Google.org, 전 세계 문제에 도전하는 12개 단체에 2천만 달러 규모 AI for Science 기금 수여

Unlocking the Impossible: Google.org’s Strategic $20M Bet on AI for Science

복잡한 글로벌 과제와 과학 혁신의 속도 사이의 간극을 메우기 위한 결정적 조치로, Google.org는 과학을 위한 인공지능(AI)을 목표로 한 2,000만 달러($20M) 기금을 발표했습니다. 오늘 공개된 이 이니셔티브는 12개의 학계, 비영리 및 스타트업 조직에 상당한 보조금을 수여합니다. 이들 기관은 단순히 인공지능을 도입하는 것을 넘어서, 보건, 농업 및 생물다양성 분야의 실존적 위협을 해결하기 위해 연구 방법론의 토대에 AI를 통합하고 있습니다.

이 재정 투입은 단순한 자선 이상을 의미합니다. 이는 과학적 발견이 자금 조달되고 수행되는 방식의 구조적 변화를 알립니다. 유전체 지도 작성, 약물 저항성, 핵융합 에너지와 같은 마찰이 큰 분야를 겨냥함으로써, Google.org는 전통적으로 수십 년이 걸리던 타임라인을 수년 단위로 압축하는 것을 목표로 합니다.

Maggie Johnson, VP 및 Google.org 글로벌 책임자는 이 이니셔티브의 긴급성을 강조했습니다. "과학은 인류 진보의 초석입니다. 그런데 세계의 문제는 점점 더 복잡해지는 반면, 새로운 발견의 속도는 실제로 느려지고 있습니다," Johnson은 말했습니다. "우리는 연구자들이 불가능을 여는 데 필요한 자원을 인공지능을 통해 활용할 수 있도록 지원하고 있습니다."

Accelerating Discovery at the Intersection of AI and Biology

이 자금의 가장 직접적인 영향은 생명과학 분야에서 느껴질 가능성이 큽니다. 이 분야는 역사적으로 데이터의 양이 인간의 분석 능력을 앞질러 왔습니다. 수상자 12곳 중 다섯 곳은 생물학적 복잡성을 해독하여 의학을 반응적 치료에서 예측적 정밀 의학으로 전환하려 하고 있습니다.

Decoding the Human Genome and Combating Disease

수혜 기관 중 하나인 UW Medicine은 자체 기술인 Fiber-seq를 배치하고 있습니다. 인간 게놈 프로젝트가 수년 전에 완료되었다고 선언되었지만, 인간 게놈의 약 99%는 기능적으로 매핑되지 않은 '어둠' 상태로 남아 있습니다. UW Medicine은 이 자금을 사용하여 이러한 미지의 영역의 장독서(long-read) 지도를 구축하고, 수세대에 걸쳐 임상가들을 당혹스럽게 한 희귀 질환의 유전적 원인을 규명하는 것을 목표로 합니다.

동시에 Technical University of Munich은 규모 문제를 해결하려 합니다. 현재의 의료 모델은 미시적 세포 행동과 전체 장기 기능 사이의 간극을 메우는 데 종종 어려움을 겪습니다. 그들의 팀은 이러한 서로 다른 생물학적 수준을 연결하는 다중 스케일 기초 모델(multiscale foundation model)을 구축하여, 의사들이 환자를 직접 다루기 전에 질병 진행을 시뮬레이션하고 처치법을 디지털 환경에서 시험할 수 있게 할 가능성을 엽니다.

감염병 분야에서는 속도가 결정적 변수입니다. Spore.Bio라는 프랑스 스타트업은 생명을 위협하는 약물 내성 박테리아를 탐지하도록 설계된 AI 기반 스캐너로 미생물학을 혁신하고 있습니다. 현재의 표준 검출 방식은 며칠이 걸릴 수 있는데, 이는 종종 치명적입니다. Spore.Bio의 기술은 이 시간을 한 시간 이내로 단축하는 것을 목표로 합니다. 마찬가지로 Infectious Disease Institute at Makerere University는 "EVE" 프레임워크와 AlphaFold 같은 고급 도구를 활용하여 말라리아를 일으키는 기생충의 진화를 예측하고, 연구자들이 약물 저항성을 식별하는 데 선행 우위를 가질 수 있게 합니다.

Reshaping Global Food Systems for Resilience

기후 변화가 기상 패턴을 바꾸고 전 세계 인구가 계속 증가함에 따라 농업 시스템에 가해지는 압력은 한계점에 이르고 있습니다. Google.org는 복원력과 영양 밀도를 통해 식량 안보를 보장하기 위해 AI를 적용하는 세 개의 조직을 선정했습니다.

The Sainsbury Laboratory는 "Bifrost"라는 프로젝트를 주도하고 있으며, Google DeepMind의 획기적인 단백질 구조 예측 모델인 AlphaFold3를 활용하여 식물 면역 수용체가 병원체와 어떻게 상호작용하는지를 예측합니다. 이 예측 능력은 게놈 서열만을 기반으로 하며, 수년간의 시행착오적인 현장 시험을 우회하여 병저항성 품종 육종을 기하급수적으로 가속화할 수 있습니다.

이를 보완하는 것은 **Periodic Table of Food Initiative (PTFI)**로, 식품 과학에서 아직 분류되지 않은 수천 개의 알려지지 않은 생체분자들, 즉 식품의 영양 및 풍미를 결정하는 '암흑 물질'을 맵핑하기 위한 AI 플랫폼을 구축하고 있습니다.

Innovative Genomics Institute at UC Berkeley에서는 농업의 환경적 발자국에 초점을 맞추고 있습니다. 연구자들은 소의 마이크로바이옴을 해독하여 특정 미생물 상호작용을 식별하고 있습니다. AI를 통해 이들 상호작용을 편집하면 가축에서 발생하는 메탄 배출을 크게 줄여 온실가스 배출을 완화할 수 있기를 기대합니다.

Planetary Defense: Biodiversity and Clean Energy

마지막 수혜자 그룹은 지구의 자연 시스템을 보호하고 청정 에너지 전환을 촉진하는 임무를 맡고 있습니다. 이 프로젝트들은 AI가 방대한 비체계적 데이터셋을 종합해 실행 가능한 전 지구적 지도와 모델로 변환하는 능력에 크게 의존합니다.

UNEP-WCMC는 "데이터 사막(data deserts)"으로 알려진 중요한 지식 격차를 해소하고 있습니다. 대형 언어 모델(Large Language Models, LLMs)을 사용하여 수백만 건의 과학 기록을 스캔하고 종합함으로써, 그들은 알려진 35만 종의 모든 식물 종 분포에 대한 확정적 지도를 만들고 있습니다. 이 데이터는 전 세계 보전 결정을 안내하는 데 필수적이지만, 이전에는 너무 흩어져 있어 유용하지 못했습니다.

에너지 부문에서는 Swiss Plasma Center at EPFL이 글로벌 핵융합 에너지 데이터의 표준화를 해결하고 있습니다. 핵융합은 무한한 탄소배출 없는 에너지를 약속하지만, 진전은 단편화된 데이터로 인해 정체되어 있습니다. 이 프로젝트는 AI 모델이 전 세계의 실험 결과를 학습할 수 있게 하여 실용적인 핵융합 전력원으로 가는 경로를 가속화할 것입니다.

한편 University of Liverpool은 실험실 자체를 재정의하고 있습니다. 그들의 "Hive Mind" 프로젝트는 자율 로봇을 인간 과학자 및 AI 에이전트와 연결합니다. 이 협업 루프는 전 세계 규모의 탄소 포집이 가능한 새로운 물질을 빠르게 발견하도록 설계되었으며, 이는 기후 변화 영향 완화를 위한 필수 기술입니다.

Full List of Awardees and Project Focus

Organization	Category	Project Focus
UW Medicine	Health	인간 게놈의 99%(어두운 영역)를 매핑하여 희귀 질환 통찰을 얻음.
Cedars-Sinai Medical Center	Health	사고와 기억의 신경 메커니즘을 실시간으로 분석하는 "BAN-map" 도구.
Technical University of Munich	Health	개별 세포를 전체 장기 시뮬레이션과 연결하는 다중 스케일 기초 모델(multiscale foundation model).
Infectious Disease Institute	Health	AlphaFold 및 EVE를 사용하여 말라리아 기생충의 진화와 약물 저항성 예측.
Spore.Bio	Health	한 시간 이내에 약물 내성 박테리아를 탐지하는 AI 스캐너.
The Sainsbury Laboratory	Agriculture	AlphaFold3를 사용하여 식물 병원체 상호작용을 예측하는 "Bifrost" 프로젝트.
Periodic Table of Food Initiative	Agriculture	영양과 풍미를 결정하는 식품의 알려지지 않은 분자("암흑 물질") 맵핑.
Innovative Genomics Institute	Agriculture	유전자 편집을 통해 메탄 배출을 줄이기 위해 소 마이크로바이옴을 해독.
The Rockefeller University	Biodiversity	보전을 돕기 위해 180만 종의 자동화된 게놈 시퀀싱.
UNEP-WCMC	Biodiversity	35만 식물 종의 분포를 맵핑하기 위해 대형 언어 모델(Large Language Models, LLMs) 사용.
Swiss Plasma Center (EPFL)	Energy	청정 에너지 돌파구를 위한 AI 모델 학습을 위해 핵융합 에너지 데이터 표준화.
University of Liverpool	Energy	로봇과 AI를 연결하여 탄소 포집 물질을 발견하는 "Hive Mind".

The Open Science Mandate

이번 자금 지원 라운드의 정의적 특징은 Google.org가 "오픈 사이언스(Open Science)"를 요구한다는 점입니다. 많은 산업에서 독점 데이터는 종종 철저히 보호되는데 반해, Google은 이번 자금의 산출물을 공유하도록 요구하고 있습니다.

수혜자들은 그들의 데이터셋과 솔루션을 오픈 소스 자원으로 공개할 것으로 기대됩니다. 여기의 전략적 논리는 승수 효과(multiplier effect)입니다. 자금 지원을 받은 프로젝트들이 특정 결과를 도출하겠지만, 그들이 생성한 도구와 데이터는 관련 없는 분야에서의 돌파구를 촉진할 수 있습니다. 예를 들어 식물 분포를 매핑하기 위해 개발된 모델은 기본 코드와 방법론이 접근 가능하다면 이론적으로 침입성 곤충 종을 추적하는 데도 적응될 수 있습니다.

A New Era of Scientific Velocity

이 2,000만 달러 기금의 배치는 과학적 방법의 중대한 전환을 강조합니다. 우리는 순수 가설과 수동 관찰의 시대로부터 고차원 데이터 시뮬레이션의 시대로 이동하고 있습니다.

이 전환의 최첨단에 있는 조직들에 자금을 지원함으로써, Google.org는 인공지능이 단지 효율성을 위한 도구가 아니라 현대의 복잡한 글로벌 과제를 해결하기 위한 전제 조건이라는 아이디어에 사실상 베팅하고 있습니다. 탄소 포집을 위한 새로운 물질을 식별하든 말라리아 기생충의 다음 변이를 예측하든, 이 기금이 지원하는 조직들은 과학의 미래가 계산적이고 협력적이며 가속화되고 있음을 입증하고 있습니다.