하사비스 맵: 달력 없이 20년을 계획하는 방법

TL;DR:데미스 하사비스는 미래를 예측하지 않았습니다. 그는 중요하지만 아직 해결되지 않은 문제의 지도를 만들고, 기술이 따라잡기를 기다렸습니다. 단백질 접힘의 돌파구는 4년의 작업과 20년의 준비가 필요했습니다. 교훈: 타임라인이 아닌 트리거 조건에 따라 계획하세요. 잎이 아닌 루트 노드를 찾아보세요. 그리고 트렌드를 따르는 것과 기회를 따르는 것을 혼동하지 마세요.

제임스입니다, 머큐리 테크놀로지 솔루션의 CEO입니다. 홍콩 — 2026년 7월

2016년, 알파고가 이세돌을 이겼고, 세상은 데미스 하사비스의 이름을 알게 되었습니다. 거의 아무도 눈치채지 못한 사실: 서울에서 런던으로 돌아오는 비행기에서 그는 2024년 노벨 화학상을 수상할 단백질 접힘 프로젝트를 시작했습니다.

4년 후, 알파폴드2가 50년 된 문제를 해결했습니다. 하지만 진짜 이야기는 그 4년이 아닙니다. 그것은 그 이전의 20년입니다.

하사비스는 1990년대 케임브리지에서 학부생으로 단백질 접힘 문제를 처음 접했습니다. 그는 화학이 아닌 컴퓨터 과학을 공부하고 있었습니다. 그는 또 다른 10년 후에야 딥마인드를 시작할 것입니다. 그는 2년 동안 단백질 접힘을 다루지 않을 것입니다.

대부분의 사람들은 이것을 보고 이상한 점프가 있는 경력으로 봅니다: 게임, 신경 과학, AI, 생물학. 하지만 카메라를 뒤로 당기면, 모든 움직임은 의도적이었습니다. 컴퓨터 과학 학위, 인지 신경 과학 박사, 게임 회사, AI 연구소—각 조각은 오직 그만이 볼 수 있는 보드 위의 한 수였습니다.

하사비스가 학부생으로 화학을 공부했다면, 아마도 단백질 접힘을 해결하지 못했을 것입니다.그것이 역설적인 부분입니다. 혁신은 여러 분야를 동시에 머릿속에 담을 수 있는 사람, AI가 실제로 할 수 있기 전에 AI가 무엇을 할 수 있는지 이해하는 사람이 필요했습니다.

이것은 전기(傳記)가 아닙니다. 그것은 그가 계획에 대해 어떻게 생각하는지를 해체한 것이며, 우리가 그로부터 무엇을 훔칠 수 있는지를 보여줍니다.

얼음의 균열

하사비스는 내가 부르는 균열— "불가능"과 "명백한" 사이의 간극에서 작업합니다.

한쪽에는 모두가 작업하고 있는 문제들이 있습니다. 핫한 주제들. 트렌드 분야들. 보조금 위원회가 자금을 지원하고 컨퍼런스 패널이 논의하는 것들. 이들은 혼잡합니다. 시작하기 전에 경쟁이 치열해집니다.

다른 쪽에는 모두가 중요하다고 동의하지만 현재 해결할 수 없는 문제들이 있습니다. 최전선은 너무 멀리 있습니다. 도구가 존재하지 않습니다. 이들은 버려진 박사 논문과 실패한 스타트업의 공동묘지입니다.

균열은 그 사이의 좁은 띠입니다:중요한 문제들이 거의해결 가능한 상태입니다. 아직은 아닙니다. 하지만 곧 가능합니다. 기술의 경로는 명확하지만, 일정은 그렇지 않습니다.

하사비스는 2016년에 단백질 접힘이 해결 가능할 것이라고 예측하지 않았습니다. 그는 그렇게 할 수 없었습니다. 그가 한 일은 그 균열에서 문제의 지도를 유지하고 AI 능력이 발전함에 따라 어떤 문제들이 해결 가능성에 가까워지고 있는지를 추적하는 것이었습니다.

이것은 특정 종류의 주의를 요구합니다. 집중이 아니라—민감성입니다. 당신은 아직 이 문제들에 대해 작업하고 있지 않습니다. 당신은 그들을 지켜보고 있습니다. 그들 중 하나를 해동할 수 있는 기술 환경의 온도 변화를 느끼고 있습니다.

균열을 추적할수록 당신의 직관은 더 좋아집니다. 당신은 실제 능력 변화와 과대 광고 주기를 구별하기 시작합니다. 당신은 한 분야가 "불가능"에서 "비싸다"로, 그리고 "일상적"으로 전환될 때를 감지하는 법을 배웁니다.

대부분의 사람들은 균열이 존재하는지도 모릅니다.그들은 뜨거운 것을 쫓거나 어려운 것을 피하고 있습니다. 하사비스는 그 사이의 공간에서 그의 경력을 쌓았습니다.

루트 노드, 잎이 아닌

두 번째 필터가 있으며, 그곳에서 대부분의 똑똑한 사람들이 실패합니다.

하사비스는 균열에서 단순한 문제를 해결하지 않습니다. 그는 루트 노드—하류 응용 프로그램의 전체 트리의 기초에 있는 문제를 추적합니다.

과학 문제를 거대한 나무로 생각해 보세요. 잎사귀는 눈에 보이는 즉각적인 질문입니다: 이 특정 약물을 어떻게 개선할 수 있을까요? 이 특정 재료를 어떻게 최적화할 수 있을까요? 이것들은 중요하지만 좁습니다. 하나의 잎사귀를 해결하면 하나의 가지에 도움이 됩니다.

뿌리는 다릅니다. 뿌리는 전체 숲을 여는 해결책이 필요한 근본적인 문제들입니다. 단백질 접힘은 단순히 단백질에 관한 것이 아닙니다. 그것은 생명의 기계 구조를 이해하는 것입니다. 이를 해결하면 더 나은 약물만 얻는 것이 아니라 생물학을 수행하는 새로운 방법을 얻게 됩니다.

대부분의 과학자들은 잎사귀에 대해 작업합니다. 왜냐하면 잎사귀는 더 안전하기 때문입니다.길은 더 명확합니다. 출판물은 더 빨리 나옵니다. 보조금은 정당화하기가 더 쉽습니다. 뿌리 노드는 무섭습니다. 왜냐하면 어렵고, 실패는 수년간의 노력에 아무것도 남기지 않기 때문입니다.

하지만 뿌리 노드에 대한 한 가지 사실이 있습니다: 그것들은 균열에서만 접근할 수 있습니다. 뿌리 노드가 명백히 해결 가능해질 때쯤이면, 모든 사람이 이미 그것에 대해 작업하고 있습니다. 이점은 그것을 보는 데서 옵니다.전이것이 명백해지기 전에—그 순간이 도래할 때를 알기 위한 지도와 감각을 가지고 있는 것입니다.

하사비스는 단백질 접힘을 트렌디해서 선택한 것이 아닙니다. 그는 20년 동안 추적해온 뿌리 노드였기 때문에 선택했습니다. 그리고 2016년, 그 균열이 마침내 충분히 넓어졌습니다.

베이지안 전략

여기서 전술적으로 접근합니다.

하사비스는 달력으로 계획하지 않습니다. 그는 증거에 따라 계획합니다.모든 프로젝트—성공적이든 실패하든—그의 AI가 할 수 있는 것과 할 수 없는 것에 대한 모델을 업데이트합니다.

알파고는 단순한 홍보 수단이나 연구 이정표가 아니었습니다. 그것은 탐사였습니다. 깊은 강화 학습이 엄청난 복잡성의 문제를 정복할 수 있는지를 테스트했습니다. 알파고의 성공은 AI가 한 경계를 넘었다는 증거를 제공했습니다. 그 증거는 하사비스의 지도를 업데이트했습니다. 그것은 그에게 말했다: 도구는 이제 단백질 접힘을 위한 준비가 되어 있다.

이것이 베이지안 계획입니다.당신은 기술적 능력에 대한 가설을 가지고 있습니다. 모든 프로젝트는 그 가설을 확인하거나 도전하는 증거를 생성합니다. 가설은 업데이트됩니다. 지도는 스스로 다시 그려집니다. 다음 움직임은 회고적으로만 명확해집니다.

이것이 Hassabis가 2010년이나 2012년에 단백질 접힘 프로젝트를 시작하지 않은 이유입니다. 증거가 아직 없었습니다. 도구도 준비되지 않았습니다. 더 일찍 시작했다고 해서 그가 더 빨리 진행했을 리는 없습니다. 오히려 실패하게 만들었을 것입니다.

대부분의 조직이 계획하는 방식과 비교해 보세요: "1년: 게임 AI 구축. 3년: 바둑 세계 챔피언 이기기. 6년: 단백질 접힘 해결." 이것은 일정 계획이며, 쓰레기입니다. 혁신은 일정에 맞춰 도착하지 않습니다. 그것들은 기본 조건이 가능하게 할 때 도착합니다.

타임라인에 의한 계획은 환상을 위한 계획입니다. 트리거 조건에 의한 계획은 현실을 위한 계획입니다.

계획이 실패하는 두 가지 방법

이 패턴이 경력과 회사를 파괴하는 것을 지켜봤습니다. 두 가지 실패 모드, 둘 다 흔하고, 둘 다 치명적입니다.

실패 모드 1: 열기를 쫓기

2016년, AlphaGo 이후, 나는 한 철학 교수가 AI로 전환하는 것을 지켜봤습니다. "AI 토론 그룹"이라는 WeChat 그룹을 만들었습니다. 회원의 80%는 AI 배경이 없었습니다. 나는 이세돌 경기와 관련하여 인기 있는 (그리고 잘못된) 예측을 썼기 때문에 초대받았습니다.

교수는 강연을 했습니다. 보조금을 신청했습니다. "AI와 철학"에 2년을 보냈습니다. 아무것도 생산하지 못했습니다. 2022년에 ChatGPT가 등장했을 때, 그는 다시 같은 주제로 돌아갔습니다. 여전히 아무것도 없습니다.

이것은 열기 추적입니다. 당신은 트렌드가 되는 것을 보고, 그것을 향해 달려갑니다. 하지만 도착할 때쯤이면 군중이 이미 그것을 다 가져갔습니다. 당신은 일찍 도착한 것이 아니라 늦었고, 준비가 부족합니다.

실패 모드 2: 타임라인 잠금

반대의 오류는 경직된 장기 계획입니다. 당신은 이정표를 설정합니다: Q1 산출물, Q2 검토, Q3 통합. 이는 알려진 매개변수를 가진 엔지니어링 프로젝트에는 효과적입니다. 그러나 연구, 혁신 또는 경로가 불확실한 어떤 분야에서는 재앙적으로 실패합니다.

왜일까요? 실제 돌파구는 당신의 간트 차트를 존중하지 않기 때문입니다. 결과를 타임라인에 맞추려고 하면 두 가지 중 하나가 발생합니다: 단지 포장일 뿐인 조작된 "이정표" 또는 처음부터 예측 가능한 사소한 작업. 둘 다 돌파구가 아닙니다. 둘 다 중요하지 않습니다.

하사비스는 두 가지 함정을 모두 피합니다. 그는 열기를 쫓지 않습니다—그는 이미 열기가 있을 곳에 위치해 있습니다, 아무도 그것을 느끼기 전에. 그리고 그는 타임라인을 잠그지 않습니다—그는 트리거 조건을 잠급니다. "X 능력이 입증되면, Y 프로젝트가 시작됩니다."

20년 이동

실제 타임라인에 대해 이야기해 봅시다, 왜냐하면 여기서 대부분의 사람들이 하사비스를 완전히 오해하기 때문입니다.

1990년대: 케임브리지에서 학부생. 단백질 접힘에 대해 배웁니다. 그것이 중요하다는 것을 인식합니다. 그것을 그의 정신 지도에 저장합니다. 아무것도 하지 않습니다.

2000년대: 게임 AI 회사를 설립. 판매. 인지 신경 과학 박사 학위 취득. 단백질 접힘과는 명백히 관련이 없음. 그러나 그는 도구를 만들고 이해하고 있다.

2010: DeepMind 공동 설립. 일반 AI에 집중. 여전히 단백질 접힘과는 관련 없음.

2016: AlphaGo가 이세돌을 이김. 귀국 비행 중 단백질 접힘 프로젝트 시작. 4년 후, AlphaFold2. 그로부터 4년 후, 노벨상.

문제를 접하고 해결하는 사이의 간격은 25년이었다.하지만 실제 작업은 단 4년이었다. 나머지 21년은 준비, 포지셔닝, 그리고 균열이 열리기를 기다리는 시간이었다.

이것이 내가 달력 없이 계획한다고 말하는 이유이다. 하사비스는 2020년에 "단백질 접힘 해결"을 일정에 넣지 않았다. 그는 살아있는 지도를 유지하며, 모든 프로젝트에서의 증거로 지속적으로 업데이트하고, 조건이 맞을 때 방아쇠를 당겼다.

바둑 경기는 기술적인 의미에서 단백질 접힘을 위한 전제 조건이 아니었다. 단백질을 접기 위해 보드 게임을 마스터할 필요는 없다. 그러나 바둑 경기는 증거를 제공했다.도구가 준비되었다는 것입니다. 이는 촉발 조건이지, 디딤돌이 아닙니다.

이것이 당신에게 의미하는 바

당신은 아마 노벨상을 받을 가능성이 낮습니다. 저도 마찬가지입니다. 하지만 하사비스 프레임워크는 타임라인이 불확실하고 이해관계가 큰 모든 분야에 적용됩니다.

문제 맵을 만드세요.할 일 목록이 아니라—맵입니다. 당신의 분야에서 근본적인 문제는 무엇인가요? 어떤 문제들이 틈새에 있나요? 어떤 문제들이 해결 가능성에 가까워지고 있나요? 그것들을 추적하세요. 업데이트하세요. 필요하다면 몇 년 동안 그대로 두세요.

타임라인이 아니라 촉발로 계획하세요."X 지표에 도달하면 Y 시장으로 확장합니다." "이 기술이 Z 능력을 보여주면 이 제품을 출시합니다." 아닙니다: "Q3에 출시합니다."

모든 프로젝트마다 모델을 업데이트하세요.성공은 당신에게 가능한 것이 무엇인지 가르쳐줍니다. 실패는 당신에게 불가능한 것이 무엇인지 가르쳐줍니다. 두 가지 모두 증거입니다. 두 가지 모두 당신의 지도를 업데이트합니다.

루트 노드를 추적하세요.명백한 문제는 붐비고 있습니다. 근본적인 문제는 레버리지가 존재하는 곳입니다. 그러나 당신은 지도가 필요하고 균열이 열리기를 기다릴 인내가 필요합니다.

열을 무시하세요.무언가가 트렌드가 될 때쯤이면 기회는 이미 가격에 반영되어 있습니다. 당신의 장점은 군중과 함께 달리는 것이 아니라 군중보다 먼저 그것을 보는 데 있습니다.

바둑 두기

이세돌 대국의 두 번째 게임에서 바둑 기사들이 여전히 이야기하는 순간이 있습니다. 37수. 이세돌은 일어나서 화장실에 갔고, 15분 동안 생각했습니다. 인간이 두지 않을 수였습니다. 그 순간에는 그 가치가 보이지 않았습니다—20수 후에 나타났습니다.

하사비스의 단백질 접힘에 대한 학부 시절의 경험은 그의 37수였습니다. 그것은 그가 하고 있는 게임과는 무관해 보였습니다. 그 가치는 20년 후에야 보일 것입니다.

대부분의 사람들은 20분 동안 머릿속에 움직임을 유지할 수 없고, 20년은 더 말할 것도 없습니다.그들은 즉각적인 피드백, 가시적인 진전, 분기별 검증이 필요합니다. 그러나 근본적인 문제는 분기별 사고에 보상을 주지 않습니다. 그것은 기다릴 수 있는 사람들에게 보상을 줍니다.

문제는 당신이 하사비스의 IQ를 가지고 있는지가 아닙니다. 아마도 당신은 그렇지 않을 것입니다. 저도 확실히 그렇지 않습니다. 문제는 당신이 지도를 만들고, 민감성을 유지하며, 균열이 열리기를 기다릴 수 있는가입니다.

그것은 기술입니다. 배울 수 있습니다. 연습할 수 있습니다. 그리고 분기별 결과와 트렌드 주제에 집착하는 세상에서, 그것은 당신이 찾을 수 있는 구조적 이점에 가장 가까운 것입니다.

머큐리 테크놀로지 솔루션: 디지털리티 가속화.