단백질 팀 — Andrew Senior와 첫 멤버들
방향이 정해졌으니 팀을 모아야 했다. 2016~2017년 DeepMind는 조용히 단백질 팀을 구성한다.
📖 첫 리더 — Andrew Senior
- 케임브리지 컴퓨터과학 박사 (음성 인식 / 신경망)
- 1990년대 후반 ~ 2000년대 IBM에서 음성 인식 시스템 개발 (Watson 음성 모듈 등)
- 2012년경 Google 합류 — 음성 인식 딥러닝화에 큰 기여
- 2016년 DeepMind 합류, 단백질 프로젝트 첫 리더
Senior는 음성 인식 전문가다 — 왜 단백질 팀 리더? 그게 흥미로운 결정이다.
🎯 왜 음성 전문가가 단백질 팀 리더?
당시 DeepMind의 사고방식:
- "우리는 생물학 전문가가 아니다. 일반적인 딥러닝 패턴을 단백질에 적용한다."
- 음성 인식과 단백질은 의외로 닮은 면이 있다 — 긴 시퀀스 데이터를 다룬다는 점
- 음성: 시간 시퀀스 → 텍스트
- 단백질: 아미노산 시퀀스 → 구조
- Senior가 음성에서 쌓은 "시퀀스 모델링" 노하우가 단백질에 옮겨갈 수 있다고 봤다
이 발상이 결과적으로 옳았다 — AlphaFold 1과 2 모두 시퀀스 모델링이 핵심.
📖 다른 초기 멤버들
Andrew Senior 외에도 여러 사람이 합류:
- Richard Evans: 강화학습 전문가, 알파고 팀에서 옮겨옴
- Tim Green, Augustin Žídek: ML 엔지니어들
- Russ Bates: 단백질 도메인 지식 (드물게 생물학 배경)
- Stig Petersen 등: 인프라 엔지니어들
대부분 ML/AI 배경. 단백질 전문가는 한두 명뿐 — "외부 컨설턴트"처럼 자문 받는 구조.
🎯 학계 자문
완전 외부 배경이라 학계 자문도 받았다.
- UCL의 생물정보학자들과 협력
- 케임브리지의 구조생물학자들과 소통
- 일부 CASP 평가위원들과 비공식 자문
다만 어떤 알고리즘을 만드는지는 비공개 — 학계가 "DeepMind가 단백질 한다"는 건 알았지만 구체적 진행 상황은 외부에 안 새어 나갔다.
💡 작은 팀, 큰 야심
흥미로운 점 — AlphaFold 1을 만든 팀은 그렇게 크지 않았다.
- 핵심 팀: 약 10~15명
- 학계의 단백질 구조 예측 그룹들은 보통 비슷하거나 더 큰 규모
- 차이는 사람 수가 아니라 — 접근 방식 + 컴퓨팅 자원 + 다른 도메인의 패턴 활용
이게 DeepMind 스타일의 특징 — "큰 팀이 아니라 영리한 팀이 영리한 인프라로 작업".