💡생물학에서 AI '재귀개선' 시작 source

1. AI가 유망한 효소 변이를 예측하고, 로봇 실험실이 이를 합성, 발현, 검증한 뒤 결과를 다시 모델에 학습시키는 폐쇄형 연구 루프가 구현됨

2. 톈진대 연구진의 REAP 시스템은 단 5회의 자동화 사이클만으로 한 효소의 목표 활성을 57배, 다른 효소는 104배 개선함

3. 기존에는 AI가 후보를 추천해도 사람이 합성하고 실험한 뒤 결과를 정리해야 했으나, 이제는 예측→제작→검증→학습 과정 전체가 자동화되면서, 생물학 연구가 소프트웨어처럼 빠르게 반복되기 시작

4. 즉, 목표와 평가 기준이 명확한 영역에서는 이미 현실 세계의 재귀적 최적화가 작동하기 시작함. AI가 효소, 의약품, 신소재, 농업 생물체를 직접 설계하고 실험하며 개선하는 자율 과학자가 되고 있음

5. 이에 따라 AI 바이오의 병목은 모델 성능보다 실험 처리량으로 이동 중. 연구실 로봇, 단백질·유전자 합성, 분석장비, 바이오 제조가 AI 인프라로 부상

✍️다만 이번 성과는 특정 효소 두 종류에서 나온 초기 결과. 곧바로 범용 신약개발이나 론제비티 등을 구현해낸다는 의미는 아니며, 실제 환경에서의 검증/비용 문제는 남아 있음