This AI could predict 10 years of scientific priorities—if we let it

향후 10년의 우주연구 주제, AI가 선정하나

올가을에 향후 10년 동안 우주 탐험 분야에서 우선적으로 추진해야 할 연구 주제를 담은 일명 ‘천문학과 천체물리학에 대한 10년 단위 조사’ 결과가 발표된다. 그런데 몇몇 과학자가 AI를 이용해 연구 주제의 우선순위를 결정하자고 제안했다.

미국 천문학자들은 10년마다 다소 어려운 결정을 내려야 한다. 다름 아닌 향후 10년 동안 천문학과 천체물리학 분야에서 우선순위로 삼을 연구 주제를 선정하는 결정이다. 미국 국립 과학·공학·의학 아카데미(National Academies of Sciences, Engineering, and Medicine)에서 발표하는 이러한 선정 결과는 ‘천문학과 천체물리학에 대한 10년 단위 조사(Decadal Survey on Astronomy and Astrophysics)’라는 이름으로 발표된다.

1960년대 초에 처음 시작된 이 조사는 우주 탐험 분야의 커다란 도약에 밑거름 역할을 해왔다. 이번 7차 보고서 ‘아스트로2020(Astro2020)’은 올해 가을에 발표된다. 과학 커뮤니티, 연구 자금 조달 기관들, 심지어 미 의회까지도 이 보고서를 참고하여 어떤 연구에 시간과 돈을 투자할지 결정을 내린다.

이전 보고서들에 포함된 주요 프로젝트로는 초대형 우주 망원경 제작과 발사, 초신성과 블랙홀 같은 극단적 현상에 관한 연구 등이 있었다. 지난번 보고서에선 심지어 암흑에너지(dark energy)의 본질을 파고들기도 했다.

‘10년 단위 조사’는 합의 연구이므로 자신의 프로젝트가 검토되기를 바라는 연구자들은 늦어도 보고서 발표 1년 전까지는 연구 제안서를 제출해야 한다. 제출된 모든 제안서는 검토 대상이 되며, 모든 제안서는(이번에는 500개 이상이었다) 대중에게 공개된다.

올해 논의되는 주제는 목성의 달 탐험부터 아포피스(Apophis)라는 거대한 소행성이 지구에 근접하는 사건처럼 1,000년에 한 번 정도 일어날 법한 사건에 대항하기 위해 지구 방위 전략을 수립하는 것까지 다양하다. 한편 일부 연구자들은 우리의 창백한 푸른 점, 지구를 더 자세히 관찰하고자 한다.

조사 위원회는 각 분야의 수많은 전문가로부터 조언을 받으며, 연구 전략을 세우는 데 필요한 엄청난 양의 정보도 고려한다. 아카데미는 위원회의 최종 결정을 NASA에 당장 발표하지 않을 것이다. 그러나 과학자들은 어떤 요청이 받아들여졌고 어떤 것이 제외됐는지 매우 궁금해하고 있다.

캘리포니아대학교 산타크루즈 캠퍼스의 브랜트 로버트슨(Brant Robertson) 천문학 및 천체물리학 교수는 “10년 단위 조사는 NASA가 우주 발견의 미래를 어떻게 이끌어나갈지 결정하는 데 매우 도움이 된다. 따라서 NASA는 정보를 잘 알고 있어야 한다”고 말했다.

연구 우선순위 예측에 AI를 도입한다면?

어떤 연구팀은 인공지능(AI)을 사용해 연구 우선순위를 정하는 이러한 과정을 더 쉽게 만들고자 한다. 그들의 제안은 특정한 임무를 수행하거나 의문을 해소하려는 것이 아니다. 그들은 자신들의 AI가 과학자들이 연구 우선순위를 정하는 어려운 결정을 내릴 때 도움을 줄 수 있다고 생각한다.

그들의 생각은 이렇다. 어떤 연구 분야가 앞으로 유망해질지 또는 금방 쇠퇴할지 파악할 수 있도록 AI 시스템을 교육하면, 그 AI 시스템을 이용해 조사 위원회와 전문가들이 연구 우선순위 목록을 더 쉽게 정할 수 있다는 것이다.

NASA의 고다드 우주비행센터(Goddard Space Flight Center)에서 수석 과학자로 근무하다가 은퇴했으며, 이번 제안의 주 저자이기도 한 할리 쓰론슨(Harley Thronson)은 “우리가 원했던 것은 AI 시스템이 10년 단위 조사에서 할 일 중 많은 부분을 대신 처리해서, 원래 10년 단위 조사에 힘을 쏟던 과학자들이 시간을 절약하고 자신들이 가장 잘하는 일을 할 수 있도록 돕는 것이었다”고 말했다.

각 위원회의 위원들은 각자의 분야에 전문지식이 있는 이들로 선정되지만, 모든 위원이 모든 과학 주제의 미묘한 차이를 온전히 이해하는 것은 불가능하다. 그리고 해당 제안의 저자들에 따르면, 매년 천체물리학 논문 수는 5%씩 증가하고 있다. 이는 누군가가 처리하기엔 매우 벅찬 분량이다.

쓰론슨의 AI는 바로 이 부분에 주목한다.

AI 시스템을 구축하는 데는 1년 이상의 시간이 소요됐지만, 쓰론슨의 팀은 지난번 아스트로2010 조사까지 이어지는 10년 동안 발표된 40만 개 이상의 연구 논문을 AI에 교육할 수 있었다. 그들은 또한 수천 개의 논문 초록을 자세히 분석해 ‘행성계(planetary system)’ 또는 ‘외계행성(extrasolar planet)’ 같은 2~3단어로 이루어진 주제 표현을 보고 영향력이 작은 분야와 큰 분야를 파악하는 방법을 AI에 가르칠 수 있었다.

이들의 연구백서에 따르면, 해당 AI는 태양계 행성 연구와 은하수 관찰 연구가 급부상한 것을 포함해 지난 10년 동안 인기 있었던 6개의 연구 주제를 성공적으로 찾아냈다.

쓰론슨은 “AI의 대단한 측면 중 하나는 때때로 AI가 인간에게는 완전히 놀랍게 느껴지는 것들을 예측하거나 생각해내거나 분석한다는 것이다. 그리고 우리는 그런 현상을 수없이 목격했다”고 말했다.

쓰론슨과 동료 저자들은 위원회의 전문가들이 꼼꼼하게 살펴서 추려내야 하는 엄청난 양의 텍스트를 검토하고 요약하는 데 도움이 되도록 운영위원회가 자신들의 AI를 사용해야 하며, 그렇게 하면 인간 전문가들은 최종 결정만 할 수 있을 것이라고 믿는다.

과학 논문을 분석하고 정리하는 과정에 AI를 이용한 것은 그들이 처음이 아니다. 이미 동료 과학자들의 연구를 심사(peer review)하는 데 AI 시스템들이 사용되고 있다.

그러나 10년 단위 조사처럼 중요하고 영향력이 큰 작업에 AI를 믿고 사용할 수 있을까?

고려해야 할 부분은?

캘리포니아대학교 산타크루즈 캠퍼스의 로버트슨은 천문학계의 엄청난 연구들이 어떤 방식으로든 목록화되어야 한다는 점에 동의한다. 그러나 그는 10년 단위 조사에 AI를 도입하겠다는 생각이 흥미롭기는 하지만, 과연 AI가 과학자들이 의존할만한 방식이라고 할 수 있을지 확실히 결론을 내리기에는 아직 너무 이르다고 말한다.

로버트슨은 “우리가 머신러닝을 어떻게 사용해야 하는지에 대해서는 고민해야 할 부분들이 많다”고 말한다. AI와 관계된 가장 큰 문제는 ‘인간이 알고리즘과 알고리즘에 따른 결과를 얼마나 잘 이해할 수 있는가’라는 문제이다. 위에서 언급한 AI의 경우, 연구팀은 서로 다르지만 비슷한 두 연구 중에 AI가 어째서 어느 한쪽을 선택했는지 설명할 수 있을까?

그리고 같은 상황에서 인간이 결정했더라도 같은 결론에 도달했을까?

로버트슨은 “과학자들은 정확도가 높은 연구를 발표할수록 과학자로서 명성을 쌓을 수 있다. 나는 이렇게 정교한 머신러닝 알고리즘이 내놓는 결과도 과학자들의 연구처럼 정확도를 기준으로 판단해야 한다고 생각한다”고 말한다.

쓰론슨과 그의 연구팀은 올해 발표되는 조사 결과를 예측하려고 하지 않았다. 대신에 그들은 천문학에서 앞으로 중요한 연구 주제가 될 분야를 정하는 데 집중하고 있다.

10년 단위 조사에 AI 같은 자동화 도구를 사용하는 미래가 앞으로 몇 년 안에 오지는 않을 것이다. 그러나 만약 조사 위원회가 연구 주제 선정 과정에 AI를 적용하기로 한다면, AI 시스템은 과학자들이 각자 목표를 위해 서로 합의할 수 있도록 도와줄 새로운 방식이 될 것이다.

현재로서는 쓰론슨, 로버트슨, 그리고 다른 수천 명의 천문학자들 모두 다음에 어떤 주제가 선정될지 기다려야 한다. 그리고 그 결과는 기존 방식으로 결정될 것이다.

미리보기 3회1회

MIT Technology Review 구독을 시작하시면 모든 기사를 제한 없이 이용할 수 있습니다.