Novelism

알파폴드가 공개된 이후에 신약개발 분야에서 사람들이 주로 관심 가지는 질문이 두 가지 있습니다. 하나는 알파폴드가 예측한 구조가 얼마나 정확한 것인가?이고, 다른 하나는 구조 예측한 결과를 신약개발에 사용할 수 있는가입니다. 이 질문을 따로 대답하기는 좀 어렵습니다. 왜냐하면 그 얼마 나라는 것이 수치적인 점수를 묻는 것이 아니기 때문입니다. 수치적인 점수라면 캐스프에서 보여준 대로 실험 구조와 상당히 유사합니다. 단백질 구조예측 분야에서 머신러닝 방법이건, 컴퓨터 시뮬레이션이건 메서드를 개발할 때, 특정 데이터에 대해서 파라미터 최적화 과정을 거칩니다. 성능 평가를 할 때는 학습에 사용하는 데이터 이외에 별개의 데이터셋을 준비해두고, 여기에 대해서 평가를 하는 것이 일반적입니다. 좀 더 엄밀하고 공정한..

신약개발에 대한 이야기에서 흔히들 하는 말이 있습니다. 신약개발은 1조 이상의 비용과 10년 이상의 시간이 소모되지만 성공률은 5% 정도로 낮다. 1만 개의 분자 중에서 임상을 통과하고 약으로 시판되는 것은 1개 정도밖에 안된다. 그래서 "비용과 시간을 절감하고 성공률을 높이기 위해서 무언가 (인공지능을 도입한다거나) 한다."라고 합니다. 출처마다 구체적인 숫자들은 다르지만 내용은 비슷합니다. 비용, 시간을 줄이고 성공률을 높이려면 대체 어디서 얼마나 시간과 비용이 들고 왜 실패하는지 분석해야겠죠. 보통 신약개발 과정을 이야기할 때, 위의 그림처럼 타깃 선정, 타깃 검증, 히트 생성, 리드 선정, 리드 옵티마이제이션 , 동물실험 (비임상 혹은 전임상), 임상, FDA 승인 후 시판 (임상 4상) 같은 방..

이미 딥러닝이 알려진지도 7년이 넘게 지났으니 생소한 것도 아니고, 처음 입문하는 사람이 아니라면 딥러닝이 무엇인지 모르는 사람도 많지 않을 것 같습니다. 5년 전쯤만 해도 직접 딥러닝을 사용하는 사람이 아닌 경우, 학회에서 발표하는 경우에도 머신러닝과 딥러닝의 개념을 잘못 생각하시는 분들이 많았습니다. 딥러닝 (deep learning)은 머신러닝 (machine learning, 기계학습)의 한 분야입니다. artificial neural network (ANN, 인공 신경망)에서 hidden layer 가 늘어난 deep neural network (DNN), 혹은 비슷한 네트워크 구조인 Restricted Boltzmann Machine (RBM)과 Deep Belief Network (DBN)에..

저는 인공지능을 활용해서 하고 싶은 일이 여럿 있습니다. 일단은 지금 하고 있는 일인 신약개발, 좀 더 장기적으로, 반려 인공지능이 있습니다. 반려 인공지능은 인공지능 비서가 생활과 업무의 서포트를 지향함과 반대로, 인간과 정서적인 유대, 교감을 지향합니다. 물론 현재의 인공지능은 감정을 가지지 못하기에 진정한 교감은 아닙니다. 사람은 직접적으로 타인의 마음을 볼 수 없습니다. 상호작용을 통해서 타인을 인식하고, 자신의 마음에 비추어 감정을 추정할 뿐입니다. 인간과 인간의 교감마저도 근본적으로 따져보면 진짜 교감인지 알 수 없게 되어버립니다. 하지만 사람은 비록 생물이 아닐지라도 물건에 정을 붙이는 존재입니다. 인형이 좋다고 들고 다니는 사람도 있고, 캐릭터와 결혼하겠다는 사람도 있으니 정서적인 안정이 ..

가치관에서의 정의는 가치관의 수만큼이나 다양합니다. 무엇이 옳은가? 그것은 가치관마다 다릅니다. 다른 가치관을 가진 사람들이 전부 만족할 수 있는 것은 매우 드뭅니다. 그나마 어느 정도 보편적으로 추구해야 할 가치관 정도는 제시할 수 있습니다. 하지만 그마저도 모든 사람이 동의하진 않고, 동의한다 하여도 따르진 않습니다. 절대적인 모든 사람이 동의하고 따르는 가치관은 불가능하겠지만, 그래도 인간이 다툼을 끝내고 함께 살아가기 위해선 서로 동의하고 지켜야 하는 최소한의 것들이 있다고 생각합니다. 내로남불은 안됩니다. 정의에 대한 가치는 누구에게나 동등하게 적용되어야 합니다. 그리고 가능한 논리적으로 모순이 없어야 합니다. 현실적으로 선택이 가능해야 합니다. 우리는 사실과 가치판단이 마구 섞여 있는 어려운 ..

slurm은 리눅스 클러스터 환경에서 많이 사용되는 스케줄러입니다. 비슷한 것으로 pbs, torque 등이 있습니다. slurm이 gpu 스케줄 관리 기능을 지원하면서 사용자가 늘었습니다. 클러스터에서 잡 관리할 때도 사용할 수 있지만, PC 1대에서도 사용하면 장점이 있습니다. 리눅스에선 기본적으로 유저의 터미널이 끊기면 그 터미널 아래에서 돌아가던 잡은 백그라운드일지라도 중단됩니다. 그래서 nohup이나 screen이나 tmux 같은 여러 툴들을 사용합니다. 스케쥴러를 사용할 수도 있습니다. 다른 툴들에 비해 스케쥴러의 장점이라 한다면, 여러 잡을 순차적으로 돌리고 싶을 때, 한 번에 여러 개의 잡을 제출 해도 동시에 실행되지 않고 순차적으로(queue) 잡이 실행 가능합니다. 그렇긴 해도 클러스터..

인공지능의 정의는 그렇게 명확하게 와닿지 않습니다. 지능 같은 것을 인간이 컴퓨터로 구현한 것을 인공지능이라고 말할 수 있을 텐데, 그 지능이라는 게 무엇인지도 그리 명료하지 않기 때문입니다. 하나씩 이야기해보면, 사물 인지, 수치 계산 능력, 논리적 사고, 추론, 학습능력 등 여러 가지 요소들이 있습니다. 그리고 그 요소들은 어찌 보면 서로 상당히 다르기도 합니다. 인간의 지능은 이런 다양한 요소가 총체적으로 어우러져서 나타나는 것입니다. 이런 요소들 중 하나만 떼어서 생각하면 우리가 일반적으로 생각하는 지능과는 좀 다르게 느껴집니다. 예를 들어 계산기는 계산을 잘하는데, 우리가 그것을 굳이 지능이라고 부르지는 않습니다. 계산기가 보통 사람보다 계산 잘한다고 해서 그 계산기가 사람보다 지능이 높다고 이..

홍합 까고, 꼬막 까고, 새우 까고 면 삶고, 양파, 양배추, 버섯 볶다가 고기 넣고 해물 넣고 고춧가루 풀고, 간장 좀 넣고, 삶은 면 넣고 볶아주면 됩니다. 재료를 아무리 많이 넣어도 그 맛이 안 납니다. 맛은 있는데, 뭔가 자꾸 끌리는 그 맛이 안 납니다. 그럴 때는 MSG를 넣어줍니다. 그 맛이 날 것입니다. 그리고 소금 상당히 많이 넣지 않으면 싱겁게 느껴집니다.

어릴 때는 꼬막 까는 법을 몰라서 다 벌어질 때까지 푹 삶아먹었는데, 그렇게 하면 꼬막이 너무 질겨집니다. 꼬막은 살짝 데치는 편이 맛있습니다. 일단 물을 끓이고, 미리 씻어둔 홍합을 넣고 화력을 최대로 올립니다. 삶을 때 한쪽 방향으로 저어줍니다. 몇 개가 벌어지기 시작하면, 불을 끄고 채반에 건져서 찬물로 씻어줍니다. 저는 꼬막을 넣고 한 1분 정도 삶아줬습니다. 조개 칼로 찌르고 살짝 돌려주면 쉽게 깔 수 있습니다. 아마도 마트에 가면 팔 겁니다. 숟가락으로 할 수도 있지만, 숟가락이 상합니다.

오랜만에 연구실 선후배를 불러서 집에서 김밥을 만들었습니다. (김밥만 만든 건 아닙니다. 꼬막도 까고, 보통 선배들은 제가 요리하면 별로 안 좋아합니다. 저는 욕심과 도전 정신이 지나쳐서 요리할 때 이전에 만든 것과 다른 시도를 하게 됩니다. 당연히 새로운 시도는 실패의 가능성이 있습니다. 아무튼... 요즘 시금치가 너무 비쌌습니다. 그게 문제였습니다. 시금치를 빼는 대신, 다른 재료를 넣어보려고 했습니다. 오이도 절여서 넣고, 새싹채소도 넣고, 아보카도도 넣었습니다. "그런 짓을 하지 말았어야 했는데, 난 그 사실을 몰랐어. 이제 와서 후회한들 뭐하리... 나는 바보가 돼버린걸..." 뭔가 쓸데없이 재료가 많습니다. 아보카도는 으깨서 사용했습니다. 밥은 참기름 소금, 후추, 케이준 시즈닝을 넣고 섞어주..