AI에 대한 집착이 AI의 생존에 필요한 연구 분야를 고사시킬 수 있다

저는 10년 동안 인공지능만을 다뤄 왔습니다. 2022년만 해도 AI만을 전담하는 기자는 전 세계에 손에 꼽을 정도였지만, 이제는 그 수가 수천 명을 훌쩍 넘습니다. 자금력이 더 탄탄한 매체들은 인공지능만 전담해 취재하는 직원을 여러 명 두고 있습니다.

이제 인류는 한 세기에 한 번 있을까 말까 한 문화적·기술적 현상에 관심과 노력, 두려움과 희망을 집중하고 있습니다. 유용한 대규모 언어 모델과 효과적인 확산 기반 이미지 및 동영상 생성 기술이 등장하기 전까지 이 현상은 ‘호기심의 대상’ 정도에 머물러 있었습니다. 딥페이크는 정치적 논쟁거리였지만, 세계 경제는 겉보기에는 위협받지 않았습니다.

‘일상적인’ AI 폭풍

이제 모든 것이 달라졌습니다. 모든 것이 위협받고, 모든 것이 뒤흔들리고 있으며, 어쩌면 2026년은 이듬해에 대한 예측을 근거에 기반해 내놓기가 가장 어려운 해였을지도 모릅니다*.

새로운 폐쇄형 모델과 공개 가중치 모델이 매주, 때로는 일주일에 여러 차례씩 출시됩니다. 출시 빈도가 워낙 높아 일부 모델은 애호가나 취미로 활동하는 사람들 사이에서도 검토되지 않습니다. 이들은 이런 흐름에 점점 회의적인 시각을 갖게 되었고, 끊임없이 쏟아지는 출시 소식에 주목받으려면 갈수록 더 높은 기준을 충족해야 하는 상황입니다.

연구와 제품 출시 동향을 관심을 갖고 전문적으로 지켜보는 사람으로서 말하자면, AI 연구개발의 여러 분야에서 일어나는 개선은 전체적으로 큰 영향을 미치지만, 대개는 작은 폭으로 점진적으로 나타납니다. 트랜스포머처럼 혁명적이거나 진화의 분기점이 되는 획기적인 변화로 나타나는 경우는 드뭅니다. 사실 이는 예전부터 그래 왔습니다. 요즘 사람들을 놀라게 하는 것은 AI의 최신 기능보다 경제에 미치는 영향인 경우가 대부분입니다.

또한 이전에도 언급했듯이, 2022년 이후 AI 연구가 엄청나게 급증하면서 제시된 아이디어의 질이 항상 그 양에 부합하는 것은 아니다. 상당수는 기존 연구와 더 참신한 연구를 재탕하거나 재조합·재구성한 ‘프랑켄슈타인식’ 결과물이다. 이전 연구보다 상당한 개선을 이룬 듯한 인상을 주도록 설계된 짜깁기식 아키텍처지만, 자세히 살펴보면 취약한 방법론이나 터무니없이 높은 VRAM 비용 때문에 제약을 받는다. 이때 개선은 겉보기에만 상당하다.

관심 분야가 황량한 유령 도시가 되다

수천 명의 기자가 AI 취재로 옮겨 가면서, 이들이 전에 다루던 주제는 필연적으로 직접적인 관심을 덜 받게 되었을 것입니다. 한편으로는 큰 문제가 아니었을 수도 있습니다. AI라는 주제와 그 활용이 문화와 인프라 전반에 워낙 널리 퍼졌기 때문입니다. 예를 들어 에너지 담당 기자는 이제 다른 어떤 주제보다 AI 관련 문제를 더 많이 취재할 수 있습니다. 경제, 고용, 정치, 정책 등을 담당하는 기자들도 마찬가지입니다.

이제는 이 모든 주제를 AI라는 관점으로 다룰 수 있는 듯했습니다. 이는 ‘전담’ AI 보도가 크게 늘어난 이유를 부분적으로 설명해 줄 수도 있습니다. 이런 보도 분야는 계속해서 축소되고 있지만(최근에는 다소 회복세를 보였습니다).

그렇다면 ‘AI 집착’ 때문에 다른 주제들이 충분한 보도를 받지 못하고 있는 것은 아닐까요? 그런 주제에서 다뤄지는 이야기와 동향, 여러 갈래의 연구가 결국 AI라는 ‘황금 주제’ 자체에도 영향을 미칠 수 있는데 말입니다.

하지만 어쩌겠습니까? 자원은 한정되어 있고, 지금까지 AI는 세기의 화두입니다.

AI를 향한 거대한 이동

이 주제에 대한 제 관심을 다시 불러일으킨 새 논문에 따르면, AI 자체에 이런 일이 벌어지고 있을지도 모릅니다. 연구 위축과 데이터 재투입이 미래 모델의 품질을 떨어뜨릴 위험뿐 아니라, 여러 학문 분야에서 아이디어가 생겨나고 서로 영향을 주고받는 더 넓은 과학 생태계가 AI 연구에 지나치게 집중되고 있다는 것입니다. 그 결과, 서로 무관해 보이는 아이디어 사이의 뜻밖의 연결이 한 분야 전체를 바꿀 수 있는 ‘뜻밖의 발견’이 점점 드물어질 수 있습니다.

간단히 말해, 인공지능의 획기적 발전이 가속화될수록 그 발전의 동력은 더 빨리 고갈된다라는 제목의 새 연구는 AI에 대한 집착이 새로운 발전이 일어나는 주변 여건을 잠식하고 있다고 말합니다. 여기에는 AI에 직접 영향을 미치는 발전도 포함됩니다. 저자들의 말을 지나치게 단순화하자면, 새롭게 관심이 집중된 이 분야에는 ‘근친 교배적 경향’이 있으며, 이는 좋은 결과로 이어질 것 같지 않습니다.

논문은 다음과 같이 밝힙니다^†.

‘지배적인 패러다임은 경쟁자뿐 아니라, 그 패러다임의 후계자가 새롭게 조합될 수 있었던 다양성까지 없앤다.

‘2017년 이후 관심 분야가 좁아진 현상, 분야를 바꾼 저자 중 절반 이상이 AI로 이동한 현상, 새 아이디어의 활력이 떨어진 현상, 그리고 여러 주기에 걸쳐 활동 중인 아이디어 집단의 감소세가 가팔라진 현상은 모두 하나의 체계를 보여 준다. 그 체계에서는 지배적 패러다임의 성공이 오히려 그 패러다임이 만들어 낸 창의적 역량을 약화시키고 있다.’

앞선 연구에서는 AI가 연구를 획일화할 수 있다고 지적했지만, 새 연구의 저자들은 AI의 영향력이 커지면서 AI의 발전을 이어가는 데 필요한 새로운 아이디어가 고갈될 수 있다고도 봅니다. 이들은 AI 연구를 생명과학에 비유합니다. 생명과학에서는 극저온 전자현미경과 AlphaFold 같은 획기적인 성과가 비슷한 혁신과 쇠퇴의 순환을 촉발한 바 있습니다.

이러한 가설을 뒷받침할 실증적 근거를 마련하기 위해 저자들은 1990년부터 2025년까지 발표된 OpenAlex의 컴퓨터 과학 논문 718만 편을 분석해 연구 주제와 인용의 변화, 분야를 옮긴 연구자 370만 명의 이동, 그리고 AI의 영향력 확대가 과학적 다양성에 미친 영향을 알아보기 위한 동료 심사 73,089건을 추적했습니다.

데이터에서 드러난 가장 흥미로운 결과 중 하나는 최근 연구자들이 기존에 연구하던 분야를 떠나 AI 분야로 이동한 현상과 관련이 있습니다.

‘이동한 연구자들은 경력이 중반에 접어들고 어느 정도 입지를 다진 연구자들로, 자신이 쌓아 온 명성을 안겨 준 연구를 떠나 해당 분야의 강한 흡인력에 이끌려 이동합니다. 이 과정에서 분야 전환에 따른 불이익을 감수하기도 합니다.’

연구에 따르면 컴퓨터 과학 분야 간 이동으로 기록된 918,862건 가운데 절반이 넘는 이동이 AI 분야로 향했습니다. 특히 시스템 연구와 이론 연구 등 다른 분야에서는 연구자들이 꾸준히 빠져나갔습니다.

새 논문을 바탕으로 1990년부터 2025년까지 컴퓨터 과학 논문 중 AI, 시스템, 이론을 다룬 논문의 비중이 어떻게 변했는지 보여 줍니다. 각 칸은 1년을 나타내며, 파란색은 비중이 높음을, 빨간색은 낮음을 의미합니다. AI의 비중은 2017년 이후 급격히 늘어난 반면, 다른 분야의 비중은 감소했습니다. 출처

분야를 옮길 가능성이 가장 높은 연구자는 경력을 쌓고 입지를 다진 경험 많은 학자였습니다. 한편 전체 컴퓨터 과학 논문에서 AI가 차지하는 비중은 2017년 40%에서 2025년 55% 초과로 늘었습니다.

Arxiv 블로그에 따르면, 2024~26년 2년 동안 컴퓨터 과학 분야 제출 논문이 증가했습니다. 출처

세 가지 신호

논문은 저자들이 2017년 이후 컴퓨터 과학의 특징으로 자리 잡았다고 주장하는 세 가지 ‘수렴하는 징후’를 제시합니다.

첫 번째는 Transformer 아키텍처가 도입된 2017년 이후 연구의 관심 범위가 급격히 좁아진 현상입니다. 저자들은 컴퓨터 과학 논문 718만 편에서 가장 두드러진 키워드 10개씩을 추출해 연구가 얼마나 같은 주제에 집중되고 있는지 추적했습니다.

2017년 이후 컴퓨터 과학 연구가 점점 더 집중되어 온 양상을 보여 주는 그래프입니다. 왼쪽: 연구자들이 더 좁은 범위의 주제에 집중하고 있습니다. 오른쪽: 점점 더 적은 수의 논문에 인용이 집중되고 있습니다. 두 추세 모두 Transformer가 등장하면서 빨라졌습니다.

수십 년 동안 이러한 집중도는 인터넷과 스마트폰, 딥러닝의 부상 속에서도 비교적 안정적으로 유지됐습니다. 그러나 2017년부터 2025년까지 연구 관심도의 지니 계수^†† (위 이미지 참조)는 0.26에서 0.33으로 올라 27% 증가했습니다. 인용도 더 집중되어 지니 계수가 0.60에서 최고 0.69까지 상승했습니다.

Tsinghua University, University of Chicago, Santa Fe Institute 소속 연구자들은 다음과 같이 밝혔습니다.

‘Transformer는 이전 기술과는 다른 규모로 이 분야를 뒤흔들었습니다. 이러한 양상은 인위적인 결과가 아닙니다. [keyword count]에 변화를 주어도 그대로 나타납니다.’

이어 다음과 같이 덧붙였습니다.

‘2017년부터 2025년까지 컴퓨터 과학 논문에서 AI가 차지하는 비중은 40%에서 55% 초과로 늘어난 반면, 시스템 연구는 오랜 전성기를 지나 쇠퇴하고 이론 연구는 더욱 위축되었습니다.’

따라서 이러한 결과는 컴퓨터 과학 분야가 확장되는 동안에도 연구자들이 점점 더 같은 아이디어를 추구하고, 더 좁은 범위의 연구를 인용했음을 시사합니다.

두 번째 ‘징후’는 전문 분야를 떠나 AI 연구에 뛰어드는 연구자가 늘어나는 현상입니다. 저자들은 연구자 370만 명의 이동을 추적해 컴퓨터 과학 분야 간 이동 사례 약 919,000건을 확인했습니다. 이 가운데 53.81%는 AI 분야로 향했습니다. AI는 해마다 연구자가 늘어난 반면, 시스템 연구와 이론 연구에서는 연구자가 꾸준히 줄었습니다.

AI 분야로의 연구자 이동. 왼쪽 그래프는 다른 컴퓨터과학 분야의 연구자 중 AI 분야로 옮기는 비중이 점차 커지는 반면, 시스템과 이론 분야는 입지를 잃고 있음을 보여준다. 오른쪽의 두 그래프는 누가 가장 많이 이동하는지 보여준다. 논문 발표 경력이 약 32년에 이르고, 동료 연구자의 약 82%보다 논문 실적이 우수한 연구자들이다. 연구자가 다른 분야에서 논문을 더 많이 발표하기 시작하면 분야를 바꾼 것으로 집계한다.

분야를 바꾼 연구자는 신진 연구자나 원로 연구자보다 경력이 쌓인 중견 학자일 가능성이 높았다. AI 분야로 이동할 가능성은 학술 경력 31.8년인 연구자에게서 가장 높았으며, 논문 실적이 백분위 기준 82에 해당하는 연구자에게서도 가장 높았다.

논문에서 언급한 세 가지 추세 중 세 번째는 동료 심사에 가중되는 부담이 커지고 있다는 점이다. 동료 심사는 다른 연구자들이 논문이 발표되기 전에 과학 논문의 품질과 신뢰성을 평가하는 절차다.

저자들은 2017년부터 2025년까지 45개 학회 및 기타 학술 행사에 제출된 논문 26,731편에 대한 심사 73,089건을 살펴본 결과, 심사자들이 논문을 평가할 능력에 대해 느끼는 자신감이 5점 만점에 3.9점에서 2.9점으로 떨어진 것을 확인했다.

2017년부터 2025년까지 과학 논문 동료 심사에서 나타난 변화를 보여주는 그래프. 왼쪽 그래프는 제출된 논문을 평가할 능력에 대한 심사자들의 자신감이 낮아져 점수가 5점 만점에 3.9점에서 2.9점으로 하락했음을 보여준다. 오른쪽 그래프는 적대적인 심사 의견을 추적한다. NeurIPS 학회가 더 투명한 OpenReview 플랫폼으로 옮긴 2021년에 의견이 잠시 줄었다가 다시 증가했다. 두 선 모두 3년 이동 평균을 나타낸다.

저자들은 이러한 하락이 AI의 급속한 확산을 반영하는 것일 수 있다고 제안한다. 이로 인해 논문을 적절한 자격을 갖춘 심사자와 연결하기가 더 어려워졌다는 것이다.

‘심사자 풀은 AI의 중력에 이끌린 신진 연구자들로 넘쳐나게 됐다. 심사자들은 자신의 핵심 전문 분야를 벗어나는 AI 방법이 포함된 논문을 점점 더 많이 맡게 된다. 투고 논문을 진정한 전문가 심사자와 연결하는 일은 구조적으로 어려워졌다.’

‘이런 상황에서 논문 채택 여부는 점점 동전 던지기처럼 되고 있다.’

골드러시가 끝난 뒤

이 논문은 또한 AI의 가장 중요한 돌파구가 결국 스스로의 소진을 앞당길 수 있다고 시사한다. 주요 발전이 있을 때마다 새로운 아이디어가 급증하지만, 이러한 초기 혁신의 물결은 연구가 돌파구 자체에 점점 더 집중되면서 활력을 잃은 반복으로 굳어지기 때문이다.^†:

‘현대 AI의 연이은 발전 주기는 더 일찍 포화되고, 더 급격히 소진된다. 주기가 압축되고 있다.

‘AlexNet, 트랜스포머, 대규모 언어 모델이라는 세 가지 주요 기술 발전을 아우르는 36년간의 컴퓨터과학 발전 과정에서 우리는 같은 나선형 양상을 반복해서 관찰한다[pattern].

‘주목할 점은 이러한 양상이 컴퓨터과학에만 국한되지 않는다는 것이다. 생물학에서도 주요 비계산 분야의 발전(예: 극저온 전자현미경)과 계산 분야의 발전(예: AlphaFold) 이후 똑같은 소진 주기가 나타나는 것을 관찰했다.’ 

이러한 ‘소진’은 오토인코더, 생성적 적대 신경망(GANs), 그리고 오토인코더를 활용한 딥페이크 같은 접근법에서도 분명히 나타났다. 이 모든 접근법은 잠재력이 명백히 소진된 뒤에도 수년간 연구자들에게 가차 없이 혹사당했다. 마침내 새로운 프레임워크와 접근법이 등장해 그 부담을 덜어줄 때까지 말이다.

어쨌든 이러한 주기를 추적하기 위해 저자들은 과학 논문 초록에서 특징적인 명사와 문구를 찾아내고, 연구 아이디어의 변화를 나타내는 지표로서 해당 표현이 처음 등장하고 사라졌다가 때때로 다시 나타나는 양상을 살폈다.

2012년의 AlexNet과 2017년의 트랜스포머는 각각 새로운 아이디어의 물결을 일으켰고, 그 물결은 결국 잦아들었다. 돌파구가 나올 때마다 AI는 더 앞서 나갔고, 다른 컴퓨터과학 분야는 뒤처졌다. 결국 이들 분야에서 새로운 아이디어가 생겨나는 속도는 2012년 이전보다 낮아졌다.

AI 분야(파란색), AI가 아닌 컴퓨터 과학 분야(빨간색), 두 분야를 합친 경우(보라색 점선)에서 새로운 연구 아이디어가 차지하는 비중을 비교한 그래프다. 2012년 AlexNet과 2017년 Transformer 이후 새로운 아이디어가 급증했다가 감소했다. 두 번째 돌파구 이후 AI의 우위는 더 커졌다. 선은 3년 이동 평균을 나타낸다.

이러한 패턴은 사용되지 않게 되는 아이디어에서도 나타난다. 새로운 돌파구가 오래된 접근법을 밀어내는데, 때로는 그 접근법이 등장하고 수년이 지난 뒤에야 그렇게 된다. 그러나 돌파구 자체도 같은 순환에 휘말린다. 돌파구마다 연구 관심이 급증하지만 결국 그 열기는 잦아들고, 분야는 추진력을 되살릴 또 다른 발견을 기다리게 된다(가우시안 스플래팅에서 31년의 공백 뒤에 일어난 일처럼):

2012년부터 2025년까지 AlexNet 원 논문(빨간색)과 Transformer 원 논문(파란색)이 받은 인용 비중을 비교한 그래프다. 두 논문 모두 인용 비중이 높아졌다가 급격히 하락해, 주요 돌파구에 대한 관심이 결국 사그라드는 모습을 보여준다. 선은 3년 이동 평균을 나타낸다.

저자들은 AI의 성공으로 연구자와 아이디어가 소수의 지배적인 접근법에 집중되는 한편, 그 후속 접근법의 탄생에 기여할 수 있는 주변 분야는 계속 입지를 잃고 있다고 주장한다. 이러한 상황이 미래의 돌파구를 완전히 가로막을 것이라고 단정하지는 않지만, AI가 다음 도약에 필요한 다양성을 서서히 잠식하고 있을 가능성을 제기한다.

현재도 활발히 사용되는 아이디어의 수를 추적한 결과, AI 개발의 연이은 물결을 거치며 실제 수치는 예상치보다 점점 더 크게 밑돌았다. Transformer 이후의 격차는 AlexNet 이후보다 더 컸다:

AI의 연이은 돌파구를 거치며 활발히 연구되는 아이디어의 수를 보여주는 차트다. 실선은 모형으로 산출한 증가 추세를, 점선 구간은 실제 수치가 예상 수준보다 낮아진 경우를 나타낸다. Transformer 이후의 격차는 AlexNet 이후보다 크며, LLM 시대에도 초기에 감소세가 나타난다.

요약하면, 저자들은 AI와 관련된 과제 가운데 갈수록 좁은 범위에 노력과 인력이 집중되면서, 과거에는 자연스럽게 AI 분야에 아이디어를 공급했을 인접 분야와 다양한 다른 분야가 빈곤해질 위험에 처했다고 결론짓는다.

2025년 노벨 경제학상 수여와 관련해 John Hassler가 남긴 논평을 언급하며, 저자들은 다음과 같이 결론짓는다:

‘노벨위원회는 침체를 피하려면 창조적 파괴의 메커니즘을 유지해야 한다고 경고했다. 우리의 연구 결과는 그 메커니즘 가운데 하나인 지적 다양성을 밝혀내고, 현재의 제도들이 이를 약화시키고 있음을 보여준다.

‘심사 제도, 논문 제출 수수료와 규정, 보상 체계, 채용과 승진, 퇴직 관행을 비롯해 관심을 배분하는 제도는 모두 다음 패러다임이 등장할 여지가 있는지를 좌우한다 12.

‘이 제도들을 잘 설계하려면 현재 승기를 잡은 패러다임에 더 힘을 실으려는 충동을 억제하고, 탐색보다 집중에 부담을 지우며, 평가 권한을 다작하는 이들에게서 새로움을 추구하는 이들에게로 옮겨야 한다.

‘창조적 파괴는 다시 결합할 무언가를 남겨 두는 동안에만 성장을 지탱한다. 특이점 뒤에는 그 뒤를 이을 것이 없다.’

* 이런 현상을 가리키는 말이 있어야 할 텐데. ‘예측 저항적’? 글쎄, 그건 독립된 단어가 아니라 표현이기도 하고, 2026년의 관점에서 본 2027년이 아니라 2026년 자체를 가리키는 말처럼 들린다. ‘미래화 불가능한’? 맞춤법 검사기에서 빨간 밑줄이 그어졌으니, 이 표현으로 정하자.

^† 저자가 본문에 넣은 인용을 하이퍼링크로 바꾼 것은 필자다.

^†† 지니계수는 어떤 대상이 얼마나 불균등하게 분포하는지를 0(완전한 평등)부터 1(최대 집중)까지의 척도로 나타낸다. 여기서는 점수가 높을수록 연구자들이 더 적은 주제에 집중하고 있다는 뜻이다.

2026년 10월 21일 수요일 최초 게시