2016년 — 알파고 직후, 다음 도전을 정하다

• 전 세계 화제 — DeepMind 이름이 글로벌하게 알려짐
• 구글 모회사 Alphabet의 주가 상승
• AI 연구 분야 전체에 활력
• "이제 뭘 할 거냐"는 질문이 모든 인터뷰에서 등장

외부에서는 "성공"으로 보였지만 내부 분위기는 더 복잡했다.

• 알파고는 검증의 마지막 단계였지 끝이 아니었다 — "다음에 무엇을?"이 중요한 질문
• 창립 미션 ("solve intelligence, then use it for everything else")의 다음 단계로 넘어가야 함
• "게임 안에서의 성공"을 "현실 문제에서의 성공"으로 옮길 시점

DeepMind는 여러 후보를 검토했다. 주요 후보들:

• 의료 영상: CT/MRI에서 종양 발견 등 — 이미 다른 회사들이 뛰어든 분야
• 에너지 최적화: Google 데이터 센터 냉각 효율 — 이미 진행 중
• 로봇/물리적 AI: 흥미롭지만 데이터 부족, 검증 어려움
• StarCraft 같은 더 복잡한 게임: 자연스러운 연장선이지만 사회적 영향 작음
• 단백질 구조 예측: 50년 미해결, 큰 사회적 영향, 데이터 풍부, 객관 평가 가능

Ch 1에서 이미 봤지만 다시 정리:

1. 잘 정의된 문제: 입력(서열), 출력(3D 좌표), 평가(CASP). 게임처럼 명확
2. 풍부한 데이터: PDB 16만 구조, UniProt 1억+ 서열 — 50년 축적
3. 큰 영향: 신약, 질병, 생명과학 전체
4. 객관 평가: CASP라는 정직한 무대
5. 풀리지 않은 골치: 50년의 도전, 풀면 큰 임팩트
6. Hassabis의 개인적 관심: 학부 시절부터 관심 가져온 문제
7. 알파고 인프라 재활용: TPU, 학습 시스템, 인력 그대로 쓸 수 있음

이 7가지가 모두 한 방향을 가리켰다. 2016년 후반, 단백질이 "다음 알파고"로 결정됐다.

알파고는 게임 — 실패해도 손해는 평판 정도. 그런데 단백질은 다르다.

• 전혀 새 도메인 — DeepMind 팀에 생물학 전문가 거의 없음
• 50년간 학계가 못 푼 문제 — "DeepMind도 못 풀면?" 평판 손해 큼
• 몇 년의 시간 + 수천만 달러 투자가 헛수고 될 가능성

그래서 2016년의 결정은 큰 도박이었다 — 결과적으로 가장 좋은 도박이었지만.