[논문 리뷰] Computing in the Life Sciences: From Early Algorithms to Modern AI

Samuel A. Donkor, Matthew Walsh외 1명|arXiv (Cornell University)|2024. 06. 17.

Computability, Logic, AI Algorithms인용 수 4

한 줄 요약

이 논문은 20세기 중반의 계산 모델에서 현대의 인공지능과 기계학습 응용에 이르기까지 생명과학 분야의 계산 기술 발전을 추적하며, 생물정보학과 인공지능 통합 분야의 주요 이정표를 강조한다. 과학적 대규모 언어 모델과 생물-인공지능 시스템과 같은 인공지능 기반 도구를 검토하여 용어를 명확히 하고, 그 능력, 한계 및 생물학적 위험 영향을 평가하여 다학제간 소통과 정보 기반 의사결정을 지원한다.

ABSTRACT

Computing in the life sciences has undergone a transformative evolution, from early computational models in the 1950s to the applications of artificial intelligence (AI) and machine learning (ML) seen today. This paper highlights key milestones and technological advancements through the historical development of computing in the life sciences. The discussion includes the inception of computational models for biological processes, the advent of bioinformatics tools, and the integration of AI/ML in modern life sciences research. Attention is given to AI-enabled tools used in the life sciences, such as scientific large language models and bio-AI tools, examining their capabilities, limitations, and impact to biological risk. This paper seeks to clarify and establish essential terminology and concepts to ensure informed decision-making and effective communication across disciplines.

연구 동기 및 목표

• 1950년대부터 오늘날의 인공지능 기반 연구에 이르기까지 생명과학 분야의 계산 기술 발전 역사를 맵핑하기.
• 계산 생물학, 생물정보학, 인공지능 분야 간 소통를 향상시키기 위해 핵심 용어와 개념을 명확히 하기.
• 현대의 인공지능 및 기계학습 도구가 생명과학 분야에서 가지는 능력, 한계 및 생물학적 위험 영향을 평가하기.
• 연구자들을 위해 과학적 대규모 언어 모델과 생물-인공지능 시스템과 같은 인공지능 기반 도구에 대한 종합적 개요 제공하기.
• 계산 기술의 발전에 대한 체계적인 이해를 통해 생명과학 분야의 다학제 연구에서 정보 기반 의사결정을 지원하기.

제안 방법

• 1950년대 이후 계산 생물학 및 생물정보학 분야의 역사적 발전에 대한 체계적 리뷰.
• 초기 생물학적 과정의 계산 모델과 생물정보학 도구의 부상과 같은 주요 기술적 이정표 분석.
• 특히 과학적 대규모 언어 모델과 전문화된 생물-인공지능 도구를 포함한 현대의 인공지능/기계학습 응용 검토.
• 문서화된 사례 연구와 기술적 평가를 바탕으로 생명과학 분야의 인공지능 잠재적 위험 요소를 포함한 능력, 한계 및 고려사항 통합 분석.
• 다학제 간 명확성과 소통 향상을 위해 체계적 분류와 용어 명확화 활용.
• 기술 발전, 도구 유형, 개념 프레임워크를 시각화하기 위해 10개의 표와 4개의 그림을 통합.

실험 결과

연구 질문

• RQ1 1950년대부터 오늘날까지 생명과학 분야의 계산 모델은 어떻게 진화해 왔는가?
• RQ2 인공지능 및 기계학습이 생명과학 연구에 통합된 데 있어 주요 이정표는 무엇인가?
• RQ3 과학적 대규모 언어 모델과 생물-인공지능 도구의 주요 능력과 한계는 무엇인가?
• RQ4 현대의 인공지능 도구는 생명과학 분야의 생물학적 위험 평가 및 윤리적 고려사항에 어떻게 영향을 미치는가?
• RQ5 계산 생물학 분야에서 효과적인 다학제 간 소통를 위해 필수적인 용어와 개념 프레임워크는 무엇인가?

주요 결과

• 생명과학 분야의 계산 기술은 1950년대의 기초 계산 모델에서 오늘날의 고도로 발전한 인공지능 및 기계학습 응용으로 진화하였다.
• 인공지능/기계학습의 통합은 생물학적 연구에서 데이터 분석, 가설 생성, 실험 설계 능력을 크게 향상시켰다.
• 과학적 대규모 언어 모델과 생물-인공지능 도구는 문헌 통합, 경로 예측, 유전자 기능 추론 분야에서 강력한 능력을 보였다.
• 그러나 이러한 도구는 해석 가능성, 일반화 능력, 생물학적 편향 전파 가능성 등의 한계를 겪고 있다.
• 논문은 계산 생물학, 생물정보학, 인공지능 공동체 간 오해를 줄이기 위해 필수적인 핵심 용어와 개념 프레임워크를 규명하였다.
• 생물학적 위험 평가는 여전히 핵심적인 고려사항이며, 특히 인공지능이 생성한 생물학적 데이터나 예측의 악용 또는 의도하지 않은 결과에 대한 우려가 있다.