AI가 자연에 없던 생물학적 서열까지 설계하기 시작하면 “이 서열은 어디에서 왔는가”라는 질문이 안전 문제로 바뀐다. SynthID Bio는 그 출처를 생물학적 설계 자체에 남기려는 시도다.
Google DeepMind는 2026년 9월 30일 SynthID Bio를 공개했다. AI가 생성한 단백질 같은 생물학적 설계에 검출 가능한 워터마크를 넣으면서도 필요한 생물학적 기능은 유지하는 것을 목표로 한 연구 단계 기술이다.
이미지나 텍스트에 워터마크를 넣는 것과는 문제가 다르다. 단백질은 서열을 조금만 바꿔도 구조와 결합력, 기능이 달라질 수 있다. 따라서 “잘 보이는 표시”가 아니라 기능을 망가뜨리지 않으면서도 검출할 수 있는 표시가 필요하다.
생성형 생물학이 기존 스크리닝을 어렵게 만드는 이유
DNA 합성 업체는 주문된 서열을 알려진 위험 물질 데이터베이스와 비교해 검사한다. 하지만 생성형 AI는 기존 자연계 서열과 닮지 않은 새로운 설계를 만들 수 있다. 낯선 서열이라는 이유만으로 위험 여부를 판단하기가 더 어려워지는 것이다.
DeepMind가 제안하는 방식은 신뢰된 설계 시스템이 만든 결과에 기계적으로 확인 가능한 출처 신호를 남기는 것이다. 합성 업체는 이 신호를 추가 판단 자료로 활용할 수 있다. DeepMind 역시 이를 기존 바이오보안 검사를 대체하는 단일 해결책이 아니라 보조 수단으로 설명한다.
공공 생물학 데이터베이스에서도 같은 문제가 생긴다. AI가 만든 서열이 출처 표시 없이 PDB, UniProt, GenBank 같은 데이터베이스에 섞이면 이후 연구와 보안 스크리닝이 잘못된 전제를 학습할 수 있다.
중요한 것은 디지털 표시가 실제 단백질에서도 남는가다
DeepMind는 SynthID Bio로 표시된 설계를 실제 단백질로 합성한 뒤에도 워터마크를 검출할 수 있었고, 실험에서 측정한 생물학적 기능도 유지됐다고 보고했다. Stanford University와 Arc Institute의 연구진과는 Evo 2가 설계한 박테리오파지 게놈에 비슷한 접근을 적용하는 연구도 진행 중이다.
다만 이 결과의 범위를 과장해서는 안 된다. 현재 단계는 연구용 proof of concept다. 모든 단백질과 게놈 설계에서 같은 수준의 강건성이 입증된 것은 아니며, DeepMind 자체도 의도적인 워터마크 제거 공격에 대한 내성을 향후 과제로 명시한다.
출처 신호만으로 신뢰가 완성되지는 않는다
실제 운영에서는 세 문제가 남는다. 워터마크가 다양한 변형을 견딜 수 있는가, 공격자가 제거하거나 위조할 수 있는가, 그리고 여러 모델 회사·DNA 합성업체·데이터베이스 운영자가 같은 출처 신호를 일관되게 해석할 수 있는가다.
마지막 문제가 특히 중요하다. 출처 체계는 한 회사만 사용해서는 표준이 되기 어렵다. 그래서 DeepMind는 생물학적 워터마크를 별도 메타데이터 체계와 함께 사용할 가능성과 바이오보안 생태계와의 협력을 강조한다.
DeepMind는 연구 방법과 코드, in-vitro 데이터를 연구 커뮤니티에 공개한다고 밝혔다. 이 부분은 중요한 장점이다. 외부 연구자가 기술의 한계와 재현성을 직접 시험할 수 있기 때문이다.
이 기술이 보여주는 더 큰 변화
SynthID Bio의 의미는 워터마크 하나에만 있지 않다. 생성형 AI의 출력이 텍스트와 이미지에서 실제 물질과 생명공학 설계로 이동할수록 provenance, 즉 무엇이 어디에서 만들어졌는지 확인할 수 있는 능력 자체가 안전 인프라의 일부가 된다.
SynthID Bio가 합성생물학을 안전하게 만드는 완성된 답은 아니다. 하지만 앞으로 AI 설계 생물학을 다루는 과정에서 출처 확인이 선택적 부가 기능이 아니라 기본적인 운영 계층이 될 수 있다는 점을 보여주는 초기 사례다.