인공지능
과학 연구における 인공지능: 생산성 향상 vs. 품질 위험
Securities.io는 엄격한 편집 기준을 준수하며, 검토된 링크에 대해 보상을 받을 수 있습니다. 당사는 등록된 투자 자문가가 아니며, 이는 투자 자문이 아닙니다. 자세한 내용은 계열사 공개.
연구 보조 도구로서의 AI
인공지능은 수많은 과학 분야에 진정한 혁명을 가져왔으며, 불과 몇 년 전만 해도 가장 강력한 슈퍼컴퓨터조차 달성할 수 없었던 방식으로 데이터를 처리하고 실제 물질과 상황을 모델링할 수 있게 해 줍니다.
최근 사례로는 다음과 같은 다양한 형태의 인공지능이 활용되고 있습니다.
- 핵융합 발전소용 신소재 발굴.
- 우주 망원경 이미지 선명도 복원.
- 금속 3D 프린팅 공정 최적화.
- 태양 전지, 수소 전기 촉매, 초경질 소재, 고분자 및 고체 전해질용 신소재 발굴.
이러한 응용 프로그램은 일반적으로 특정 종류의 결정체를 검사하거나 고유한 이미지 세트를 처리하도록 정교하게 훈련된 고도로 전문화된 AI 모델에 의존합니다.
하지만 인공지능에 대해 이야기할 때, 일반 대중은 대개 범용적인 대규모 언어 모델(LLM)을 떠올립니다. 이러한 모델은 현재 주로 텍스트 작성 및 개선, 그리고 기존 검색 엔진에 비해 더 고급스럽고 가독성이 뛰어난 쿼리 수행에 사용됩니다.
이론적으로는 이러한 원칙이 학생들의 에세이, 형편없는 시, 파워포인트 프레젠테이션뿐만 아니라 과학 연구 및 출판 논문에도 적용되어야 합니다.
하지만 이는 양날의 검이 될 수 있으며, 권위 있는 과학 학술지인 사이언스(Science)에 최근 발표된 분석에서 설명되어 있습니다.1, 제목이 '대규모 언어 모델 시대의 과학적 생산".
이 분석에서 캘리포니아 대학교와 코넬 대학교의 연구진은 LLM(학습 관리 시스템)을 활용하는 과학자들의 연구 성과를 이전 연구 성과와 비교하여 살펴보았습니다. 그 결과, LLM을 사용하면 과학 논문의 질이 향상될 수 있지만, 동시에 질이 낮은 연구 논문의 양이 증가하여 학계의 기존 문제를 악화시킬 수 있다는 사실을 발견했습니다.
제품 개요
인공지능은 논문 작성, 연구 결과 발견, 생산성 향상을 통해 과학 연구의 판도를 빠르게 바꾸고 있습니다. 그러나 이러한 도구들이 저품질 연구 결과를 학계에 쏟아붓게 하여 기존의 평가 기준과 동료 심사 시스템에 어려움을 초래할 위험도 안고 있습니다.
과학 연구 논문에서 인공지능 사용 탐지
첫 번째 과제는 과학 논문 작성에서 LLM 사용이 얼마나 보편적인지, 그리고 누가 그것을 사용하는지 파악하는 것입니다.
놀랄 것도 없이, 연구자들은 이러한 데이터를 자발적으로 인정하지 않습니다. 왜냐하면 관련 도구들이 아직 새롭고, 특히 기술 데이터나 특정 분야 주제에 대해서는 오류 발생 가능성이 높기 때문입니다.
연구진은 2018년 1월부터 2024년 6월까지 arXiv, bioRxiv, 사회과학연구네트워크(SSRN)와 같은 대규모 과학 데이터베이스에서 200만 편 이상의 논문을 수집했습니다.
그들은 2023년 이전에 게시된 논문들(인간이 작성한 것으로 추정됨)을 AI가 생성한 텍스트와 비교했습니다.
이 데이터를 활용하여 AI 사용 여부를 감지하는 모델을 개발했습니다. 이 도구를 통해 어떤 과학자들이 LLM을 사용하고 있는지, 그리고 언제부터 사용하기 시작했는지를 상당히 정확하게 파악했습니다. 그런 다음 해당 과학자들이 도구를 도입하기 전후의 논문 발표량을 추적하고, 그 논문들이 과학 저널에 게재되었는지 여부를 분석했습니다.
인공지능이 과학 연구에 미치는 영향
스크롤하려면 스와이프하세요 →
| AI 영향 영역 | 긍정적인 효과 | 위험 |
|---|---|---|
| 논문 쓰기 | 선명도와 속도 향상 | 저품질 출력물의 양이 증가함 |
| 문학발견 | 보다 폭넓고 새로운 연구 노출 | 최근 연구 또는 인용되지 않은 연구에 대한 편향 |
| 학업 경력 | 생산성 지표 향상 | 측정 지표는 실제 실력과 동떨어져 있다 |
생산성 향상
첫 번째 결론은 LLM을 사용하면 과학자들의 생산성이 향상된다는 것입니다. 적어도 논문 수로 측정했을 때는 그렇습니다.
arXiv에서 LLM을 사용하는 것으로 표시된 과학자들은 AI를 사용하지 않는 것으로 보이는 과학자들보다 약 3분의 1 더 많은 논문을 게시했습니다. bioRxiv와 SSRN에서는 그 증가율이 50%를 넘었습니다.
"논문을 발표하지 않으면 도태된다"는 문화가 대부분의 과학자들의 진로를 좌우하는 상황에서, 이러한 논문 수의 증가는 과학자들의 경력에 심각한 영향을 미칩니다.
또 다른 흥미로운 점은 영어가 모국어가 아닌 것으로 추정되는 과학자들에게서 이러한 효과 증가가 더 강하게 나타났다는 것입니다.
예를 들어, 아시아 기관에 소속된 연구자들은 탐지기가 LLM 사용을 시작했다고 알려준 후 논문 발표 수가 43.0%에서 89.3%까지 증가했습니다.
이는 일리가 있습니다. 많은 과학자들은 기술적으로는 뛰어나고 영어 읽기 능력도 뛰어나지만(현대 학계에서는 필수 조건입니다), 제2외국어로 명확하고 세련된 문장을 구성하는 데 어려움을 겪을 수 있습니다.
언어 학습법(LLM)의 광범위한 사용은 비원어민 화자에게 공정한 기회를 제공하여 저자의 언어 능력에 관계없이 고품질 연구가 국제적으로 인정받는 데 도움이 될 수 있습니다.
과학적 지식의 더 나은 발견
LLM은 특수 AI를 활용하여 특정 주제와 관련된 논문을 찾는 데에도 사용할 수 있습니다. 이끌 리다, 리서치래빗및 사이트.
과학 연구의 상당 부분은 다른 논문을 찾아 읽고 정보를 추론하거나 새로운 맥락에서 재사용할 수 있는 실험 프로토콜을 식별하는 것으로 구성됩니다.
인공지능은 일반적으로 기존 검색 엔진에 비해 최근 논문을 선호하고 인용 횟수에 대한 비중을 줄입니다. 따라서 인공지능은 새로운 아이디어나 덜 알려진 실험을 찾는 과학자들에게 유용한 대안이 될 수 있습니다.
"LLM을 사용하는 사람들은 더욱 다양한 지식에 접근하고 있으며, 이는 더욱 창의적인 아이디어를 이끌어낼 수 있습니다."
코넬 대학교 박사 과정 학생인 쿠스메기 케이고
이 가설은 향후 AI의 도움을 받아 작성된 논문이 더 다양한 참고문헌을 가지고 있는지, 또는 더 혁신적이고 학제적인지를 확인함으로써 검증될 수 있을 것이다.
과학 및 학계의 새로운 이슈로서의 인공지능
최근 몇 년 동안 과학 연구, 특히 사회과학 분야에서 재현성 위기를 겪고 있다.
많은 논문의 결과가 다른 연구자들에 의해 재현되지 않기 때문에, 겉보기에는 심각해 보이는 연구조차도 결함이 있거나 심지어 조작된 것일 수 있습니다. 이는 "과학의 실존적 위기"로 묘사되고 있다.
역사적으로, 긴 문장과 세련된 어휘를 포함한 복잡한 글쓰기는 질 높은 연구를 판별하는 기준으로 사용되어 왔습니다. 완벽한 기준은 아니지만, 전문적으로 작성된 연구와 부실한 분석을 구분하는 데 도움이 되었습니다.
반면, 인공지능의 도움을 받아 작성된 논문은 현재 학술지에 게재될 가능성이 더 낮습니다.
전반적으로 이는 "발표된 논문 수"라는 지표와 연구자의 실제 재능 사이의 괴리를 더욱 심화시킬 위험이 있습니다. 특히 AI가 점점 더 효율적이고 인간과 유사해짐에 따라 편집자와 심사위원은 가장 가치 있는 논문을 선별하는 데 어려움을 겪을 수 있습니다.
마지막으로, 인공지능을 통해 그럴듯해 보이지만 허위인 연구 논문들이 대량으로 생성될 수 있습니다. 이러한 위험은 소셜 미디어에만 국한된 것이 아닙니다. LLM이 등장하기 전에도 심사위원들의 시간이 부족했던 과학 연구 분야에서 이는 심각한 문제입니다.
인공지능이 과학 연구의 미래에 미치는 영향은 무엇일까요?
AI는 도구이기 때문에 연구자들은 이를 효과적으로 사용하는 방법을 배워야 합니다. 연구실에서 LLM(실험실용 악성 소프트웨어)을 완전히 금지하는 것은 거의 불가능하며, 적발은 앞으로 더욱 어려워질 것입니다.
향후 과학 논문 작성에 있어 인공지능의 적응과 생산적인 활용이 핵심 주제가 될 것입니다.
"지금은 '인공지능을 사용해 본 적이 있습니까?'라는 질문이 아니라, '인공지능을 정확히 어떻게 사용했으며, 도움이 되었습니까?'라는 질문이 중요합니다."
과학 분야의 채용 관행은 단순히 논문 발표량에만 의존하기보다는 심층 인터뷰나 기술 테스트와 같은 질적 지표로 회귀하는 것이 유익할 수 있다.
마찬가지로 심사위원과 학술지도 변화에 적응해야 합니다. 가짜 논문의 대량 생산을 막기 위해서는 분석 전에 제출물이 합법적인 연구실에서 나온 것인지 확인하는 시스템이 필요할 수도 있습니다.
궁극적으로는 언어적 우아함보다는 논문의 기술적 요소에 대한 깊이 있는 이해가 논문의 질을 판단하는 가장 중요한 요소가 될 것입니다.
인공지능 혁신에 투자하기
투자자 테이크 아웃
AI 기반 연구 생산성이 곧 더 높은 품질의 결과물로 이어지는 것은 아닙니다. 장기적인 승자는 단순히 콘텐츠 생성만이 아니라 컴퓨팅, 인프라 및 검증을 가능하게 하는 기업이 될 것입니다. 엔비디아는 이러한 관점에서 여전히 핵심적인 역할을 합니다.
엔비디아
엔비디아는 게이머를 대상으로 하는 그래픽 카드 회사에서 세계 최대 기업으로 성장했는데, 이는 하드웨어 분야에서 핵심적인 역할을 수행했기 때문입니다. AI 하드웨어 전체 기술 산업에.
인공지능 전용 하드웨어의 선구자인 엔비디아는 연구자들이 이러한 도구를 활용할 수 있도록 지원한 최초의 기업입니다. 엔비디아 GPU용 범용 프로그래밍 인터페이스인 "CUDA"는 게임을 넘어 다양한 분야에서 활용될 수 있는 길을 열어주었고, 오늘날의 인공지능 애플리케이션을 위한 토대를 마련했습니다.
"연구자들은 GeForce라는 게임 카드를 사서 컴퓨터에 추가하면 사실상 개인용 슈퍼컴퓨터를 갖게 된다는 것을 깨달았습니다.
분자 동역학, 지진파 처리, CT 재구성, 영상 처리 등 정말 다양한 분야가 있죠."
엔비디아 하드웨어는 직접적으로든 마이크로소프트, 구글, 메타, 오픈AI 등의 클라우드 서비스에 통합되든 연구자들이 선호하는 하드웨어로 남을 가능성이 높습니다.
AI 투자가 예상됩니다 200년에는 2025억 달러에 도달할 것으로 예상게다가 주요 기술 기업들의 누적 지출도 계속 증가하고 있습니다. 엔비디아 칩 생산량이 늘어나면서 고성능 RAM과 같은 다른 전자 부품들도 현재 부족 현상을 겪고 있습니다.
과학 연구는 소비자 또는 B2B 용도에 비해 AI 컴퓨팅의 대부분을 차지하지는 않지만, 새로운 합금, 의약품 및 과학적 방법론을 개발하는 데 있어 가장 영향력 있는 장기 동력이 될 수 있습니다.
(당신은 할 수 있습니다)엔비디아의 역사, 현재 사업 및 미래 전망에 대한 자세한 내용은 해당 회사에 대한 투자 보고서를 참조하십시오..)
참고 연구
1. Keigo Kusumegi, Xinyu Yang, Paul Ginsparg, Mathijs de Vaan, Toby Stuart 및 Yian Yin. 대규모 언어 모델 시대의 과학적 생산. 사이언스. 2025년 12월 18일. 제390권, 제6779호, 1240-1243쪽. DOI: 10.1126/science.adw3000
