# AI 슈퍼바이러스, 더 치명적이면 더 많이 죽일까?

> AI가 설계한 바이러스 16개가 실험실에서 작동했습니다. 인류 멸망을 걱정하는 글에 생물학자가 던진 질문은 뜻밖이었어요. 감염자에게 더 치명적인 바이러스가 사회 전체에도 더 큰 피해를 낼까요?

- 출처 사이트: 뇌피셜 (https://aifficial.net/brain/posts/ai-supervirus-lethality-tradeoff/)
- 발행: 2026-09-10
- 카테고리: 오해 바로잡기 · 태그: 오해 바로잡기, 감염병, AI 안전, 바이러스, 백신

## 핵심 답변

치사율은 감염된 사람의 사망 위험을, 전체 사망자 수는 유행의 피해 규모를 보여줍니다. 얼마나 많은 사람이 감염되는지, 위험을 알게 된 사람들이 어떻게 대응하는지도 피해를 바꿔요. AI 슈퍼바이러스 논쟁에서 생물학자 Claus Wilke가 꺼낸 흥미로운 질문입니다.

## 한 장 요약(만화)

![AI가 만든 파지 16개에서 시작해, 감염된 한 사람의 위험과 사회 전체의 피해가 왜 다른 질문인지 설명하는 여섯 칸 만화. 예방접종과 환기 등 사람들의 대응, 파지의 치료 연구 가능성도 소개합니다.](https://aifficial.net/images/posts/ai-supervirus-lethality-tradeoff/comic_v3.0.0.webp)

## 요약

- AI가 설계한 세균 감염 바이러스 16개가 실험실에서 작동했습니다. 새 항균 치료법으로 이어질 가능성을 탐색하는 연구예요.
- 이를 계기로 AI 바이러스의 재난 가능성을 둘러싼 공개 논쟁이 벌어졌습니다.
- 생물학자 Wilke는 치사율 하나로 유행의 전체 피해를 예상할 수 없다고 지적했어요. 감염 규모와 사람들의 대응도 중요합니다.
- AI가 설계하는 속도와 백신이 사람에게 도착하는 속도도 다릅니다. 이 논쟁은 방어의 속도까지 묻게 해요.

## 핵심 사실

| 항목 | 값 |
|---|---|
| 실제 연구 성과 | 작동하는 파지 16개 (세균을 감염시키는 바이러스 · Science, 2026-08-06) |
| 위험을 경고한 글 | Noah Smith (2026-08-28) |
| 반박한 생물학자 | Claus Wilke (텍사스대 오스틴 · 2026-08-30) |
| 핵심 질문 | 치사율이 곧 전체 피해일까? (감염 규모와 사람들의 대응도 함께 봐야 해요) |


AI가 써낸 유전 정보로 만든 바이러스가 실험실에서 실제로 작동했어요. 하나도 아니고 16개였습니다. 2026년 8월 Science에 실린 연구 이야기예요.  이 소식을 듣고 “그럼 AI가 무시무시한 바이러스도 만들 수 있는 거 아니야?”라는 생각이 들 수 있겠죠.

경제 블로거 Noah Smith는 그 걱정을 인류가 대규모로 희생되는 미래 시나리오로 풀었습니다. 이틀 뒤 생물학자 Claus Wilke가 반박했어요. 그런데 Wilke의 글에서 눈길을 끄는 부분은 AI가 지금 무엇을 못 하느냐만이 아니었습니다. Wilke의 논지를 질문으로 옮기면 <strong>감염자에게 더 치명적인 바이러스가, 사회 전체에서도 더 많은 사람을 죽일까?</strong>가 됩니다. 

## AI가 만든 바이러스, 사실은 세균의 적이었어요

연구진이 만든 것은 <strong>박테리오파지(bacteriophage, 파지)</strong>예요. 세균을 감염시키는 바이러스로, 여기서는 대장균을 대상으로 했습니다. AI가 설계한 유전체에서 실제로 작동하는 파지 16개를 얻었어요. 단백질 하나의 모양을 예측하는 데서 더 나아가, 바이러스의 유전 정보 전체를 설계하고 기능까지 확인한 셈입니다. 

이 성과가 반가운 이유도 있어요. 세균을 공격하는 파지를 새로운 항균 치료법에 활용할 가능성이 있기 때문입니다. 연구진은 자연에 있는 파지에 저항하는 세균을 상대로도 AI가 설계한 파지의 가능성을 살폈어요. 아직 치료제가 됐다는 뜻은 아니지만, AI가 감염병과 싸울 후보를 만드는 도구가 될 수 있다는 구체적인 사례예요. 



## 한 사람의 위험과 사회 전체의 피해는 달라요

치사율이 높다는 말을 들으면 피해도 클 것 같죠. 여기서 <strong>치사율(case fatality ratio, CFR)</strong>은 확인된 감염병 환자 가운데 사망한 사람의 비율을 말해요. 반면 유행으로 숨진 사람이 총 몇 명인지를 보려면, 애초에 얼마나 많은 사람이 병에 걸렸는지도 알아야 합니다.

아주 위험한 병이라도 감염 규모가 작을 수 있고, 한 사람에게 닥칠 사망 위험이 상대적으로 낮은 병도 많은 사람에게 퍼지면 큰 피해를 낼 수 있어요. 한 건의 사고가 얼마나 큰지와, 그 사고가 사회 곳곳에서 얼마나 많이 일어나는지를 함께 보는 것과 비슷합니다.

Wilke가 여기에 더한 것은 <strong>위험을 알게 된 사람들의 행동</strong>이었어요. 사람들은 가만히 있는 표적이 아니니까요. 감염병이 알려지면 모임과 이동을 줄이기도 하고, 예방접종이나 환기에 더 신경 쓰기도 합니다. 그런 대응이 유행의 진행을 다시 바꾼다는 거예요. 

Wilke는 코로나19를 떠올렸습니다. 심각한 피해가 있었는데도, 비교적 가볍게 앓는 사례를 보며 위험을 대수롭지 않게 여기는 사람들도 있었다는 점에 주목했어요. Wilke의 해석에서 중요한 것은 바이러스의 무서운 이름이나 치사율 한 줄보다, 감염과 사람들의 반응이 함께 만들어낸 결과였습니다. 



치사율이 높아지면 전파력이 반드시 떨어진다는 법칙이 있다는 뜻은 아니에요. 여기서 가져갈 요점은 간단합니다. **치사율 하나로 유행의 결말을 알 수는 없어요.**

## AI의 속도와 현실의 속도가 만나는 곳

그렇다면 AI 위험을 걱정할 필요가 없을까요? Smith가 던진 질문도 남아 있어요. AI가 빠르게 발전한다면, 지금 전문가에게 어려운 일이 미래에도 계속 어려울 것이라고 볼 수 있느냐는 겁니다. 

단백질과 펩타이드를 설계하는 AI 시스템을 개발·평가하는 Wilke는 실험실 경험을 들어 반박했어요. 컴퓨터가 후보를 내놓는 속도와 생물이 원하는 대로 작동하는 속도는 다르다는 거죠. Wilke의 반박은 Smith 글의 무료 공개 도입부를 읽고 쓴 글이기도 합니다. 

흥미롭게도 속도 문제는 방어 쪽에도 있습니다. Smith는 AI가 백신 후보를 빨리 설계하더라도 생산과 접종까지 순식간에 끝낼 수는 없다고 지적했어요. <strong>화면 속 설계가 빨라지는 것과, 누군가의 팔에 백신이 도착하는 것은 다른 시간표</strong>라는 거예요. 

이 지점에서 이야기는 “AI가 무엇을 만들까?”를 넘어 “우리는 얼마나 빨리 대응할 수 있을까?”로 넓어집니다. Wilke가 글 끝에서 강조한 것도 병원체 감시, 예방접종, 백신·치료제 연구와 실내 공기 질이었어요.  WHO는 홍역 예방접종이 2000~2024년 약 5,900만 명의 사망을 막았다고 추정합니다. 사람들의 대응이 얼마나 큰 차이를 만드는지 보여주는 숫자예요. 



**제게는 “사람들도 가만히 있지 않는다”는 대목이 이 논쟁에서 가장 흥미로운 것 같습니다.** AI가 만든 바이러스라는 말을 들으면 강력한 무언가가 등장하고 사람들은 속수무책으로 당하는 장면부터 떠올리기 쉬운데, 실제 유행에는 위험을 알아차리고 행동을 바꾸는 사람들도 들어 있으니까요.

그래서 이 이야기는 AI가 얼마나 무서운 것을 만들 수 있는지뿐 아니라, 그 힘으로 사람을 지키는 시간을 얼마나 앞당길 수 있을지도 묻게 하는 것 같습니다. 이미 세균을 공격하는 파지를 설계한 성과가 있으니, 감염병에 대응하는 쪽의 다음 소식도 꽤 기다려지지 않으신가요? 




## 자주 묻는 질문

**Q. AI가 만든 바이러스가 사람을 감염시켰나요?**

이 연구가 다룬 것은 세균을 감염시키는 박테리오파지입니다. AI가 만든 서열에서 실제 작동하는 파지 16개를 얻었고, 세균 감염에 대응할 치료법의 가능성을 탐색했습니다.

**Q. 치사율이 높으면 전파력은 반드시 낮아지나요?**

그런 보편적인 반비례 법칙은 아닙니다. 전파 방식과 감염 과정, 사람들의 대응 등 여러 조건이 관여해요. 이 글의 핵심은 치사율 하나만으로 사회 전체의 피해를 예상할 수 없다는 점입니다.

**Q. 왜 백신을 만드는 AI만으로는 충분하지 않나요?**

컴퓨터에서 백신 후보를 설계한 뒤에도 안전성과 효과를 확인하고, 생산하고, 사람들에게 전달해야 합니다. Smith는 이 물리적인 시간이 미래의 AI 위험을 생각할 때 중요하다고 주장했습니다.

## 출처

1. [I'm sorry, you're not going to die from an AI-engineered supervirus (Claus Wilke, 2026-08-30)](https://blog.genesmindsmachines.com/p/im-sorry-youre-not-going-to-die-from) (report)
2. [Here's how we're all going to die (Noah Smith, 2026-08-28)](https://www.noahpinion.blog/p/heres-how-were-all-going-to-die) (report)
3. [Generative design of bacteriophages with genome language models (Science, 2026-08-06)](https://www.science.org/doi/10.1126/science.aec2657) (paper)
4. [Evo 2 and AI-designed bacteriophages (Stanford Report, 2026-08-06)](https://news.stanford.edu/stories/2026/08/evo-2-ai-tool-e-coli-killer-bacteriophages) (official)
5. [Measles fact sheet (WHO, 2026-07-15)](https://www.who.int/news-room/fact-sheets/detail/measles) (official)

_이 문서는 뇌피셜 편집부가 작성했습니다. 인용 시 출처를 표기해 주세요._