AI 연구 분야의 특징



1. 신기술 적용이 무지무지 빠르다


많은 연구가 오픈소스 라이선스를 따르고 논문 발표와 함께 당장 구동가능한 소스코드를 배포하고 있음

그러면서 안정적인 생태계 (Pytorch, ONNX, CUDA, Hugging Face 등)가 잘 구축되어있어서 새로운 기술의 상용화에 필요한 시간과 비용이 타 분야와는 비교가 안될정도로 미친듯이 효율적임

그 외 메모리 반도체, 배터리 분야가 신기술은 맨날 나오지만 상용화되려면 최소 5~10년은 바라봐야 하는 것 과 매우 대조적




2. 지식 전파가 빠르다


이미 많은 분야의 대학원, 연구소에서 LLM을 활용해서 연구에 Co-Scientist로 활용하고 있지만 AI를 가장 잘 활용하는 연구분야는 바로 AI임

AI 연구자들은 하루에도 수십편씩 올라오는 자기분야 논문들을 AI 요약으로 딸깍하고 거의 LLM 그 자체만큼 기계적인 수준으로 지식을 습득함

어느 한 연구에서 새로운 방법론을 제시하게 되면 불과 몇 주 만에 경쟁 연구소에서도 같은 방법론에서 더 개선한 모델을 공개하는 수준




3. 진입장벽이 낮다


이게 잘 안받아들여질 수 있는데 타 기술분야와 비교해서 상대적으로 진입장벽이 낮다는 의미임

솔직히 까놓고 말해서 AI 태초부터 현재 기술까지 대략적인 과정과 기술을 이해하는데 학사 과정 한 학기 수업만으로도 충분함.

그래서 AI 연구자들이 금세 쏟아지듯이 나오게 되고 ChatGPT 쇼크 이후 불과 2년만에 중국에서 DeepSeek-R1을 공개한 것 도 이런 맥락임




4. 타 연구분야에 미치는 영향이 크다


가장 대표적인 예시로 평생 화학을 전공해본적이 없는 구글의 데미스 허사비스가 단백질 구조 예측 모델인 알파폴드로 노벨 "화학상"을 수상했다는 것을 보면 와닿을거임.

그래서 AI 연구자가 다른 모든 연구분야 연구자들보다 뛰어나다 그런 의미는 아니고. 인문, 예술, 체육, 에너지, 로켓, 의료, 화학, 제약 가리는 것 없이 현재 "딥러닝" 하고 연관이 없다고 말할 수 있는 분야는 단언컨데 없다는 의미.

그래서 해당 분야 연구자들도 AI 모델 자체를 개발하기도 하고 협업하면서 여러 분야의 지식과 기술을 바라보는 관점이 AI 분야 안으로 융합이 됨.



5. 목적이 불분명하다


아주 큰 맥락에서 생각할 때, AI는 인간 두뇌의 구조와 사고방식을 모방하면서 발전했음. 하지만 AI 연구자나 뇌 과학자나 여전히 사람이 어떻게 생각이란걸 하는지는 많은 연구와 노력에도 불구하고 정확히 이해하지 못함. 어떤 면으론 오히려 AI가 연구가 되면서 인간 지능에 대한 이해가 더 발전했다고 생각함.

보통 큰 목표를 정해놓고 그 과정에 빈 부분들을 채워나가는 연구들과 다르게 AI 연구는 그 자체로 매우 "재귀적"인 모습을 보여줌. 목표가 없는건 아니지만 시시때때로 바뀌게 됨.

그래서 AI가 어떻게 발전할지 예측하는 건 정말 미래를 예측하라는 것과 거의 같은 말이라고 생각함