과학자들은 Evo라는 인공 지능 프로그램을 사용하여 알려진 자연 바이러스와는 다른 새로운 바이러스 게놈을 설계했으며, 그 중 16개는 실험실에서 구축하고 테스트한 결과 생존 가능하고 살아있는 바이러스로 밝혀졌습니다.

목요일에 Science 저널에 게재되고 CNN의 보고에 자세히 설명된 이 연구는 생성 생물학의 이정표로 환영받고 있습니다. 그러나 이는 또한 챗봇을 구동하는 동일한 기술이 이제 기능적이고 새로운 병원체를 구성할 수 있음을 보여주기 때문에 차단방역에 대한 긴급 경고를 불러일으키고 있습니다. 이 이야기에 대한 자세한 내용은 AI 뉴스를 참조하세요.

Evo는 어떻게 훈련받았는가

CNN에 따르면, "생명의 모든 영역에서" 수백만 개의 소스에서 추출한 유전자 서열은 ChatGPT 및 기타 대규모 언어 모델이 거대한 텍스트 모음에 대해 훈련되는 방식과 마찬가지로 Evo의 언어 라이브러리 역할을 했습니다. 해당 라이브러리를 연구함으로써 모델은 자연 게놈을 지배하는 "진화적 제약", 즉 유전적 배열이 생명체에서 실제로 작동하는 기록되지 않은 규칙을 학습할 수 있었습니다.

스탠포드 대학 및 Arc Institute의 과학자들은 Evo에게 특정 프레임워크 내에서 수천 개의 게놈 조합을 생성하도록 지시했습니다. 이 경우 E가 호스팅할 수 있는 게놈입니다. 대장균 박테리아 세포. 모델이 제작한 수천 개의 디자인 중 팀은 약 300개를 실험실에서 제작하고 테스트했습니다. 그 중 16개는 생존 가능한 바이러스였습니다.

인간 병원체가 아닌 박테리오파지

중요한 경고는 경각심을 완화시킵니다. 새로운 바이러스는 박테리아를 감염시키지만 인간을 감염시킬 수 없는 박테리오파지입니다. 따라서 작업은 기술 잠재력의 희망적인 측면에 속합니다. 연구자들은 새로운 바이러스 중 하나가 "진화적으로 먼" 측면을 가지고 있다고 보고했는데, 이는 Evo가 출현하는 데 수백만 년이 걸릴 수 있는 유전적 변화를 촉발했음을 시사합니다. 즉, 깊은 진화 시간을 단일 생성 단계로 압축했습니다.

가장 눈에 띄는 실제 결과는 AI가 설계한 파지를 함께 혼합한 것에서 나왔습니다. 테스트 결과 혼합물은 일부 E에서 항균 저항성을 극복할 수 있는 것으로 나타났습니다. 대장균 계통 — "천연 공급원의 유사한 혼합물" 파지로는 할 수 없는 일입니다. 그것은 결코 작은 주장이 아닙니다. 항생제 내성은 전 세계 건강에 가장 심각한 위협 중 하나이며, 해로운 박테리아를 죽이기 위해 바이러스를 사용하는 파지 치료법은 더 이상 효과가 없는 약물에 대한 가능한 해결책으로 오랫동안 추구되어 왔습니다.

저자들은 이 접근 방식이 "빠르게 진화하는 병원체에 대해 적응력 있고 회복력이 있는 파지 치료법을 생성하기 위한 경로를 제시하고" Evo를 그들이 퇴치하려는 박테리아와 보조를 맞출 수 있는 의약품의 설계 엔진으로 구성했다고 썼습니다.

"긴급" 생물안전 관련 질문

이 약속은 연구자들이 스스로 인정하는 우려와 짝을 이루고 있습니다. Science에도 게재된 해당 기사에서 Johns Hopkins Center for Health Security의 의사들은 경고적인 어조를 밝혔습니다. "이것은 생명 과학 응용 분야에 유망하지만 긴급한 생물 안전 및 생물 보안 문제를 제기합니다"라고 그들은 썼습니다. "생성 AI를 사용하여 바이러스 게놈을 구성하는 능력은 이제 존재하지만 이를 안전하게 조종하는 거버넌스는 존재하지 않습니다."

그들은 그러한 게놈이 "기존 대책으로는 억제할 수 없는 방식으로 인간, 동물 또는 식물을 감염시킬 수 있는 새로운 병원체를 암호화할 수 있다"고 경고했습니다. 이는 E를 겨냥하여 무해한 박테리오파지를 생산한 동일한 생성 방법을 상기시켜 줍니다. coli는 원칙적으로 다른 표적을 가리킬 수 있습니다.

모든 전문가가 즉각적인 위험을 극단적으로 생각하는 것은 아닙니다. 바르셀로나 폼페우 파브라 대학의 시스템 생물학 교수인 조르디 가르시아 오잘보(Jordi García Ojalvo)는 사이언스 미디어 센터(Science Media Center)에 "이루어진 획기적인 발전은 중요하다"고 말했습니다. CNN은 이 특정 연구가 제기하는 생물안전성 위험이 다른 일부 AI 도구보다 낮다는 그의 평가에 주목했습니다. 그 이유는 주로 Evo가 설계한 후에도 게놈을 실험실에서 개별적으로 구축하고 테스트해야 하기 때문입니다. 이는 텍스트나 이미지에는 존재하지 않는 물리적 병목 현상입니다.

생물학을 넘어서 중요한 이유

Evo 결과는 생성 AI가 언어와 이미지에서 기능적 생물학적 개체의 디자인으로 넘어갔다는 것을 가장 명확하게 보여줍니다. 이는 현재 AI 분야의 대부분을 정의하는 긴장감을 반영합니다. 즉, 신약과 회복력 있는 치료법을 약속하는 동일한 기능은 잠재적으로 유해한 유기체를 설계하는 데 필요한 노력을 줄여줍니다.

존스홉킨스 평론가들은 연구계가 지금까지 “대부분의 강력한 생물학적 AI 모델 개발자들보다 더 의도적으로 생물안전성과 생물보안 문제에 참여”해야 한다고 주장했습니다. 이러한 주장은 Evo를 넘어 훨씬 더 적용됩니다. 이는 문단이나 그림과 달리 출력이 물리적으로 세계에서 인스턴스화될 수 있는 생물학적 AI 시스템의 전체 신흥 범주에 대한 경고입니다.

다음에 나올 내용

Stanford와 Arc Institute 팀은 약물 내성 박테리아에 대한 파지 기반 치료법의 기초로서 이 연구를 구성했습니다. 더 어렵고 해결되지 않은 과제는 거버넌스, 즉 설계를 살아있는 유기체로 합성할 수 있는 생물학적 AI 도구를 출시하고 감독하는 방법입니다. 쌍둥이 사이언스(Science) 논문에서 분명히 밝혔듯이, 이는 이제 가상의 질문이 아니라 실제 질문이며, 능력과 감독 사이의 격차는 바로 현장의 가장 조심스러운 목소리가 메워지기 위해 경쟁하고 있는 부분입니다.

---

AI 최신 소식

최신 AI 뉴스, 분석 및 혁신을 한 곳에서 확인하세요.

AI 뉴스 더 보기 →