2023/02/06
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.
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...
딥드림은 인공지능의 학습결과를 강조해서 시각화하면서 예술성을 덤으로 얻는 것 정도로만 이해하고 있었는데, 발견한 신호를 점점 강화시키는 원리를 디자인에 사용한다는 실용적인 생각은 못 해 보았던지라 한방 맞은 기분이네요. 그 이후의 비약적 발전들(모두 베이커랩..)에 대한 내용도 무척 재미있게 읽고 있습니다.
딥드림은 인공지능의 학습결과를 강조해서 시각화하면서 예술성을 덤으로 얻는 것 정도로만 이해하고 있었는데, 발견한 신호를 점점 강화시키는 원리를 디자인에 사용한다는 실용적인 생각은 못 해 보았던지라 한방 맞은 기분이네요. 그 이후의 비약적 발전들(모두 베이커랩..)에 대한 내용도 무척 재미있게 읽고 있습니다.