앞에서 설명했듯이 2018년 이후 단백질 구조 예측 분야가 인공지능 기술의 본격적인 도입으로 지각변동을 시작할 무렵 단백질 디자인에도 인공지능 기술의 도입이 시작되었다. 특히 알파폴드에 의해서 단백질 디자인의 역함수인 구조 예측이 거의 해결된 이후 알파폴드나 로제타폴드 등의 구조 예측 소프트웨어를 이용하여 단백질 디자인을 하는 시도도 이루어졌다. 이러한 시도 중의 하나가 할루시네이선 (hallucination) 이다.

딥러닝 네트워크는 단백질의 꿈을 꾸는가

일단 단백질 디자인에서의 할루시네이션에 대해서 이야기하기 전에 딥 러닝과 할루시네이션에 대한 이야기부터 알아보자.  2010년대 중반 딥러닝의 발전을 선도했던 영상 인식 연구자들은 여러가지 사물의 이미지를 이용하여 훈련된 네트워크는 이미지에서 유사한 특성을 가진 사물도 해당 사물로 인식할 수 있다는 것을 알게 되었다. 가령 영상 인식의 대표적인 한계로 알려진 머핀을 치와와로 착각하는 밈을 생각해 볼 수 있다.

그림 1. 머핀과 치와와는 영상 인식에서 쉽게 구분하지 못할수도 있다는 것은 유명한 밈이다.

만약 이미지에서 어떤 사물 (실제와는 다른)을 네트워크가 인식하는 경우, 이미지를 좀 수정하여 네트워크가 그 사물로 좀 더 잘 인식하도록 하면 어떤 일이 일어날까? 그리고 이 과정을 반복한다면? 가령 푸른 하늘에 떠 있는 구름을 영상인식 내트워크가 새의 깃털이나 강아지의 얼굴로 인식한 경우, 이미지를 무작위적으로 조금씩 수정하여 네트워크가 좀 더 새 같이 인식하도록 반복하게 되면, 하늘에는 새나 강아지 얼굴 같은 환영이 나타나게 된다. 이렇게 영상 인식 딥러닝 네트워크에 의해 실제 존재하지 않던 이미지가 나타나는 것을 네트워크  할...