물리 이어 화학상도 AI에 몰아준 노벨위원회
‘기초과학은 기다려줘야 한다’는 옛말 될듯
AI 경쟁력 서둘러 키우지 않으면 한국 또 소외
‘기초과학은 기다려줘야 한다’는 옛말 될듯
AI 경쟁력 서둘러 키우지 않으면 한국 또 소외
챗GPT에 올해 노벨상을 표현하는 그림을 그려달라고 요청했더니, 인공지능(AI)의 스펠링을 노벨상 메달로 표현했다. [사진=챗GPT] |
<이미지를 클릭하시면 크게 보실 수 있습니다> |
올해 노벨 과학상 발표는 모두 마무리됐지만, 후폭풍이 거세다. 과학계는 놀랍고 납득이 된다면서도 당혹스러워하고 있다. 물리학상을 받은 ‘AI 대부’ 제프리 힌튼 교수가 수상 소감에서까지 AI의 위험성을 경고하고 나서자, 빅테크 기업들도 긴장하고 있다.
물리학상과 화학상을 모두 AI가 받은 것은 여러모로 이례적인 사건이다. 노벨상은 극도로 보수적인 상이다. 수상의 근거가 되는 연구가 발표된 이후 노벨상을 수상하기까지는 평균 30년 가량이 걸렸다. 그만큼 그 과학기술이 인류에 긍정적 영향을 미쳤는지를 오랜 기간 검증한다는 의미다.
그런데 이제 막 태동하기 시작한 AI에 노벨 과학상을 두 개나 몰아줬다. AI가 엄청난 속도로 과학계 패러다임을 바꾸고 있다는 방증이다. 과학계는 아직도 술렁이고 있다.
석차옥 서울대 화학부 교수는 물리계의 아주 작은 입자들을 연구하는 ‘양자역학’에 빗대면서 “1900년대에 양자역학이 있었다면 2000년대는 AI가 있다. AI는 기존의 패러다임을 바꾸는 과학의 새 도구”라고 강조했다.
현대 과학계에 바야흐로 ‘AI의 시대’가 열렸다는 평가다. 이러다가 모든 과학상을 AI가 휩쓸게 생겼다면서 아예 ‘노벨 AI상’을 신설해야 하는 것 아니냐는 이야기도 나온다.
환호와 우려가 교차하는 중대한 변곡점에서, 한국은 또 한 번 소외됐다. 올해 노벨상 역시 어김없이 다른 나라의 잔치였다. 항상 목놓아 노벨상을 부르짖지만 이번 노벨상에서 한국은 찾을 수 없었다.
한국은 AI 시대에 기민하게 대응을 하고 있나 살펴봐야할 시점이다. 그러나 한국의 AI 분야 전망은 어둡다. 영국 토터스미디어가 발표한 ‘2024년 글로벌 AI 지수’에 따르면 한국의 경쟁력은 세계 6위 수준이다.
문제는 상위권과 격차가 너무 큰 6위라는 점이다. 1등인 미국이 100점이라면 한국은 40점 수준이다. 중국은 60점 정도로 2위이고, 싱가포르나 영국, 캐나다에도 모두 밀렸다. AI 분야에서도 후발주자라는 것인데, 세계가 천문학적으로 투자하고 있다는 점을 감안하면 한국 AI의 미래는 더 어두워보인다.
연구개발(R&D) 예산 삭감으로 홍역을 치른 한국 과학계도 성찰의 시간을 가질 필요가 있다. 과학자들은 ‘기초과학은 기다려줘야 한다’는 말을 달고 산다.
하지만 이번 노벨 물리학상과 화학상이 기존의 노벨상 기조와 다르게 비교적 최근의 연구에 주어졌다는 점에 주목해야 한다. 노벨 화학상을 받은 구글 딥마인드의 ‘알파폴드’는 2020년의 연구다.
한국에는 노벨상 수준의 뛰어난 연구역량을 발휘하겠다며 설립된 기초과학연구원(IBS)이 있다. 2011년 설립돼 한 해 수천억원에 이르는 예산을 써왔다.
그간 IBS가 노벨상 수준의 뛰어난 연구역량을 발휘해왔을까에 의문을 가지는 동료 과학자들이 많다. ‘기초과학은 기다려줘야 한다’는 말이 이번 노벨상으로 더 이상 통하지 않을 수도 있다.
AI 시대 개막으로 AI가 물리학이나 화학처럼 과학의 한 분야로 자리잡을 수 있다는 전망까지 나온다. 노벨 AI상이 등장하는 것은 물론, 사람이 아닌 AI가 노벨상을 수상하는 일까지 보게될 지 모른다.
이런 시대에 한국 과학이 새 시대를 여는데 기여했는지, 기민하게 대응했는지, 어떻게 대응할 지를 다시 한 번 돌아볼 때다.
위의 사진을 그려준 챗GPT에게 “노벨상 메달을 더 크게 그려줘”라고 주문하자 나온 몇 초만에 내놓은 그림이다. AI는 인간과 상호작용하면서 점점 더 인간을 닮아가고 있다. <사진=챗GPT> |
<이미지를 클릭하시면 크게 보실 수 있습니다> |
[ⓒ 매일경제 & mk.co.kr, 무단 전재, 재배포 및 AI학습 이용 금지]
이 기사의 카테고리는 언론사의 분류를 따릅니다.
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.