[AI인재강국] 인간을 이해하는 현실에 충실한 AI로

국가 AI 연구거점은 과학기술정보통신부와 정보통신기획평가원(IITP)의 지원을 받고 서울시와 서초구청이 뒷받침하는 AI 연구 컨소시엄으로, 카이스트·고려대·포스텍·연세대와 국내 기업들이 함께한다. 지디넷코리아는 격주마다 한국 AI 연구 생태계가 나아갈 방향을 국가 AI 연구거점의 생생한 이야기로 조망해 본다.[편집자주] 의료 영상 복원은 인공지능(AI)이 가장 먼저, 그리고 가장 깊이 들어온 분야 중 하나다. 딥러닝은 흐릿한 MRI와 CT 영상을 선명하게 되살리고, 적은 데이터로도 놀라운 복원을 해냈다. 그런데 성능이 좋아질수록 한 가지 질문이 따라왔다. 이 AI는 정말 인체를 이해하고 있는가, 아니면 그저 그럴듯한 그림을 그려내고 있는가. 이 질문은 생각보다 무겁다. 의료에서 '그럴듯함'은 위험하기 때문이다. 실제로는 없는 병변을 그럴듯하게 만들어내거나, 있는 병변을 매끄럽게 지워버리는 AI는 아무리 화질이 좋아도 쓸 수 없다. 필요한 것은 보기 좋은 영상이 아니라, 인체의 구조와 물리 법칙, 생물학적 원리에 충실한 영상이다. 이를 '충실한 AI'라 부를 수 있다. 통계적으로 그럴듯한 패턴을 넘어, 현실의 법칙을 따르는 지능이다. 이 문제의식은 의료를 넘어 확장된다. 영상뿐 아니라 시계열 신호, 분자 구조처럼 복잡한 고차원 데이터를 다룰 때도 똑같은 원리가 적용된다. 국가AI연구거점에서 연구하는 고차원 생성 파운데이션 모델이 바로 이 방향이다. 현실의 법칙을 반영하는 생성 AI는 의료 영상은 물론 소재 과학과 산업 검사까지, 정확성이 곧 안전과 직결되는 분야에서 폭넓게 쓰일 수 있다. 의료 AI 자체도 큰 전환기에 있다. 지금까지의 의료 AI가 영상 한 장에서 특정 질환을 찾아내는 도구였다면, 앞으로는 영상과 임상 기록, 유전체 정보를 종합해 환자의 미래를 내다보는 '의료 파운데이션 모델'로 나아간다. 진단을 넘어 예측과 예방, 맞춤형 치료로 향하는 것이다. 이미 대규모 의료 데이터로 수년 뒤의 질병 위험을 예측하는 연구들이 나오고 있다. 의사가 여러 정보를 종합해 판단하듯, AI도 그렇게 성장하고 있다. 이런 연구를 하다 보면 절실해지는 것들이 있다. 하나는 사람이다. 이 분야는 의학과 공학, 수학이 만나는 경계에 있어, 서로 다른 언어를 쓰는 연구자들이 한 팀에서 오래 호흡을 맞춰야 비로소 성과가 나온다. 그런 융합형 인재는 하루아침에 길러지지 않는다. 또 하나는 데이터다. 의료 데이터는 민감하고 흩어져 있어, 안전하게 활용할 제도적 기반이 없으면 뛰어난 모델도 배울 재료를 얻지 못한다. 그리고 무엇보다, 이 모든 것은 긴 시간을 필요로 한다. 파운데이션 모델 연구는 단기 성과로 환산되지 않으며, 안정적이고 지속적인 뒷받침 없이는 세계와 경쟁할 수 없다. 한국은 의료 영상과 신호 처리에서 이미 세계적 경쟁력을 갖고 있다. 이 강점을 다음 단계로 끌어올릴 토대가 지금 만들어지고 있다고 믿는다. 그럴듯한 AI를 넘어 현실에 충실한 AI로 가는 길, 그 길 위에 한국이 앞자리에 설 수 있기를 연구자의 한 사람으로서 바란다.