AI 연구에 관심과 인력이 몰리면 AI 발전에 필요한 새로운 아이디어까지 줄어들 수 있다는 연구가 나왔다. 연구진은 1990~2025년 컴퓨터과학 논문과 연구자 이동, 동료 심사를 분석해 AI 분야의 집중과 주변 분야의 위축이 함께 나타났다고 보고했다. 다만 이 연구가 미래의 돌파구가 막힌다고 단정한 것은 아니다.
논문 「Stronger artificial intelligence breakthroughs hasten their own exhaustion」은 arXiv에 공개됐다. 연구진은 OpenAlex에 수록된 컴퓨터과학 논문 718만 편, 분야를 옮긴 연구자 370만 명, 학회와 기타 학술 행사에 제출된 논문 2만6,731편에 대한 동료 심사 7만3,089건을 분석했다.
분석 결과, 컴퓨터과학 분야 사이에서 확인된 연구자 이동 91만8,862건 가운데 53.81%가 AI 분야로 향했다. AI 논문이 전체 컴퓨터과학 논문에서 차지하는 비율은 2017년 40%에서 2025년 55% 이상으로 늘었다. 반면 시스템 연구와 이론 연구는 연구자를 꾸준히 잃었다. AI로 옮기는 비율은 경력 약 31.8년인 연구자와 출판 실적이 동료의 82백분위 수준인 연구자에게서 가장 높았다.
연구진은 2017년 이후 연구 주제와 인용이 더 좁은 범위에 집중됐다고 분석했다. 연구 주제 집중도를 나타내는 지니 계수는 2017년 0.26에서 2025년 0.33으로 27% 올랐다. 논문 인용의 지니 계수도 0.60에서 최고 0.69로 상승했다. 지니 계수는 0에 가까울수록 고르게 분포하고 1에 가까울수록 집중된 상태를 뜻한다. 연구진은 트랜스포머 등장 전까지는 인터넷, 스마트폰, 딥러닝의 부상에도 이런 집중도가 비교적 안정적이었다고 설명했다.
동료 심사 부담과 전문성 문제도 관찰됐다. 심사자가 논문을 평가할 자신감을 표시한 점수는 2017년 5점 만점에 3.9점에서 2025년 2.9점으로 낮아졌다. 연구진은 AI 분야로 새로 유입된 심사자가 늘고, AI 기법을 포함한 논문을 적절한 전문성을 가진 심사자에게 배정하기 어려워졌을 가능성을 제시했다. 이 결과만으로 심사 품질 저하의 원인을 AI의 성장으로 확정할 수는 없다.
논문은 AI의 주요 발전이 새로운 연구 아이디어를 한동안 늘린 뒤, 관심과 연구가 해당 돌파구에 집중되면서 활력이 떨어지는 순환이 반복됐다고 주장한다. 연구진은 AlexNet과 트랜스포머 이후 새 아이디어가 늘었다가 감소했고, 트랜스포머 뒤에는 활발히 쓰이는 아이디어의 수가 예상보다 더 크게 줄었다고 분석했다. 생명과학에서도 cryo-EM과 AlphaFold 같은 발전 뒤에 비슷한 소진 양상이 나타났다고 덧붙였다.
이 논문은 AI 연구의 성과가 주변 분야의 아이디어 다양성을 약화해 장기적으로 AI 자체의 발전 기반을 좁힐 수 있다는 우려를 제기한다. 연구진은 특정 분야의 성과만을 강화하기보다 탐색과 새로운 아이디어를 보상하는 제도, 심사·채용·승진 기준을 고민해야 한다고 제안한다. 이는 연구 결과에 대한 연구진의 해석과 제안이며, AI의 다음 돌파구가 실제로 줄어들 것이라는 예측을 입증한 것은 아니다.
댓글 (0)
로그인하면 이 기사에 내 생각을 남길 수 있어요