형보다 그 내면에 숨겨진 수학적 원리와 이를 새로운 문제에 적용하는 창의적 사고가 얼마나 중요한지를 잘 보여줍니다. 컴퓨터의 역사를 되짚어보면 흥미로운 사실을 발견하게 됩니다. 1960년대까지만 해도 '컴퓨터'는 기계가 아니라 복잡한 수식을 계산하는 사람의 직업을 일컫는 말이었습니다. 당시 NASA와 같은 기관에서는 수학적 재능을 가진 여성들이 직접 손으로 계산을 수행하며 우주 탐사의 초석을 다졌습니다. 오늘날 우리가 사용하는 전자계산기나 노트북이 보급되기 전부터, 인간의 지성은 이미 알고리즘적 사고를 통해 거대한 과학적 성취를 이뤄내고 있었습니다. 현대 컴퓨터의 논리적 토대를 마련한 것은 앨런 튜링의 '튜링 머신'입니다. 튜링 머신은 실제로 제작된 기계가 아니라, 수학적 증명을 위해 고안된 가상의 장치였습니다. 0과 1을 기록하고 칸을 이동하는 지극히 단순한 규칙만으로 모든 계산 가능한 문제를 풀 수 있다는 이 개념은 현대 컴퓨터 공학의 시초가 되었습니다. 수학적 상상력에서 탄생한 이 사고 실험은 불가능해 보이던 논리적 한계를 규명하고, 디지털 시대의 문을 여는 결정적인 계기가 되었습니다. 컴퓨터 공학이라는 학문이 정립되기 훨씬 전부터, 핵심적인 계산 알고리즘의 대부분은 수학자들에 의해 개발되었습니다. 20세기 과학 계산의 주요 업적들을 살펴보면, 컴퓨터가 보급되지 않았던 시절에 이미 논리적 체계가 완성된 경우가 많습니다. 이는 수학이 단순히 숫자를 다루는 학문을 넘어, 세상에 없던 새로운 체계를 설계하는 근본적인 도구이기 때문입니다. 수학적 상상력은 기술적 한계를 뛰어넘어 미래를 설계하는 원동력이 되어왔습니다. 오늘날 계산 기술은 자연과학과 공학을 넘어 사회과학 전반에 걸쳐 필수적인 역할을 수행합니다. 과거의 과학이 이론과 실험이라는 두 축으로 지탱되었다면, 이제는 '계산'이 제3의 축으로 자리 잡았습니다. 비행기 설계부터 주가 예측, 질병 진단에 이르기까지 수많은 모델링이 컴퓨터를 통해 이루어집니다. 세상을 논리적으로 이해하려는 지적 탐구는 복잡한 현실 문제를 해결 가능한 형태로 변환하는 가장 강력한 동력이 됩니다.

[강연] 세상을 바꾼 알고리즘 - 알파고와 블록체인을 넘어 미래로 (1) _ by이준엽 | 2018 봄 카오스 강연 '모든 것의 수數다' 8강

이준엽

카오스재단카오스강연
  • 수학