현대 AI 연구는 새 지식보다 응용에 치우쳤다고 비판한다

경로 최적화 알고리즘이 한때 인공지능 연구의 일부로 여겨졌다는 사실에 놀랐다. 자연어 처리(natural language processing) 분야가 인공지능에 흡수되는 모습도 지켜봤다. 두 분야를 바라본 경험을 바탕으로 현대 AI 연구가 새 지식을 만들기보다 기존 모델을 여러 분야에 적용하는 데 치우쳤다고 비판한다.

이 글은 마이크 쿡(Mike Cook)의 2026년 9월 22일 글 「Why I love AI」에서 영감을 받아, 현대 AI 연구가 왜 지루하고 공허해졌는지 논한다. 인공지능 연구의 역사와 자연어 처리의 변화를 함께 보는 독자라면, 지금의 연구가 무엇을 ‘AI’로 부르고 무엇을 밀어내는지 살펴볼 만하다.

경로 최적화는 여러 경로 가운데 가장 효율적인 것을 찾는 문제다. 이를 연구하는 분야는 운영 연구(operations research)라고도 한다. 인공지능 연구의 경계가 시대에 따라 달라지는 모습을 떠올리면 쉽다. 실제로는 자연어 처리의 일부 과제가 대형 언어 모델의 등장 뒤 인공지능 연구로 받아들여진 반면, 다른 과제들은 전산 언어학으로 밀려났다.

왜 현대 AI 연구가 지루하다고 보는가?

한때 인공지능 연구로 여겨진 경로 최적화 알고리즘이 이제는 정보학이나 컴퓨터과학과도 별개인 분야처럼 다뤄지는 점에 놀랐다. 내가 속한 학과의 이름은 ‘정보학과 운영 연구’라는 뜻의 Département d’informatique et de recherche opérationnelle다. 운영 연구는 그런 최적화 알고리즘을 다룬다. 인공지능 연구에 20년을 투자한 뒤 2026년의 변화를 맞았다면, 마이크 쿡처럼 자신의 분야가 뒤처졌다고 느꼈을 수도 있다. 하지만 나는 자연어 처리 분야가 최신 형태의 ‘AI 연구’에 흡수되는 모습을 봤다.

현대 AI 연구의 공허함을 지적한 쿡의 평가에 공감한다. 오늘날 AI 논문 중 적어도 절반은 “인간의 과업 X를 수행하는 새로운 에이전트 파이프라인을 만들었다”는 내용이다. 여기서 에이전트 파이프라인은 GPT 계열 모델에 프롬프트를 여럿 이어 붙인 것을 뜻한다. 인공지능 일반 지능을 약한 의미로나마 이미 만들었다고 믿는 관점이 퍼지면서, 연구는 그 지능을 사회의 모든 분야에 적용하는 쪽으로 몰렸다.

ChatGPT의 등장이 쿤식 과학혁명이었다면, 그 뒤의 ‘정상 과학’은 사회적으로나 환경적으로 파괴적일 뿐 아니라 무척 지루하다. fiona fokus는 2025년 11월 25일 개인 블로그 글에서 “AI가 얼마나 잘 작동하는지 관심 없다”는 반응을 전했다. 요슈아 악셀로드(Josh Axelrod)는 2026년 9월 4일 도이체 벨레에 데이터센터의 숨겨진 환경 비용을 다뤘다. 파울 슈체(Paul Schütze)는 2024년 『Weizenbaum Journal of the Digital Society』에 지속 가능한 AI라는 현상을 비판적으로 평가한 글을 발표했다(4권, doi:10.34669/WI.WJDS/4.1.4). 올리비아 게스트(Olivia Guest)는 2026년 6월 10일 Zenodo에 「Models」를 공개했다. 이 글의 관점에서 AI 과학은 새로운 지식을 발명하는 일을 멈추고, AI가 이미 그 지식을 가진 것처럼 보이게 만드는 과정만 더 진행한다.

자연어 처리는 어떻게 AI에 흡수됐나?

내가 쿡과 다른 결론에 이른 이유는 자연어 처리가 AI에 뒤처진 게 아니라, 대형 언어 모델 세 개를 겹쳐 입힌 듯한 형태로 속이 텅 빈 채 대체됐다고 보기 때문이다. 이런 환멸은 AI 연구가 목표를 계속 옮기는 이유에 관한 내 판단도 쿡과 다르게 만들었다.

쿡은 “AI는 컴퓨터가 할 수 없는 일을 컴퓨터가 하게 만들려는 분야”라고 말한다. 하지만 이 정의는 어떤 과업을 그 범주에 넣는지 가린다. AI 분야가 오랫동안 다뤄온 것은 ‘지능의 응용’이다. 계몽주의적 합리주의로 인간의 활동을 분류할 수 있는 방식, 특히 자본과 국가에 중요한 활동이 그 대상이었다. 자연어 처리가 AI에 쉽게 흡수된 이유도 여기에 있다. 튜링 테스트를 통과할 수 있다는 기대가 생기자 대형 언어 모델은 AI 연구자들이 꿈꿔온 인간 대체 용도의 후보처럼 보이기 시작했다.

이 모델들은 언어의 통계적 모델이다. 그 결과 자연어 이해(natural language understanding)나 음성 인식(speech recognition) 같은 자연어 처리의 하위 분야는 AI 연구의 구성 요소로 다시 읽혔다. 반면 의미 태깅이나 구문 분석 같은 고전적인 자연어 처리 분야는 상징적 자연어 처리 시대의 유물처럼 밀려나 ‘전산 언어학’으로 분류됐다.

AI의 신탁이 도착한 뒤에는 무엇이 남았나?

이 담론의 변화를 가장 간결하게 설명하면 이렇다. ChatGPT가 등장한 순간, 종말론적 미래의 사건으로 여겨졌던 인공지능이 도착한 것으로 받아들여졌다. AI 연구자들은 더는 자금 지원을 받기 위해 언젠가 올 메시아를 가리키지 않는다. 대신 2022년 챗봇이 그럴듯해져 사람들이 챗봇을 숨겨진 지식을 담은 확률적 신탁처럼 대하기 시작한 순간을 가리킨다.

이제 신탁이 도착했고 신들이 그 안에서 말한다고 여겨진다면, 과학자에서 사제가 된 AI 연구자에게 남은 일은 신탁의 말을 해석하는 것이다. 모하메드 아민 페라그(Mohamed Amine Ferrag), 노르베르트 티하니(Norbert Tihanyi), 메루안 데바(Mérouane Debbah)는 2026년 6월 1일 IEEE Access에 대형 언어 모델의 추론에서 자율 AI 에이전트로 이어지는 흐름을 종합적으로 검토한 글을 실었다(14권, 84237~84285쪽). 사제들은 신에게 계속 제물을 바쳐야 한다. 캘럼 캔트(Callum Cant), 제임스 멀둔(James Muldoon), 마크 그레이엄(Mark Graham)은 2024년 8월 6일 출간된 『Feeding the machine: the hidden human labor powering A.I.』에서 AI를 뒷받침하는 숨은 인간 노동을 다뤘다. 그리고 다가오는 파괴신을 경고해야 한다. 애슐리 카풋(Ashley Capoot)과 아르준 카르팔(Arjun Kharpal)은 2026년 9월 9일 CNBC에서 AI가 모든 인간을 죽일 가능성이 10%를 넘는다는 한 연구자의 주장을 둘러싼 전문가 의견을 전했다.

이 글은 현대 AI 연구가 새로운 지식을 만드는 대신 모델에 지식이 있는 것처럼 보이게 하는 데 집중한다고 주장한다. 원문은 논문 절반 이상이 에이전트 파이프라인을 다룬다는 수치의 조사 방법이나, 인용된 주장에 대한 반대편의 설명을 밝히지 않는다.