토론주제 : 인공지능 시대 달라진 연구 현장 및 연구자의 모습
SIMPLE Lab.
안녕하세요. 저희는 Purdue University 에서 건설관리(Construction Management) 를 전공하고 있는 SIMPLE Lab. 팀입니다. 저희팀은 학부생, 대학원생, 박사후 연구원, 객원연구원, 및 교수로 구성되어 [인공지능 시대에서의 연구자의 달라진 현장 및 모습]들을 폭넓게 토론하였습니다. 이렇게 다양한 포지션에 있는 사람들이 다같이 식사를 하면서 좋은 이야기를 할 수 있게 도움을 주신 KOSEN 에 감사의 인사를 드립니다.
서론
인공지능 시대는 연구 현장과 연구자들의 역할에 혁신적인 변화를 불러왔습니다. 먼저, 대규모 데이터 수집 및 처리 능력이 향상되면서 기존의 연구 방법론에서 벗어나 data science, 기계 학습, 딥러닝 등 새로운 기술에 중점을 둔 연구가 증가하고 있습니다. 딥러닝과 인공신경망 기술의 발전으로 더욱 복잡하고 정교한 모델을 구축할 수 있게 했고, 이미지 인식, 자연어 처리, 음성 인식 등 다양한 분야에서 혁신적인 성과가 도출되고 있습니다. 이와 같은 기술을 활용하여 연구자들은 더 많은 양의 데이터를 수집, 분석하여 기존에 알 수 없었던 패턴을 식별하고, 인공지능 모델을 개발하여 복잡한 문제에 대한 해결책을 찾고 있습니다.
우리는 인공지능의 다양한 분야 중, 특별히 생성형 인공지능(Generative AI)에 초점을 맞추고자 합니다. 생성형 인공지능은 대화, 이미지, 동영상, 음악 등 새로운 콘텐츠와 아이디어를 만들 수 있는 인공지능의 한 갈래입니다. 생성형 인공지능 기술은 이미지 인식, 자연어 처리 (NLP), 번역과 같이 새로운 컴퓨팅 작업에서 인간 지능을 모방하려고 시도하고 있습니다.
인공지능의 출현 이전에는 궁금한 것이 있거나, 어떠한 연구를 위한 프로그램 코드를 작성해야 한다면, 프로그래밍 언어부터 차근차근 배우는 등 많은 시간을 투자해야 했습니다. 그러나 인공지능, 그중에서도 생성형 인공지능의 등장으로 우리의 삶과 연구 방식은 큰 변화를 맞이하게 되었습니다. 생성형 인공지능 기술은 특히, 새로운 기술을 빠르게 접목해야 하는 연구 현장에 많은 영향을 끼쳤습니다. 이번 글에서는 생성형 인공지능이, 연구자들의 연구하는 방식에 있어서 어떠한 변화를 불러왔는지를 중점적으로 다루고자 합니다.
본론
현재 전 세계의 주요 IT 기업들은 대표적인 생성형 인공지능인 large language model (LLM) 모델을 개발하고 출시하고 있습니다. 이들 중 우리에게 가장 많이 알려진 모델들은 OpenAI의 ChatGPT와 Google의 Bard 등이 있습니다. 이러한 LLM 모델들은 어떠한 질문에도 응답할 수 있다는 장점 덕분에 많은 연구자들이 이를 활용하여 연구를 진행하고 있습니다.
LLM 모델들은 질문의 표현 방식이나 세부적인 내용에 상관없이, 대부분의 경우에서 빠른 시간 내에 원하는 답변을 제공한다는 장점이 있습니다. 인공지능의 등장 이전에는 궁금하거나, 모르는 내용에 대해 인터넷을 통해 7~8개의 웹사이트를 참조하거나, 타인에게 질문하여 답변을 얻어야 했습니다. 그러나 현재는 LLM 모델에 질문을 하면, 무료로 빠른 시간 안에 원하는 답변을 얻을 수 있습니다. 여러 연구를 오랫동안 검색하고 공부해야 하는 연구자들에게는 이러한 부담들을 덜어준다는 장점이 있을 수 있습니다. 하지만, LLM 모델에게도 단점이 존재합니다. 인공지능 모델이 제시하는 답변이 정확해 보일지라도, 실제로는 오류를 포함하고 있을 수 있습니다. 따라서 연구자들은 생성형 인공지능 활용할 때 사실 여부를 점검해야 할 필요가 있습니다.
생성형 인공지능은 현재 글쓰기 분야에서 강력한 힘을 보입니다. 최근 많은 연구자들은 ChatGPT와 같은 생성형 인공지능을 활용해서 한글로 작성된 논문을 높은 수준의 영어 논문으로 수정하는 데 활용하기도 합니다. 또한 이메일 작성 시, 생성형 인공지능에게 상황과 목적을 제공하면, 인공지능이 읽는 사람으로 하여금 매우 쉽게 이해할 수 있는 이메일을 작성하여 제공해 줍니다. 이 외에도 생성형 인공지능은 슬라이드 작성, 사진 및 그림 등을 생성하는 데 활용되기도 합니다. 이러한 점을 고려하면, 연구자들은 연구 보고서 작성이나 발표 시 다양한 생성형 인공지능을 활용한 이점을 얻을 수 있을 것으로 생각합니다.
하지만, 연구자들은 생성형 인공지능을 무분별하게 활용할 수 있는 환경에 놓여 있기 때문에, 잘못된 생성형 인공지능 활용은 다양한 문제점을 발생할 수 있다는 점을 알아야 합니다. 연구자들은 본인의 연구에서 생성형 인공지능을 활용 시, 프라이버시 문제, 저작권 문제, 표절 문제, 연구 윤리 문제 등 법적 문제가 될 수 있는 사안들을 확인하고 대비해야 합니다. 또한 생성형 인공지능은 위에서 언급된 바와 같이 올바르지 않은 답을 제공할 수 있기 때문에 연구자들은 도출된 답에서 사실관계를 점검할 수 있는 기회를 가질 필요가 있습니다.
결론
인공지능은 많은 연구원들의 연구 방식을 바꾸고 있습니다. 새로운 정보를 더욱 빠른 시간 안에 얻을 수 있고, 또한 이메일이나 보고서 같은 글을 작성할 때도 상대방이 이해하기 편하게 작성해 주어 무언가 일을 할 때 빠르고 효율적으로 일을 할 수 있다는 장점이 있습니다.
하지만, 이러한 장점들과 동시에 딸려 오는 인공지능의 단점 역시 무시할 수 없습니다. 특히, Hallucination 현상으로 인해 잘못된 정보를 올바르다고 오해할 수도 있다는 점은 연구자에게 있어서 매우 치명적으로 작용할 수도 있습니다. 또한, 연구자들의 LLM 모델의 오용으로 인한 저작권 문제, 표절 문제 등 연구 윤리와 관련된 문제들에 대해서도 연구자들은 꼼꼼히 확인하고 대처해야 합니다.
인공지능이 인류에게 주는 장점은 인공지능의 단점을 무시하게 할 정도로 매우 많습니다. 하지만, 이런 장점들에 따른 단점들도 매우 치명적이기에, 인공지능의 장점을 최대한 활용하되, 단점을 보완하고, 윤리에 관한 문제들을 끝없이 고민하며 연구의 효율과 속도를 극대화하는 연구자가 되어야 할 것입니다. 또한, 이것이 바로 앞으로의 연구자들이 극복해야 할 도전 과제라고 생각합니다.
만남후기
장교철(gcj0125)
2023-12-18
평소 생각해왔던 주제에 대해서 저와 다른 생각들을 들어보고 견문을 넓힐 수 있는 좋은 시간이었습니다. 앞으로 이런 기회가 많이 있었으면 좋겠습니다!
강현아(iamhyuna7)
2023-12-22
KOSEN에서 지원해주신 소중한 기회를 통해, 평소에 깊게 생각해보지 못했던 인공지능 시대에 달라진 연구 현장과 연구자의 모습에 대해 고민해보고 논의할 수 있었습니다. AI 활용 사례와 사용자(연구자)가 지녀야 할 윤리 의식에 대한 토론도 인상 깊었으며, 앞으로의 미래가 더욱 궁금해지는 시간이었습니다. 다음에도 교류할 수 있는 기회가 더 많으면 좋겠습니다 :)
한번쯤 생각해보아야할 주제에 대해서 토론하게 되어 너무 좋은 시간이었습니다! 모임을 지원해주신 KOSEN 관계자 분들께도 감사의 말씀을 전하고 싶습니다~~