연구자들, 화학 분야에서 AI의 역할 향상을 목표로

연구자들이 AI가 어떻게 결정을 내리는지 이해하는 작업을 통해, 특히 약물 개발 분야에서 AI의 활용을 강화하려고 하고 있습니다. 이 주제에 대한 새로운 연구가 8월 18일부터 22일까지 열리는 미국화학회의 가을 회의에서 발표될 예정입니다. 이 회의에서는 다양한 과학 주제에 대한 10,000건 이상의 발표가 이루어질 예정입니다.

오늘, 미국화학회는 보도 자료를 통해 연구자들이 화학 분야에서 AI가 어떻게 결정을 내리는지 이해하기 위해 설명 가능한 AI (XAI)를 사용한 연구 결과를 발표할 것이라고 발표했습니다. 이 복잡한 시스템을 해석함으로써, 전문가들은 신뢰성을 높이고 AI의 효과성을 향상시키는 것을 목표로 하고 있습니다.

화학 교수인 레베카 데이비스는 현재의 AI 모델들이 종종 “블랙 박스”처럼 인식되며, 그들의 의사결정 과정이 숨겨져 있다고 설명합니다. 그녀는 “AI가 어떻게 결정을 내리는지에 대한 통찰을 제공할 수 있는 모델을 만들어 낼 수 있다면, 이러한 방법론에 대해 과학자들이 더욱 편안해질 수 있을 것”이라고 말합니다.

또한, XAI는 AI 프로그래밍을 세밀화하고 현장에서의 성능을 향상시키는데 중요한 정보를 제공할 수 있습니다. “나는 XAI를 사용하여 컴퓨터에게 화학에 대해 어떤 정보를 가르쳐야 하는지 이해하고 싶다”라고 데이비스의 연구실에서 석사 과정을 밟고 있는 헌터 스트룸이 회의에서 발표했습니다.

연구자들은 알려진 약물 분자의 데이터베이스를 생물학적 활동을 예측하도록 설계된 AI 모델에 입력하는 것으로 시작했습니다. 이 모델의 의사결정 과정을 이해하기 위해, 그들은 독일 카를스루에 기술대학의 공동연구자인 Pascal Friederich가 개발한 XAI 모델을 사용했습니다.

이를 통해 연구자들은 AI의 예측에 영향을 미치는 특정 분자 특성을 식별할 수 있었습니다. 이러한 요인들을 분석함으로써 Davis와 Sturm은 AI가 분자를 분류하고 그들의 약물 후보로서의 잠재력을 결정하는 기준에 대한 통찰력을 얻을 수 있었습니다.

서론적인 연구결과들은 XAI가 한 번에 훨씬 많은 변수들을 분석할 수 있기 때문에, 사람들이 놓칠 수 있는 것들을 발견할 수 있다는 것을 제안하고 있습니다.

예를 들어, 페니실린 분자를 분석할 때, AI는 예상치 못한 것을 발견했습니다. 일반적으로 과학자들은 페니실린의 핵심 구조가 그것의 항생제 속성에 결정적인 역할을 한다고 믿습니다. 그러나 Davis는 XAI가 이 핵심에 붙어 있는 부분들이 분자의 항생활동을 결정하는 주요 요소로 식별했다고 설명했습니다. 그녀는 이것이 페니실린의 수정된 버전들이 같은 핵심 구조를 가지고 있음에도 불구하고 왜 덜 효과적인지를 설명할 수 있다고 주장합니다.

다음 단계로, 연구자들은 개선된 AI 모델로 확인된 잠재적인 항생제 화합물을 만들고 테스트하기 위해 미생물학 실험실과 협력할 계획입니다. 그들의 최종 목표는 항생제 저항성의 증가하는 위협에 맞서 신규 및 보다 효과적인 항생제를 개발하는 데 AI를 사용하는 것입니다.

프레젠테이션에서 Davis는 “머신러닝은 이제 우리에게 이것을 훨씬 더 큰 규모로 실현할 기회를 제공하며, 이로 인해 우리는 화학적 행동에서 전례 없는 추세를 보게 될 것입니다. 이것은 우리가 역사상 가장 빠른 속도로 분자와 재료를 만드는데 도움이 될 것입니다.’’라고 말했습니다.

AI가 계속해서 발전함에 따라, 투명성과 이해는 공공의 신뢰뿐만 아니라 과학적 신뢰를 기르는 데 필수적입니다. AI의 복잡성을 풀어내는 과학자들은 사회적 이익을 위해 AI의 전체적인 잠재력을 활용하는 데 있어서 진전을 이루고 있습니다.