Nvidia 젠슨 황이 학부모들에게 쏘아올린 공
엔비디아 젠슨 황이 아주 재밌는 이야기를 최근 했습니다. 이제 코딩을 배우는 시대는 끝났으며 만약 자신이 다시 전공을 선택해야 한다면 ‘생명공학’을 선택하겠다고 합니다. 연신 언론에서는 “프로그래머 될 필요 없다. 생물학 연구해야” 같은 자극적인 타이틀을 뽑아내기 시작했습니다.
저와 같은 학령기 자녀를 둔 부모들은 이런 기사에 동공지진이 일어납니다. 제 주변 학부모들의 코멘트는 주로 이렇습니다.
“생명공학이니 결국 의사 하라는 이야기 아냐?”
하지만 제 생각은 조금 다릅니다. 젠슨 황은 표면적으로는 생명공학을 선택하라는 이야기이긴 하지만 핵심은 왜 하필 생명공학이냐는 데 있습니다.
Gen AI 기술은 ‘생성(generative)’에 핵심이 있습니다. 하지만 무에서 유를 창조하진 못합니다. Gen AI는 창조하는 듯 보이지만 결국 사람이 만들어놓은 데이터를 조합, 분석, 요약하여 재조합하는 데 있습니다.
Gen AI가 언어를 이해하여 새로운 문장을 생성해 내듯 유전자 데이터를 학습하면 Gen AI가 새로운 유전자를 만들어낼 수 있는 가능성이 열린다는 겁니다.
“챗GPT는 언어라는 것을 이해해 구문과 문법을 학습했고, 말의 의미와 전후 맥락을 파악해 새로운 언어를 생산해 낼 수 있다. 마찬가지로 유전자를 학습하면 생명공학 자체를 이해하고 새로운 유전자를 만들 수 있다. 화학 구조를 학습하면 화학공학을 이해하고 새로운 화학 구조의 분자를 만들어낼 수 있다. 영어, 한국어, 중국어 외 다양한 정보를 언어로 생각한다면, 배울 것이 많다는 사실이 놀랍지 않나.” (출처: 바이라인네트워크)
종합해 보자면, 젠슨 황은 의사가 되라는 이야기를 한 것이 아니라 이제 AI가 정복해야 할 분야는 생명공학분야라는 것입니다. 공학과 과학의 경계가 모호해지고, 이 두 개 분야는 곧 융합될 것입니다. 즉 컴퓨터공학적 접근으로 질병의 한계를 극복하는 시대로 우리는 진입했다는 것을 예고합니다.
“신약 개발은 생성 AI 적용 시 잠재력이 가장 큰 분야 중 하나로 꼽힌다. 지금까지의 신약개발 방식은 후보 물질 탐색부터 임상 시험 이후 허가까지 평균 10년 이 상의 시간이 걸렸다. 투자 금액도 평균 25억 달러(약 3조 3000억 원)에 달한다. 하지만 세포 수준에서 반응을 학습한 AI가 나타나면 신약 후보물질 탐색은 물론, 임상까지 걸리는 시간을 획기적으로 줄일 수 있다. “ (출처: 조선일보, 신의 영역 뛰어든 '1800조 사나이'… 젠슨 황 '신약' 찍었다.)
그럼 이런 미래를 살아가는 우리 자녀들에게 필요한 교육은 무엇일까요?
바로 사람과 생명, 자연환경에 대한 관심과 호기심을 불러일으킬 수 있는 다양한 자극입니다.
아이들에게 생명의 소중함과 자연의 아름다움을 알려주고, 그것을 지키기 위한 노력을 함께 몸소 실천합니다.
아이에게 자연과 생명을 사랑하는 마음을 알려주면 아이는 그것들을 지키기 위한 방법을 스스로 찾아갈 것입니다.