MIT 테크리뷰가 선정한 젊은 AI혁신가 7인
상태바
MIT 테크리뷰가 선정한 젊은 AI혁신가 7인
  • 입력 2020-06-22 13:41
  • 댓글 0
이 기사를 공유합니다

현재 개발 중인 기술들은 가까운 미래에 어떤 역할을 하게 될 것인가?

미국의 유력 IT 매체인 MIT 테크놀러지 리뷰(TR)는 지난 20여 년 동안 35세 미만 혁신가들의 명단을 발표해 왔다. 1999년부터 생명공학, 재료, 컴퓨터 하드웨어, 에너지, 교통, 통신, 웹을 포함한 광범위한 분야에서 세상에 크게 기여할 수 있는 훌륭한 기술 개발을 하는 35세 미만의 혁신가들을 찾아 매년 35명씩 선정했다.

MIT TR은 지난 17일 올해 최종 명단을 발표했다. 인공지능, 생명공학, 소프트웨어, 에너지, 재료 등에 관한 전문지식을 가진 25명의 심사위원들이 전체 500명을 심사해 선발한 것이다. 발명가(inventors), 기업가(entrepreneurs), 비전제시자(visionaries), 인도주의자(humanitarians) 등 4파트로 나누어서 선정했는데, 이 중 AI 기술을 기반으로 한 혁신가 7인을 정리해 제시한다.

1. 레일라 피라지(Leila Pirhaji)

34세(여, 이란) / 소속: 리바이벌메드(REVIVEMED)

피라지는 환자의 몸 안에 있는 더 많은 작은 분자들을 이전보다 더 빨리 식별할 수 있는 AI 기반 시스템을 개발했다. 그녀는 몸의 작은 분자를 측정하는 AI 기반 도구를 만들었고, 질병을 더 잘 발견하고 치료하는데 도움을 준다.

신체에서 신진대사에 중요한 역할을 하는 10만 개의 대사물(metabolites)이 있는데, 문제는 대사물의 측정과 식별에 비용과 시간이 많이 들고, 일반적인 기술을 이용해 식별할 수 있는 건 환자 대사물의 5% 미만이라는 점이다.

피라지는 이 작업을 훨씬 더 빨리 하기 위해 머신러닝을 사용하는 플랫폼을 개발했다. 먼저 그녀는 현재 대사물의 전체 정보와 다양한 단백질과 다른 분자들과 어떻게 상호작용하는지에 대한 거대한 데이터베이스를 구축했다.

그 다음에 해당 질병 보유 환자들로부터 조직과 혈액 샘플을 채취하고 대사물들을 측정했다. 피라지는 이 플랫폼에서 데이터를 분석하고, 질병과 대사물 사이의 복잡한 연관성을 이해하고, 이 정보를 이용해 신약을 발견할 수 있었다.

MIT에서 박사과정을 한 그녀는 스타트업 리바이벌메드의 CEO이다. 간, 면역, 염증, 기타 질병에 집중하는 리바이벌메드는 주요 제약회사와 제휴해 기존 의약품을 새로운 치료법에 맞추고 미래 의약품을 위한 새로운 목표를 찾고 있다.

2. 지웨이리(Jiwei Li)

31세(남, 중국) / 소속: 섀넌.AI & 중국 저장(Zhejiang)대학교

지난 몇 달 동안, 구글과 페이스북은 새로운 챗봇을 출시했다. 지웨이 리의 기술은 양쪽의 핵심이다.

그는 자연어 처리(NLP)에 신경 네트워크가 시행착오를 통해 학습하는 비교적 새로운 기술인 심층 강화 학습을 적용했다. 심층 강화 학습을 사용해 큰 텍스트 조각 내에서 통사 구조를 식별함으로써, 기계들이 그것들로부터 의미론적 정보를 더 잘 추출하도록 만들었다.

구문은 단어 사이의 문법적 관계를 말하는 반면 의미론은 단어들의 의미를 가리킨다. 리의 머신러닝 알고리즘은 문장의 문법 구조를 찾아 의미를 훨씬 더 신뢰할 수 있는 감각을 얻는다. 그들은 다수의 NLP 시스템의 초석이 되었다.

리는 중국 북경대에서 생물학을 공부했고 미국으로 이주해 코넬대에서 생물물리학 박사학위를 받았다. 인공지능에게 언어 데이터로부터 패턴 발견하는 방법을 가르치는 여러 방안들을 탐구해왔다. 2014년 날씨가 사용자들의 기분에 어떤 영향을 미치는지 보기 위해 미국 기상 자료와 트위터를 연관시켰다.

먼저 600개의 트윗을 행복, 분노, 슬픔 등으로 표시했다. 라벨링된 데이터를 사용해 트윗의 분위기를 평가하기 위해 신경망을 훈련시켰고 2010년과 2011년에 발표된 모든 트윗의 약 2%에 대해 지리 위치 데이터와 그 환경을 상관성을 검토했다.

2017년 학업을 마친 뒤 다시 베이징으로 건너가 NLP 스타트업 새넌 ai(Shannon.ai)를 창업해 2000만 달러를 투자받았다. 리의 회사는 트위터 날씨 연구에서 입증된 패턴 매칭 작업을 바탕으로 비즈니스 보고서와 소셜 미디어 포스트를 포함한 텍스트에서 경제 예측을 추출하는 머신러닝 알고리즘을 개발하고 있다.

3. 보리(Bo Li)

32세 / 소속: 미 일리노이 대학 어바나 샴페인 캠퍼스

AI를 속이는 새로운 방법을 고안함으로써, AI를 더 안전하게 만들고 있다.

몇 년 전, 보리와 동료들은 인간의 눈에는 무작위로 보이는 낙서 같은 패턴으로 정지신호 표지판에 소형 흑백 스티커를 붙였고 표지판의 문자는 명확하게 보이도록 두었다. 그러나 이 배치는 만약 자율 차량이 접근한다면, 비전 시스템의 기반인 신경 네트워크가 정지 신호를 45mph의 속도 제한으로 잘못 읽을 수 있도록 의도적으로 설계된 것이다.

이러한 "수리적 공격" 즉, 사람에게는 무해해 보이지만 신경 네트워크에는 바보처럼 보이는 입력 데이터의 조작은 이전에 시도된 적이 있었지만, 초기 사례들은 대부분 디지털이었다. 예를 들어, 이미지에서 몇 개의 픽셀이 변경될 수 있는데, 이것은 육안으로는 보이지 않는 변화다.

그녀는 그러한 공격이 물리계에서 가능하다는 것을 가장 먼저 보여준 사람 중 한 명이었다. 조작한 디지털 이미지를 포착하기 위해 개발된 방법은 물리적 물체에서는 작동하지 않기 때문에 AI가 탐지하기가 더 어려울 수 있다.

또한 형상과 질감과 같은 물리적 물체의 특징에 있어서 미묘한 변화를 고안했는데, 그것은 다시 인간에게는 감지할 수 없지만 물체를 이미지 인식 알고리즘에는 보이지 않게 만들 수 있다.

그녀의 목표는 잠재적인 공격에 대한 지식을 활용해 AI를 더욱 강력하게 만드는 것이다. 한 신경망을 이용해 다른 신경망의 취약점을 식별하고 이용하면서 AI 시스템을 서로 연결한다. 이 프로세스는 대상 네트워크의 훈련이나 구조에 결함을 노출시킬 수 있다. 그런 다음 이러한 결함을 해결하고 미래의 공격에 대비하기 위한 전략을 개발한다.

적대적 공격은 이미지 인식 알고리즘 뿐만 아니라 다른 종류의 신경망도 속일 수 있다. 예를 들어, 오디오로 감지할 수 없는 시스템 미세조정(tweaks)은 음성 비서로 하여금 그것이 듣는 것을 오해하게 만들 수 있다. 리의 기술 중 일부는 이미 상업적 응용에 사용되고 있다. IBM은 왓슨 AI를 보호하기 위해, 아마존은 알렉사를 보호하기 위해 이 기술을 사용한다. 소수의 자율 자동차 회사들도 머신 러닝 모델의 건전성을 향상시키기 위해 이를 적용한다.

 

사진=셔터스톡
사진=셔터스톡

 

4. 미구엘 모데스티노(Miguel Modestino)

34세(남, 베네수엘라) / 소속: NYU

그는 AI를 활용해 열 대신 전기로 반응을 최적화해 화학업계의 탄소 발자국을 줄이고 있다.

모데스티노는 플라스틱에서 비료에 이르는 모든 것에 사용되는 화합물을 생산하는 화학 산업을 전기화하는데 있어 주요한 장애물을 제거했다. 그의 AI 기반 시스템은 화석연료를 태우는 기존의 방식 대신 다양한 화학물질을 전기 펄스와 결합시켜 어떻게 하면 최적의 반응을 얻을 수 있는지를 스스로 터득한다. 전기는 풍력이나 태양열과 같은 재생 가능한 원천에서 나올 수 있기 때문에 화학공장을 전기화하면 배출량을 크게 줄일 수 있다.

초기 실험실 프로젝트에서 모데스티노 팀은 아디포니트리올(나일론을 만드는 공정에 사용된다)의 생산율을 30% 이상 증가시켰는데, 이는 지난 50년 동안 가장 크게 개선된 것이다.

핵심은 수율을 최적화하기 위해 지속적으로 변화하는 속도로 복잡한 전류의 펄스를 사용하는 것이다. 머신러닝에 필요한 펄스의 패턴을 파악한다. 그는 다른 전기 조건에서 아디포니트릴을 만드는 몇 가지 실험을 한 다음, AI가 그 데이터를 분석해 에너지와 수율, 폐기물을 줄이는 방법을 알아내도록 했다.

그는 두 명의 동료와 함께 최근 선세틱스(Sunthetics)를 설립해 수소연료 생산과 폴리머 제조에 관련된 다른 화학적 과정에 AI 시스템을 적용했다. 또, 전체 시험용 원자로에 대한 아디포니트릴 공정을 확장하고 다른 공정에 대한 접근을 넓히기 위해 노력 중이다.

5. 이뇨루와 데보라 라지(Inioluwa Deborah Raji)

24세(여, 나이지리아) / 소속: AI NOW 연구소

얼굴 인식 시스템을 훈련시키는 데 사용되는 데이터의 인종 편향에 대한 그녀의 연구는 기업들이 기존의 방식을 바꾸도록 압박하고 있다.

나이지리아의 포트하커트에서 태어난 라지는 네 살 때 온타리오주의 미시오가로 이사했다. 맥길 대학에서 신경과학 전공하던 라지는 인턴십과정에서 데이터 훈련과정에서 백인과 유색인종의 불균형을 경험하게 되었다. 라지가 문제제기를 했지만, 회사는 그 모델을 계속 사용했다.

당시 경찰서와 법 집행 기관들도 유사한 시스템을 신원확인에 사용하고 있었다.

2016년 MIT 흑인 여성 연구원인 조이 부올람위니(2018년 MIT TR 35세 미만 혁신자 중 한 명)는 TED 강연에서 상업용 안면인식 시스템이 흰 마스크를 착용하지 않는 한 얼굴을 감지하지 못한 경위에 대해 이야기했다. 라지에게 부올람위니는 완벽한 롤모델이었다: 그녀는 모든 코드와 분석 결과를 종합해 부올람위니에게 이메일을 보냈다. 두 사람은 곧장 협업을 시작했다.

2019년 MIT 미디어랩에서 부올람위니와 함께 새로운 프로젝트를 추진했다. 이번 연구결과는 AI 연구에 근본적 기여를 했다. 그해 말 미국 국립표준기술원도 얼굴 인식 알고리즘에 대한 연례 감사를 인종 편향성 검사를 포함하도록 업데이트했다.

구글의 AI 개발 과정을 투명하게 하기 위해 연구 멘티로 합류한 라지는 마거릿 미첼 팀과 함께 머신 러닝 팀이 사용할 수 있는 문서 프레임워크를 개발했다. 구글은 2019년 이 프레임워크를 구축해 고객이 사용할 수 있도록 구글 클라우드에 구축했다.

6. 서동진(Dongjin Seo)

31세(남, 미국) / 소속: 뉴럴링크

그는 인간의 두뇌와 기계를 원활하게 연결시키기 위해 컴퓨터 칩을 설계하고 있다.

6년 전 서동진은 "공학을 통해 세상을 어떻게 개선할 것인가에 대한 강한 직관을 가진 과학자가 되고 싶었다"고 말했다. 당시 그는 버클리 캘리포니아 대학의 연구실 한 구석에서 동물의 뇌에 넣어 음파로 조절할 수 있는 초소형 전자 센서를 ‘신경 먼지’라는 개념으로 개발하고 있었다.

그 프로젝트의 목표는 대뇌 피질 내부의 뉴런의 발화를 읽고 정보를 다시 보낼 수 있는 새로운 형태의 뇌-기계 인터페이스였다. 이 기술은 뇌로부터 정보를 읽고 쓸 수 있는 방법과 뇌에서 정보를 읽고 쓸 수 있도록 하는 방법을 열 수 있게 한다.

2016년에 테슬라 창업자 일론 머스크는 그를 새로운 회사인 뉴럴링크로 끌어들였다. 뉴럴링크는 인간의 두뇌와 컴퓨터 사이의 매끄러운 인터페이스를 만드는데 수백만 달러를 쓸 준비가 되어 있었다. "일론이 설명한 비전은 거절하기 어려웠다." 라고 서씨는 말한다. "그건 내가 상상했던 모든 것이었다."

뉴럴링크는 신경 먼지 대신 초박막 전극을 동물 뇌에 투하하는 로봇에 베팅하고 있다. 서씨는 두개골에 절단된 작은 구멍에 맞는 저전력 무선 컴퓨터를 설계하는 팀을 맡고 있다. 그는 자신의 일차적인 기여는 필요한 회로판과 칩을 설계하는 것이라고 말한다. "우리는 이 칩들이 소음처럼 보일 수 있는 신호를 수집하고 처리하며 뇌를 깨우지 않고 모든 것을 하기 위해 필요하다."

이 스타트업은 동물 실험을 한 뒤 신체 마비 환자나 중환자의 뇌에 연결 시도를 희망한다. 서 팀장은 궁극적으로는 건강한 사람들의 " 능력 증강"은 "명확하게 나타날 결과"라고 말하면서, "그것은 세상과 상호작용하는 우리의 능력을 향상시킬 수 있다."라고 덧붙였다.

7. 카타리나 볼츠(Katharina Volz)

33세(여, 독일) / 소속: 오캄스레이저(OCCAMZRAZOR)

볼츠는 사랑하는 사람이 파킨슨병을 진단받음에 따라 치료법을 찾기 위해 머신러닝을 채택하게 됐다.

2016년 카타리나 볼츠는 가까운 사람이 파킨슨병에 걸렸다는 소식을 접했다. 이 뉴스는 스탠포드 대학에서 막 박사과정을 끝낸 볼츠의 모든 것을 바꾸었다.

"내가 실제로 변화를 일으킬 수 있다는 것을 알았다,"라고 그녀는 말한다. "사실 이 병에 대한 효과적인 치료를 받을 수 있는 방법을 찾아내는데 깊은 책임감을 느꼈다. 그 이유는 내가 이 병에 대해 뭔가 조치를 취할 수 있다는 것을 알았기 때문이다." 볼츠는 이제 바이오의학 연구로 머신러닝(machine learning)을 성공적으로 결합시키고 파킨슨 치료제 발굴을 추진하고 있는 오캄즈레이저(2016년 창업)라는 회사를 이끌고 있다.

그 회사는 크게 두 가지 단계로 그 문제를 해결하고 있다. 먼저 파킨슨병 관련 발표 자료를 읽고, 이해하는 프로그램을 개발했다. 다음으로 AI를 활용해 유전체학, 단백질학, 임상 데이터 세트를 통합하고 있다. 목표는 실험실에서 검사할 수 있는 파킨슨병에 중요한 새로운 경로와 유전자를 예측하는 것이다.

그 결과가 이 회사가 "파킨섬(Parkinsome)"으로 이름붙인 지식지도다. 이 결과물은 파킨슨병의 발병 원인과 진행 과정을 밝히고, 조기 진단에 도움이 될 수 있는 징후와 증상을 가리키며, 잠재적인 치료 대상을 식별하는데 도움을 준다. 오캄즈레이저는 바이오·제약업체와 제휴해 약품을 개발하고 있다.

목표는 단순한 파킨슨병을 넘어 이런 접근법을 선택하는 것이다. 그녀는 뇌의 노화와 관련된 다른 복잡한 질병에 대한 종합적인 지식 지도를 만들기 위해 플랫폼을 확장할 계획이다. 볼츠는 "질병은 서로에게 알려준다"고 말하며, "파킨슨병을 공부하는 것은 일반적으로 뇌 노화를 연구하는 가장 좋은 방법 중 하나이다."라고 덧붙였다.

이정태 기자
이정태 기자 mica1028@aitimes.com 다른기사 보기
기자 프로필
이정태 기자
이정태 기자 mica1028@aitimes.com 다른기사 보기


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.
주요기사
유용한 리스티클
  • AI를 활용한 10가지 좋은 예
  • MIT 테크리뷰가 선정한 젊은 AI혁신가 7인
  • 포브스 선정 유망 AI기업 베스트 50
  • 신제품 개발을 개선하는 10가지 방법
  • 코로나19와 싸우는 테크기업 '베스트 15'
  • 딥마인드 엔지니어가 알려준 입사 지원 팁 5가지