『Empire of AI』 에 따르면, OpenAI가 공개 GitHub 저장소를 학습 데이터에 포함하자 프로그래밍과 무관한 분야에서도 모델 성능이 좋아졌다고 함.
생화학 분야의 직접적인 활용을 넘어, 단백질 서열도 전반적인 모델 품질을 높이는 새 학습 데이터가 될 수 있을까? 그렇다면 우리가 완전히 이해하지 못하는 복잡한 데이터라도, 의미 있는 구조와 관계가 풍부하다는 이유만으로 LLM 학습을 개선할 수 있다는 점이 무척 흥미로움.
소프트웨어는 모든 분야에서 쓰이므로, GitHub 이슈와 PR에는 기능 추가나 버그 수정 과정에서 온갖 주제를 다루는 상세한 추론이 담기게 됨.
대규모 생물학적 서열 저장소로 학습하면 정보 이론에 적용할 수 있는 구조를 발견할 수 있으리라는 기대가 아주 무리하지는 않아 보임. 두 분야는 이미 서로 많은 영향을 주고받아 왔음.
수학과 물리학에서도 이런 현상을 본 적이 있음. LLM은 바이너리를 읽고 직접 수정하는 작업도 꽤 잘하므로, 가능할 수 있겠음.
Claude는 이 분야에서 뭘 하려고 해도 막아 버림. 내 DNA를 가지고 작업하는데도 Opus 5.5가 절반쯤은 차단해서 제대로 진행하기 어려움.
이것도 또 다른 수익원이 될 것으로 예상함. 보안 분야처럼 자격 인증을 거치면 제한이 풀린 모델에 접근하게 해 주고, 별도 요금을 붙일 수도 있을 듯함.
Claude는 다루는 DNA가 정말 본인 것인지 알 방법이 없음. 그렇다고 그걸 확인할 수 있게 바꾸는 것도 원하지 않을 것임.
내 생명과학 작업에서는 Fable 5가 처음에는 전혀 쓸 수 없는 수준이었지만, 5.1·5.2·Opus 5.5는 안전장치가 작동하는 일이 드문 편임.
여기서 차단된다는 게 구체적으로 어떤 모습인지 궁금함. 정말 본인의 DNA인지 인증하라고 요구하는 것임?
“자기 DNA로 작업한다”는 게 구체적으로 무엇을 뜻하는 것임?
이 능력을 처음 보인 모델인 Opus 4.7의 학습 마감 직전인 2025년 11~12월에, Claude Code로 ARC-AGI를 푸는 작업을 하면서 단백질 데이터와 인접 분야 데이터를 활용해 성능을 높이는 방법을 탐색하고 있었음.
1월에는 Claude Code 구독으로 제공되는 모델들의 능력이 분명히 떨어진 듯했고, 관련 글도 잇따라 올라왔음. 결국 그 때문에 작업을 중단함.
Claude가 단백질 서열을 명시적으로 대규모 학습한 것이 아니라, 화학 구조에 대한 더 깊은 기초적 이해에서 이 능력이 창발한 것이라면 멋질 것 같음.
단백질 서열을 다루는 능력이 유용한 것인지 궁금함. 초보적인 질문이지만, 요즘 단백질 서열 전반에 관한 관심이 많이 보여서 묻게 됨.
사람이 갖추면 좋은 능력을 묻는 것인지, LLM에 유용한 능력을 묻는 것인지?
예전에 생물정보학을 했지만 서열보다는 구조 쪽에 가까웠음. 다른 지식이나 이해와 마찬가지로, 어떤 결과를 얻으려는지에 따라 유용성이 달라짐. 다음 아미노산 예측은 조각들로부터 단백질 서열을 복원하는 데 쓸 수 있을 듯함. 공통 조상을 예측해 진화 계통수를 만드는 데도 활용할 수 있지 않을까?
서열을 섞어도 정상적인 단백질이 되는 것임? 생화학 전공자가 아니라 기초적인 질문이지만, 단백질의 “글자” 배열에는 화학적 제약이 있는지 궁금함.
섞어도 아미노산 서열 자체는 성립하지만, 쓸모없는 형태로 접히거나 분해될 수 있음.
실제 단백질에는 특정 서열로 이루어진 여러 구조가 있고, 이들이 모여 더 큰 기능성 단백질을 구성함. 극단적으로는 단백질의 기능을 잘 알고 접힘을 예측할 획기적인 방법까지 있다면, 한 번도 보지 않은 서열도 대부분 추측할 수 있을 것임.
컴퓨터 코드에 비유할 수 있음. 정적 검사나 오류 처리도 없고 온갖 편법을 쓰는 엉망인 언어지만, 비슷한 일을 하는 단백질이 많아서 같은 하위 구조를 재사용하기도 함.
직접 시험해 보니, Opus가 임의의 단백질 서열에서 기능성 잔기를 식별하는 능력이 상당히 놀라움. 특정 단백질을 집중적으로 연구한 경우가 아니라면, 사람에게는 이런 능력이 없을 것 같음.