아인슈타인이 수학 못하고도 노벨상을 받은 진짜 이유

안녕하세요, 앤소장입니다.

오늘 소개할 분은 LG AI연구원에서 AX(AI Transformation), 즉 AI 기반의 기업 혁신을 이끌고 있는 이화영 상무입니다. LG AI연구원은 LG그룹의 AI 핵심 연구기관으로, 제약·바이오·우주항공 등 다양한 산업에서 AI 기술을 실제로 적용하는 최전선에 있습니다. 이화영 상무는 그 중심에서 기업과 사회가 AI를 어떻게 받아들이고 활용해야 하는지를 직접 설계하고 실행하는 분입니다.

이번 인터뷰에서는 "AI 시대에 우리 아이들에게 무엇을 가르쳐야 하는가"라는 질문에 대해, 실제 산업 현장과 과학사의 사례를 통해 구체적인 답을 찾아보겠습니다.

이 글은 세바시 강연 Sebasi Talk 유튜브 채널에서 2025년 7월 30일에 게시된 "어떤 분야의 전문가든 AI시대는 이렇게 일해야 성공합니다 | 이화영 LG AI연구원 상무 | AI, 전문가, 직업 | 세바시 2003회" 영상을 바탕으로 가공하였으며, AI를 활용하여 제작하였습니다.

[이 인터뷰에서 다룰 핵심 내용]

아인슈타인조차 수학을 못 해 친구에게 도움을 구했다는 사실, 그리고 그게 왜 지금 우리 아이들 교육과 연결되는지
구텐베르크 인쇄기부터 인터넷까지, 지식 전파의 역사가 지금 AI 시대와 어떻게 이어지는지
인류가 생산한 정보의 총량이 163ZB(책으로 환산하면 54경 권)에 달하는 시대, 아무리 뛰어난 전문가도 한계가 있는 이유
2024년 노벨 화학상이 AI 연구자에게 돌아간 이유, 그리고 단백질 구조 예측이 암 치료와 어떻게 연결되는지
NASA가 수십 년간 못 풀던 로켓 엔진 문제를 AI가 단 3주 만에 설계해버린 이야기
"지식을 많이 아는 사람"이 더 이상 전문가가 아닌 시대, 그럼 전문가의 새로운 정의는 무엇인지
지금 부모가 아이에게 진짜로 가르쳐야 할 것이 무엇인지
AI를 두려워하는 부모와 함께 걷는 부모, 10년 후 아이에게 어떤 차이가 생기는지

Q. 천재도 혼자서는 안 된다면, 우리 아이도 혼자 다 잘할 필요가 없다는 뜻인가요?

많은 분들이 아인슈타인을 떠올리면 상대성 이론, 천재 물리학자, 노벨상 수상자 같은 이미지를 먼저 생각합니다. 그런데 아인슈타인도 못 하는 것이 있었습니다. 바로 수학이었습니다.

아인슈타인은 중력이 시공간에 왜곡을 일으킨다는 일반 상대성 이론의 개념 자체는 스스로 세웠습니다. 그런데 그 이론을 기하학과 미적분학으로 엄밀하게 증명하는 것은 또 다른 문제였습니다. 이 부분에서 아인슈타인은 어린 시절부터 친구였던 스위스 연방 공과대학의 마르셀 그로스만 교수를 찾아갑니다. 요지는 이랬습니다. "내가 기존의 고정관념을 완전히 뒤바꿀 만한 새로운 이론을 만들었는데, 그걸 수학적으로 입증할 수가 없어. 나 좀 도와주게."

이 두 사람의 협업을 통해 1913년 상대성 이론의 토대가 되는 논문이 세상에 나옵니다. 기존 지식의 틀을 깨는 사고는 아인슈타인이 했지만, 그 생각이 세상에 빛을 볼 수 있었던 건 그로스만 교수의 도움이 있었기 때문입니다.

제가 이 이야기에서 주목하는 포인트가 있습니다. 당대 물리학의 최고 전문가였던 아인슈타인조차 혼자서는 특정 미션을 완성할 수 없었다는 사실입니다. 그에게는 자신의 부족한 부분을 채워줄 조력자가 반드시 필요했습니다. 그리고 지금 이 시대에 우리에게도 그런 조력자가 등장했는데, 그 이름이 바로 AI입니다.

우리는 아이들에게 모든 걸 스스로 잘해야 한다고 가르쳐왔습니다. 수학도 잘하고, 영어도 잘하고, 과학도 잘해야 한다고요. 그런데 당대 최고의 천재도 자기 약점을 채워줄 협력자가 필요했다는 이 이야기는, 우리가 아이에게 무엇을 강조해야 하는지에 대한 질문을 다시 던지게 합니다. 혼자 다 잘하는 아이보다, 좋은 조력자와 잘 협력하는 아이가 더 멀리 갈 수 있는 시대가 오고 있습니다.

Q. 지금 아이가 열심히 공부해도 결국 AI에게 밀린다는 건가요?

이 질문에 제대로 답하려면 인류가 어떻게 지식을 축적하고 전파해 왔는지를 먼저 돌아봐야 합니다.

중세 시대에는 지식이 가진 사람끼리만 세습되었습니다. 대부분이 문맹인 시대였고, 책은 손으로 한 자 한 자 필사해야 했습니다. 거기 담긴 지식은 아주 폐쇄된 공간에 갇혀 있었습니다.

이 판을 완전히 바꾼 것이 1450년경 구텐베르크의 인쇄기 발명입니다. 이 기술 하나로 50년 동안 약 2천만 권의 책이 인쇄되었는데, 이는 중세 천 년 동안 제작된 책 전체보다 훨씬 많은 양이라고 합니다. 2만 년의 인류 역사에서 지식 보급 체계의 거대한 변곡점이 생긴 것입니다.

이후 17세기 증기기관이 등장하면서 책들은 증기선을 타고 바다를 건너고, 기관차를 타고 대륙을 누비며 전 세계로 퍼져나갑니다. 19세기 말부터는 전화와 전신이 전파 속도를 더욱 끌어올렸고, 20세기 말 인터넷이 등장하면서 종이책은 전자 문서로 전환되었습니다. 지식이 시공간의 제약을 완전히 뛰어넘어 빛의 속도로 공유되는 시대가 된 것입니다.

그 결과 지금 우리가 살고 있는 시대는, 인류가 생산해 낸 정보의 총량이 163ZB에 이릅니다. ZB(제타바이트)는 1조 기가바이트를 넘어서는 단위로, 바이트로 표현하면 0이 21개나 붙습니다. 책으로 환산하면 54경 권입니다. 54경이라는 숫자는 직관적으로 감이 잘 안 오는데, 쉽게 말해 인간 두뇌로는 절대 감당할 수 없는 양입니다.

아무리 특정 분야의 최고 전문가라 해도, 그 방대한 지식 속에서 자신이 필요로 하는 통찰을 찾아내는 것은 이제 불가능에 가깝습니다. 감염병 확산 저지, 청정에너지로의 전환 같은 인류의 난제는 한 사람의 전문가, 혹은 몇몇 전문가들의 협업만으로는 해결하기 어렵습니다. 우리의 두뇌만으로는 감당할 수 없는 그 방대한 지식의 세계에서, AI가 새로운 연결을 찾아주고 무한한 가능성을 제안하는 시대가 된 것입니다.

그러니 질문을 바꿔야 합니다. "AI에게 밀리느냐"가 아니라 "AI와 함께 얼마나 멀리 갈 수 있느냐"입니다. 열심히 공부하는 것이 의미 없어지는 게 아니라, 공부의 방향과 목적이 달라지는 것입니다. 단순히 많이 아는 것이 경쟁력이던 시대는 끝나가고 있고, 방대한 정보를 다루는 도구를 잘 활용하는 능력이 훨씬 더 중요해지고 있습니다.

출처 : 연합뉴스

Q. 화학도 아닌 AI 연구자가 노벨 화학상을 받은 게, 우리 아이 진로 선택과 무슨 관계가 있나요?

2024년 노벨 화학상 수상자 중에서 AI 활용으로 생명과학 분야에 새로운 이정표를 세운 세 사람이 있습니다. 데이비드 베이커, 데미스 허사비스, 존 점퍼입니다. 이들은 단백질의 3차원 구조를 예측하는 AI 모델을 만든 공로를 인정받았습니다.

단백질 이야기를 좀 풀어야 이게 왜 중요한지 이해됩니다. 우리 몸은 모든 것이 단백질로 이루어져 있다고 해도 과언이 아닙니다. 세포 내에서는 목적에 따라 유전자로부터 정보를 복제해서 다양한 형태의 단백질을 생성합니다. 그런데 단백질은 그 생긴 모양, 즉 3차원 구조에 따라 역할이 완전히 달라집니다. 어떤 단백질은 손상된 피부를 복구하고, 다른 단백질은 체온 유지를 담당합니다. 몸속에 암세포가 생겼을 때 면역체계를 활성화해서 자연적으로 제거하는 단백질도 있습니다.

문제는 이 단백질이 너무 작아 잘 보이지 않고, 구조가 너무 복잡하다는 것입니다. 그래서 수백 년간 인간이 알아낸 단백질의 구조가 고작 2만여 개밖에 안 됩니다. 우리가 아직도 암을 정복하지 못하고, 제대로 된 알츠하이머 치료제도 내놓지 못하는 이유가 여기 있습니다.

앞서 말한 세 수상자는 유전자의 시퀀스(염기서열)만 입력하면 단백질의 3차원 구조를 예측하는 AI 모델을 만들어서 공개했습니다. 구글 딥마인드가 만든 알파폴드가 그 핵심입니다. 지금 이 순간에도 수많은 과학자들이 이 AI를 활용해 특정 암세포를 감지하는 단백질을 설계하고 있고, 그 단백질을 치료 약물에 붙여 환자 몸속에 주입하면 암세포만을 찾아 파괴하는 혁신적인 신약을 만들고 있습니다.

이 이야기가 진로 선택과 맞닿아 있는 지점은 바로 여기입니다. 우리는 아이들에게 미래 직업을 이야기할 때 "AI가 대체할 수 없는 영역"만을 찾으려는 경향이 있습니다. 그런데 정작 노벨상은 AI와 함께 연구한 과학자들에게 돌아갔습니다. 의학을 공부하든, 생명과학을 공부하든, 이제는 그 위에 AI 활용 능력이 더해져야 세계 무대에서 경쟁할 수 있는 시대가 된 것입니다. AI를 어떻게 활용하느냐가 이미 세계 최고 권위의 상 기준이 되었습니다.

Q. 암 치료제 개발에 AI가 쓰인다면, 앞으로 의사나 과학자가 되려는 아이도 AI를 배워야 한다는 건가요?

알파폴드의 등장으로 앞으로 개발될 항암 신약의 수가 폭발적으로 늘어날 것으로 전망됩니다. LG AI연구원은 향후 10년간 개발될 새로운 항암신약이 인류가 지난 100년간 만든 치료제보다 훨씬 많을 것으로 보고 있습니다.

그런데 여기서 새로운 문제가 생깁니다. 신약이 개발되더라도 의사들이 어떤 환자에게 어떤 신약을 투여해야 하는지 판단하기가 매우 어렵습니다. 보통은 몇 개월에 걸쳐 각종 유전자 검사를 해서 환자를 선별합니다. 검사 후 적합한 환자가 없으면 또 다른 환자를 찾아야 합니다. 이런 과정을 임상시험 단계에서 반복하기 때문에 신약 하나가 상용화되기까지 보통 10년이라는 긴 시간이 걸립니다.

LG AI연구원이 집중하는 문제가 바로 이 지점입니다. 시간과 비용이 많이 드는 유전자 검사 없이도, 암세포 병리 현상만으로 유전자의 돌연변이 정도나 과다 발현 수준을 예측할 수 있는 AI 기술을 개발하고 있습니다.

이를 통해 의사가 신약의 효과를 가장 잘 나타낼 수 있는 환자를 빠르게 선별할 수 있게 됩니다. 여러 글로벌 제약사와 협력하면서 임상시험 기간을 획기적으로 단축하고, 환자 맞춤형 항암제 개발을 앞당기는 연구를 진행 중입니다. 암이라는 질병으로부터 해방되는 시기를 AI가 앞당길 수 있다고 저희는 예상하고 있습니다.

이 이야기가 아이의 진로에 주는 시사점은 분명합니다. 의사가 되려는 아이, 과학자가 되려는 아이, 연구자가 되려는 아이 모두에게 AI는 이제 선택이 아닙니다. 자기 분야의 전문 지식 위에 AI 활용 능력이 더해지지 않으면, 같은 분야에서 AI를 쓸 줄 아는 동료들과의 격차는 점점 벌어집니다. 어떤 직업을 목표로 하든, AI와 함께 일하는 방식을 익히는 것은 이제 모든 분야의 공통 과제가 되었습니다.

출처 : 인공지능신문, AI가 설계한 첨단 Aerospike 로켓 엔진(가운데) 탑재(사진:리프 71)

Q. 수십 년간 NASA도 못 풀었던 문제를 AI가 3주 만에 해결했다면, 이제 인간 전문가는 무엇을 해야 하나요?

NASA에는 오래된 꿈이 하나 있습니다. 지면에서 진공 우주에 이르기까지, 모든 고도에서 효율적으로 작동하는 로켓 엔진을 만드는 것입니다.

현재 로켓에 사용하는 종 모양의 노즐은 구조적인 한계가 있습니다. 지상과 가까울수록 폭이 넓고 길이가 짧아야 효율적이고, 우주에서는 반대로 폭이 좁고 길이가 길어야 합니다. 고도에 따라 노즐의 형태가 달라야 한다는 뜻입니다. 우주 공간에서 노즐이 넓고 짧으면 가스가 옆으로 퍼져버려서 추력을 만들 수 없기 때문입니다. 그래서 지금까지는 3단 로켓을 만들어서 하나씩 분리하며 발사하는 방식을 써왔는데, 이는 매우 비효율적입니다.

이 문제를 한 번에 해결할 수 있는 아이디어가 에어로스파이크 엔진입니다. 기존의 종 모양과 달리 뾰족뾰족한 형태의 노즐을 가진 엔진인데, 초음속의 배기가스가 뿔 모양의 스파이크를 따라 외부로 방출되면서 모든 고도에서 효율적으로 작동하는 구조입니다.

이론적으로는 완벽한 아이디어였지만, 문제가 하나 있었습니다. 작동 시 약 3,000도까지 올라가는 온도를 어떻게 냉각하느냐는 것이었습니다. NASA는 오랫동안 이 방법을 찾지 못했습니다.

그런데 작년 가을, NASA의 과학자들이 물리학까지 이해하는 Leap71이라는 AI를 활용하여 단 3주 만에 이 설계를 해냈습니다. 스파이크의 외부는 극저온의 액체 산소로 냉각하고, 내부는 항공유로 냉각하는 혁신적인 설계였습니다. 그 설계를 3D 프린터로 제작해서 정상적으로 작동하는 것까지 확인하는 데 걸린 총 시간이 3개월이었습니다.

수십 년의 난제가 3개월 만에 풀린 것입니다. 그런데 여기서 중요한 것이 있습니다. 이것은 AI가 인간 전문가를 대체한 것이 아닙니다. NASA 과학자들의 전문 지식과 AI의 계산 능력이 결합했기 때문에 가능한 일이었습니다. 문제를 정의하고, 그 문제를 AI와 함께 풀어낸 것입니다.

인간 전문가의 역할은 사라진 것이 아니라, 문제를 제대로 보고 AI와 협력하는 방향으로 바뀐 것입니다. 이것이 우리 아이들이 살아갈 세상에서 전문가에게 요구되는 모습입니다.

Q. 지식을 많이 아는 것도, 스킬을 갈고닦는 것도 아니라면, 지금 아이에게 진짜로 필요한 역량은 무엇인가요?

이 질문이 오늘 이야기의 핵심입니다.

과거에는 특정 분야의 지식이 많거나, 관련 스킬을 잘 갖춘 사람이 전문가였습니다. 그런데 지금은 지식의 총량이나 스킬의 숙련도 측면에서 AI를 따라갈 수 있는 사람이 없습니다. 이제는 전문가의 정의를 다시 써야 할 때입니다.

예를 들어 설명해 보겠습니다. 개인 맞춤형 여행지를 추천하는 서비스를 만들고 싶은 사람이 있다고 가정합니다. 예전에는 아무리 좋은 아이디어가 있어도 앱을 개발하는 소프트웨어 개발자가 별도로 필요했습니다.

그런데 지금은 다릅니다. 그 사람이 아이디어를 상품화하는 기획 역량을 가지고 있고, 동시에 생성형 AI를 활용해서 소프트웨어 코딩까지 할 수 있다면, 그 사람은 서비스 기획 전문가이면서 동시에 소프트웨어 개발자가 됩니다. AI 덕분에 이런 세상이 오고 있는 것입니다.

그렇다면 이 시대에 전문가에게 필요한 역량은 무엇일까요. 더 많은 도메인 지식을 쌓아서 정확한 해답을 찾는 능력이 아닙니다. 더 뛰어난 스킬을 갈고닦아 직접 문제를 처리하는 능력도 아닙니다. AI와 함께 문제를 정의하고, 가설을 세우고, 이를 검증하고, 나아가 구현할 수 있는 역량입니다.

쉽게 풀면 이렇습니다. "이 문제가 무엇인지 정확히 짚을 수 있는가", "어떤 방향으로 풀어볼 것인지 생각할 수 있는가", "AI가 제시한 결과를 검토하고 판단할 수 있는가", "그 결과를 실제로 세상에 내놓을 수 있는가"가 핵심 역량이 됩니다.

자녀교육에 주는 시사점은 분명합니다. 아이에게 암기와 지식 축적만을 강조하는 것은 점점 의미를 잃어가고 있습니다. 대신 문제를 제대로 보는 능력, 질문을 잘 하는 능력, 결과를 비판적으로 판단하는 능력이 앞으로 아이의 진짜 경쟁력이 됩니다.

출처 : 인저리타임, 취리히 공과대학 시절 아인슈타인(왼쪽 두 번째)과 마르셀 그로스만(왼쪽 첫 번째)

Q. 부모로서 지금 당장 아이에게 해줄 수 있는 가장 현실적인 준비가 무엇일까요?

제가 강연에서 가장 강조한 것이 바로 이 부분입니다. AI와 어떤 관계를 맺느냐가 핵심이라는 것입니다. 그 말을 자녀교육에 적용하면 몇 가지 방향이 보입니다.

첫 번째는 AI를 먼저 경험하게 해주는 것입니다. 아이가 AI를 두려워하거나 막연히 거부하게 되면, 그 자체가 불리함으로 작용합니다. AI 도구를 실제로 써보게 하고, 숙제에도 활용해보고, 결과가 맞는지 틀린지를 직접 검토하게 하는 경험이 쌓이면 아이는 자연스럽게 AI와 협력하는 방법을 익히게 됩니다.

두 번째는 좋은 질문을 연습하게 하는 것입니다. AI와 협력하는 역량의 출발점은 문제를 정의하고 가설을 세우는 것인데, 그 핵심 도구가 질문입니다. 아이가 어떤 주제에 대해 "왜?"라고 묻고, "그게 사실인지 확인해볼까?"라고 하는 습관은 AI 시대의 핵심 역량과 직결됩니다. 이것은 교과서 공부와 별개로 일상 대화에서도 충분히 연습할 수 있습니다.

세 번째는 특정 분야에 대한 깊이 있는 관심을 키워주는 것입니다. AI는 도구입니다. 그 도구를 가장 잘 쓰는 사람은 자기 분야에 대한 깊은 이해를 가진 사람입니다. 의학을 이해하는 사람이 알파폴드를 더 잘 활용하고, 우주과학을 이해하는 사람이 Leap71과 더 잘 협력합니다. 아이가 어떤 분야든 깊게 파고드는 경험 자체가 앞으로의 경쟁력이 됩니다.

아인슈타인은 그로스만이라는 조력자를 만나서 운이 좋았다고 할 수 있습니다. 그런데 지금의 아이들은 그로스만보다 훨씬 강력한 조력자를 언제든 곁에 둘 수 있는 시대에 살고 있습니다. 그 조력자를 어떻게 대하느냐를 가르쳐주는 것, 그것이 지금 부모가 해줄 수 있는 가장 현실적인 준비가 아닐까요.

그리고 사실 가장 먼저 해줄 수 있는 일은 거창한 것이 아닙니다. 부모 스스로 AI를 한 번이라도 써보는 것, 그리고 그 경험을 아이와 함께 나누는 것에서 시작됩니다. 부모가 AI를 두려워하면, 아이도 두려워하게 됩니다. 반대로 부모가 먼저 써보고, 틀리기도 하고, 신기해하고, 함께 탐색하는 모습을 보이면 아이에게 그것이 그대로 태도가 됩니다.

Q. AI를 두려워하는 부모가 아이에게 가장 먼저 해줄 수 있는 일은 무엇인가요?

이제 우리는 선택해야 합니다. AI를 두려워하면서 마냥 외면할지, 아니면 함께 더 멀리 그 길을 걸어갈지를요.

두려움의 근원은 대부분 낯섦에서 옵니다. AI가 처음 등장했을 때 많은 사람들이 두려워했던 것처럼, 구텐베르크가 인쇄기를 만들었을 때도, 증기기관이 등장했을 때도 두려움은 있었습니다. 하지만 그 기술을 먼저 받아들이고 활용한 사람들이 새로운 시대를 열었습니다.

부모가 AI를 두려워하면, 아이도 두려워하게 됩니다. 반대로 부모가 AI를 먼저 써보고, 틀리기도 하고, 신기해하고, 함께 탐색하는 모습을 보이면 아이에게 그것이 그대로 태도가 됩니다. 가장 먼저 해줄 수 있는 일은 거창한 것이 아닙니다. 부모 스스로 AI를 한 번이라도 써보는 것, 그리고 그 경험을 아이와 함께 나누는 것에서 시작됩니다.

저는 이렇게 믿습니다. 당신이 어떤 전문가가 되느냐는 AI와 어떤 관계를 맺느냐에 달려 있습니다. 이 시대의 그로스만, 즉 AI와 함께 걸어갈 준비가 된 사람이 인류의 새로운 미래를 만들어갈 것입니다. 그 선택은 어른만이 하는 것이 아닙니다. 부모가 자녀와 함께 AI를 어떻게 바라보고 어떻게 다가설지를 결정하는 것이기도 합니다.