과학을 하나의 거대한 글로벌 건설 프로젝트라고 상상해 보십시오. 수십 년 동안 과학자들은 알려진 우주에서 가장 복잡한 대상인 인간의 뇌를 이해하기 위해 놀라운 도구들을 구축해 왔습니다. 뇌를 860억 개의 뉴런(건물)과 100조 개의 연결(도로)이 모든 활동으로 북적이는 도시라고 생각해 보십시오. 이 도시를 지도화하기 위해 연구자들은 첨단 카메라, 센서, 컴퓨터를 사용하여 엄청난 양의 데이터를 생성합니다. 하지만 문제는 여기에 있습니다. 현재 모든 연구실은 자신만의 고유한 교통 표지판, 지도 스타일, 언어를 가진 독자적인 도로 시스템을 구축하고 있다는 점입니다. 한 연구실의 데이터는 그들의 상자에는 완벽하게 들어맞는 퍼즐 조각이지만, 옆 동네의 상자에는 맞지 않는 모양입니다. 이것이 "데이터 사일로(data silos)"—서로 소통할 수 없는 고립된 정보의 섬—를 만들어냅니다.

여러분이 이제 읽게 될 논문은 우리가 이러한 고립된 섬들을 만드는 것을 멈추고, 단일한 지능형 고속도로 시스템을 구축해야 한다고 주장합니다. 이 논문은 데이터를 단순히 정적인 창고에 저장하는 것이 아니라, "지능형 인프라"를 구축해야 한다고 제안합니다. 이것을 수동적인 도서관이 아니라, 스마트한 AI가 운영하는 살아 움직이는 교통 관제 센터라고 생각하십시오. 이 센터는 단순히 정보를 저장하는 데 그치지 않고, 정보를 이해하고, 조각들이 서로 잘 맞는지 확인하며, 심지어 고장 난 도로를 자동으로 수리할 것입니다. 목표는 과학자와 AI가 원활하게 협력하여, 단절된 실험들의 혼란스러운 덩어리를 조정되고 자가 교정되는 기계로 탈바당시켜 발견을 가속화하는 것입니다.

뇌의 거대한 혼란과 스마트한 해결책

현재 신경과학은 약간의 곤경에 처해 있습니다. 우리는 데이터를 이해하는 속도보다 더 빠르게 데이터를 수집하고 있습니다. 저자인 사트라짓 S. 고시(Satrajit S. Ghosh)는 우리의 현재 과학적 설정을 "정적이고 파편화된" 상태라고 설명합니다. 이는 모든 책이 서로 다른 언어로 쓰여 있고, 선반은 끊임없이 움직이며, 사서가 당신이 정중하게 요청할 때만 나타나는 도서관과 같습니다. 이 때문에 귀중한 데이터는 종종 "사일로" 안에 갇혀 다른 연구와 재사용되거나 결합되지 못한 채 방치됩니다. 이는 시간, 돈, 노력을 낭비하게 만들며, 결과를 재현하거나 우리가 발견한 것을 신뢰하는 것을 매우 어렵게 만듭니다.

논문은 해결책이 단순히 더 많은 저장 공간이나 더 나은 컴퓨터를 구축하는 것이 아니라고 제안합니다. 대신, 인프라 전체를 역동적이고 AI와 정렬된(AI-aligned) 것으로 변모시켜야 합니다. 고시는 우리에게 "기계가 실행 가능한 조정 계층(machine-actionable coordination layer)"이 필요하다고 주장합니다. 이것을 보편적인 번역기이자 교통 경찰의 역할을 동시에 수행하는 장치라고 상상해 보십시오. 이것은 모든 연구실, 데이터베이스, 컴퓨터 시스템 사이에 위치하여, 사람이 매번 수동으로 연결 고리를 만들 필요 없이 그들이 모두 같은 언어로 말하고 함께 작동할 수 있도록 보장합니다.

문제: 혼돈의 가내 수공업

저자는 신경과학이 "가내 수공업(cottage industry)"이 되었다고 지적합니다. 이러한 독립성은 창의성 측면에서는 훌륭하지만, 팀워크 측면에서는 최악입니다.

• 데이터의 폭발: 우리는 기가바이트에서 페타바이트(백만 기가바이트!)로 이동하고 있습니다. 하지만 이를 추적할 시스템이 없습니다. 이는 수십억 개의 퍼즐 조각이 전 세계에 흩어져 있지만, 아무도 그것이 어느 상자에 속하는지 모르는 것과 같습니다.
• 기술 격차: 많은 연구실은 이 방대한 데이터를 처리할 인력이나 도구를 갖추고 있지 않습니다. 이는 누군가에게 포뮬러 1 자동차를 주면서 자전거 타는 법만 가르치는 것과 같습니다.
• 불평등: 부유한 대형 대학들은 슈퍼컴퓨터와 화려한 서버를 보유하고 있는 반면, 작은 연구실들은 기본적인 저장 공간을 감당하는 데 어려움을 겪습니다. 이는 세계의 거대한 인재들을 제외시킨 채, 오직 소수만이 거대한 과학을 수행할 수 있게 만듭니다.
• "출판 혹은 도태(Publish or Perish)"의 함정: 과학자들은 논문을 쓰는 것에는 보상을 받지만, 그 논문을 가능하게 하는 도구를 만들거나 데이터를 정리하는 일에는 보상을 받지 못합니다. 이로 인해 과학의 "배관(plumbing)" 작업은 종종 망가지고, 자금이 부족하며, 무시됩니다.

해결책: 지능형 생태계

고시는 과학을 스스로 학습하고 스스로 교정할 수 있도록 설계된 세 가지 주요 "지능형 인프라" 계층에 기반한 새로운 작업 방식을 제안합니다.

1. 토대: 모든 것을 "계약 가능하게(Contractable)" 만들기
모든 데이터 조각, 모든 소프트웨어 도구, 그리고 모든 실험을 명확한 지침서(기계가 읽을 수 있는 계약서)를 지닌 로봇이라고 상상해 보십시오. 이 매뉴얼은 다른 로봇들에게 이 도구가 어떤 입력을 필요로 하고 어떤 출력을 제공할지를 정확히 알려줍니다.

• 중요한 이유: 만약 AI(로봇)가 계약서를 본다면, 두 도구가 호환되는지 즉각적으로 알 수 있습니다. 사람이 확인할 필요 없이 시스템이 그냥 아는 것입니다.
• 변화: 시스템은 무언가가 작동하기를 바라는 대신 규칙을 강제합니다. 만약 데이터에 적절한 "신분증(출처/provenance)"이 없다면, 시스템은 이를 표시합니다.

2. 통합: 빠른 피드백 루프
현재는 연구 과정에서 문제가 발생하면 이를 알아차리는 데 몇 달이 걸릴 수 있습니다. 새로운 시스템은 "빠른 피드백 루프"를 만들고자 합니다.

• 비유: 게임에서 벽에 부딪혔을 때 즉각적인 피드백을 받는 것과 같습니다. 이 새로운 과학 시스템에서는, 만약 데이터 형식이 도구와 일치하지 않으면 시스템이 즉시 적절한 사람에게 신호를 보내 수정하도록 합니다. 이는 "앗, 작동하지 않네"를 "지금 바로 고치자"로 바꿉니다.
• 동적 스키마: 모든 사람이 하나의 완벽한 지도에 합의하기를 기다리는 대신, 시스템은 다양한 지도가 존재하도록 허용하고 AI를 사용하여 그 사이를 번역합니다. 이는 구글 지도, 애플 지도, 종이 지도를 즉시 전환하며 최적의 경로를 찾아내는 GPS와 같습니다.

3. 적응: 자가 치유 시스템
가장 흥 exciting한 부분은 이 인프라가 학습한다는 것입니다. 이것은 단순히 가만히 있는 것이 아니라, 과학자들이 이를 어떻게 사용하는지 관찰할 것입니다.

• 자가 교정: 만약 특정 도구가 거의 사용되지 않거나 계속 오류를 일으킨다면, 시스템은 이를 은퇴시키라고 제안합니다. 새로운 방법이 인기를 얻으면 이를 장려합니다.
• 인간-AI 팀워크: AI가 주도권을 잡는 것이 아닙니다. 대신, AI는 슈퍼 어시스턴트 역할을 합니다. 질문을 적절한 전문가에게 전달하고, 데이터가 안전하게 사용 가능한지 확인하며, 요약본을 작성합니다. 인간은 윤리나 동의와 같은 큰 결정(결정권)을 내리지만, AI는 조정이라는 힘든 작업을 처리합니다.

실제 사례: 정밀 정신 의학

이것이 어떻게 작동하는지 보여주기 위해, 저자는 "정밀 정신 의학(precision psychiatry)"이라 불리는 시나리오를 설명합니다. 특정 환자에게는 왜 특정 치료법이 효과가 있고 다른 환자에게는 그렇지 않은지 알아내려는 의사를 상상해 보십시오.

• 현재: 의사는 여러 병원에 데이터를 요청하고, 데이터 형식이 일치하는지 수동으로 확인하며, 개인정보 보호 규칙이 일치하기를 기도하며 수개월을 보내야 합니다. 이는 느리고 비용이 많이 들며 자주 실패합니다.
• 지능형 인프라를 갖춘 경우: 의사가 시스템에 질문을 던집니다. 시스템은 즉시 기준에 부합하는 세 그룹의 환자를 찾아냅니다. 시스템은 데이터 공유에 동의했는지 확인하기 위해 그들의 "계약"을 검토합니다. 또한 "의미론적 교차 통로(semantic crosswalk)"를 사용하여 각 병원의 서로 다른 의학 용어를 공통 언어로 번역합니다. 분석은 데이터가 실제로 병원을 떠나지 않는 보안 클라우드 내에서 실행됩니다. 이 과정은 과거에 몇 달이 걸렸으나, 이제는 며칠 만에 완료됩니다. AI가 보고서 초안을 작성하지만, 최종 결정은 인간 의사가 내립니다.

행동 촉구

논문은 변화를 위한 간곡한 요청으로 끝을 맺습니다. 저자는 이 시스템을 구축하는 것이 어렵다는 점을 인정합니다. 이는 새로운 자금 모델(단순히 "페인트"가 아닌 "배관"에 비용을 지불하는 것), 과학자를 보상하는 새로운 방식(소프트웨어 엔지니어나 데이터 큐레이터를 논문 저자만큼 가치 있게 여기는 것), 그리고 글로벌 협력이 필요합니다.

저자는 우리가 완벽한 글로벌 합의를 기다리기보다는 작은 "파일럿(pilot)"들로 시작할 수 있다고 제안합니다. 즉, 정신 의학 예시와 같은 특정 문제에 이러한 아이디어들을 테스트하는 것입니다. 이 "지능형 인프라"가 작은 규모에서 작동함을 증명함으로써, 우리는 이를 확장할 확신을 얻을 수 있습니다.

궁극적으로, 이 논문은 우리가 전환점에 서 있다고 주장합니다. 우리는 진보가 느리고 불평등한 현재의 깨진 시스템을 계속 유지할 수도 있고, 혹은 새로운 지능형 생태계를 구축할 수도 있습니다. 이 새로운 시스템은 발견을 위한 핵심적인 도구가 되어, 인간과 AI가 원활하게 협력할 수 있게 할 것입니다. 이는 단순히 과학을 빠르게 만드는 것이 아니라, 더 신뢰할 수 있고, 더 포용적이며, 단일 연구실이 결코 홀로 해결할 수 없는 복잡한 문제들을 풀 수 있게 만들 것입니다. 저자의 말처럼, 이것은 "더 정밀하고, 포괄적이며, 궁극적으로 신뢰할 수 있는" 과학적 과정을 구축하는 것에 관한 것입니다.