[미래 기술 라이브] LG가 신약 후보 물질 8개월만에 찾은 방법은?

LG AI연구원은 인공지능 기술에 대한 깊은 이해를 바탕으로 계열사에서 발생하는 다양한 난제들을 해결하는데 초점을 맞추고 있다.

“인공지능 연구로서 가치 있으면서 사업적 임팩트가 있는 문제들에 주목하고 있다.”

배경훈 LG AI연구원장은 최근 열린 ‘MIT 미래 기술 라이브’ 이벤트에서 “AI연구원은 계열사의 의미있는 난제들을 해결해 가고 있다”며 “기초 연구 및 응용 연구를 수행하며 학술 성과와 현실 문제 해결의 균형을 찾고 있다”고 말했다.

AI로 신약 개발 기간 단축, 배터리 수명 예측

배 원장은 진행한 프로젝트 중 신약 후보 물질 발굴과 배터리 수명 예측 등을 기억에 남는 과제로 꼽았다.

신약 개발은 통상 10-15년의 시간이 걸리고, 이중 후보 물질 발굴에만 평균 3년 반이 소요된다. 숙련된 연구원이 후보 물질을 설계하고 합성해 효과를 확인하는 등의 작업을 1만 번은 반복해야 하는 지난한 과정이다.

LG생명과학과 진행한 신약 후보 물질 발굴 과제에서 문제는 데이터의 부족이었다. 인공지능 생성 모델로 데이터를 생성하고, 강화학습으로 최적 물질을 찾아가도록 해 신약 후보 물질을 찾는데 걸리는 시간을 8개월로 줄였다. 배 원장은 “이 프로젝트 성공으로 인한 사업적 가치는 290억원에 달하는 것으로 추산된다”며 “성과를 바탕으로 올해 면역 항암 백신 주재료를 발굴하는 모델을 개발할 것”이라고 말했다.

LG에너지솔루션의 배터리 수명 예측 프로젝트도 주요 성과 중 하나다. 배터리 수명을 잘 예측하면 잔여 가치 환산이 가능하고, 불필요한 충방전 횟수를 줄여 전기료 등 비용을 감축할 수 있다. 충방전 작업을 여러 번 수행해 얻은 데이터를 기반으로 충방전에 쓰이는 에너지와 배터리 수명을 예측한다.

임우형 LG AI연구원 데이터인텔리전스랩장은 “이런 과제들을 통해 인공지능을 다양하게 활용할 수 있고, 투자 가치가 있다는 점을 보이고 있다”고 말했다.

AI 전문가 키우는 조직 만든다

현장의 문제를 해결하려면 인공지능에 대한 지식뿐 아니라 현장에 대한 정확한 이해가 필요하다. 인공지능을 현장에 적용하려 할 때 어려움에 부딪히는 이유다.

LG AI연구원은 두 가지 방법으로 이 문제를 풀고 있다. 우선 계열사 현장 전문가를 교육, 인공지능을 활용할 수 있게 하는 방법이다. 또 AI연구원 안에서 개별 산업 분야(도메인)에 대한 지식을 가진 인력을 육성해 AI 컨설턴트 역할을 하게 한다. 이들이 문제를 정의하고 데이터 체계에 대한 가이드를 제공하고, AI 연구원들은 문제 해결에 집중하는 구조다. 

현장에 AI를 성공적으로 적용하기 위한 필요조건으로 배 원장은 데이터와 경영진의 의지를 꼽았다. 그는 “AI를 활용해 성과를 내려면 프로파일링, 메타데이터, 히스토리 관리 등이 필요하다”며 “계열사와 공동 작업할 때 데이터에 대한 문제의식을 먼저 많이 논의한다”고 말했다.

최고경영진의 의지도 중요하다. 경영진의 지원이 없으면 인공지능 활용 작업이 사업 우선순위에서 밀려서 제대로 적용되지 않거나 기존 관성에 따라가는 일이 생기기 때문이다. 배 원장은 “성공한 프로젝트는 대개 계열사 경영자가 어떤 수준으로 어떻게 진행되면 좋겠다 직접 발제했던 경우”라며 “대규모 조직에 대한 AI 적용은 경영진 의지가 없으면 대부분 실패한다”라고 말했다.

인공지능의 학습 과정을 완전히 설명하기 어렵다는 점은 인공지능의 현장 적용에 장애 요소다. 문제가 생겨도 원인을 정확히 파악할 수 없어 수정하기 힘들다. 이는 현업 부서와 논쟁의 원인이 되기도 한다.

제조업 기업은 대형 인터넷 플랫폼 기업과 달리 얻을 수 있는 데이터가 한정적이라는 약점도 극복해야 한다. 배 원장은 “설명가능한 AI에 대한 연구 성과들이 나오면서 문제가 조금씩 해결되고 있다”며 “데이터 부족 문제를 극복하기 위해 GAN 생성 모델을 활용하거나, 비슷한 공장의 데이터를 해외 공장에 적용하기 위해 전이학

이 기사는 유료 구독자 전용 콘텐츠입니다.

유료 멤버십 플랜 보기