이석원 기자
AI 발전은 학술 연구 분야에서 데이터 조작이나 생성 이미지 사용과 같은 우려를 야기하고 있지만 동시에 연구 효율 향상, 신약 개발, 새로운 물질 구조 발견 등에서 중요한 성과를 이뤄내고 있다. 미국 MIT 박사 과정 학생인 에이든 토너 로저스(Aidan Toner Rogers)는 AI 지원을 받은 우수한 과학자가 혁신을 촉진했다는 연구 결과를 발표했다.
이번 연구는 미국 대기업에서 의료, 공학, 제조 관련 소재 공학을 전문으로 하는 연구직 과학자 1,018명을 대상으로 진행됐다. 연구 대상자에게는 특정 특성을 가진 신소재 레시피를 생성하는 AI 도구가 제공됐다.
이 AI 도구는 기존 소재 구조와 특성을 학습한 GNN 기반으로 소재를 원자와 결합의 다차원 그래프로 표현하고 물리 법칙을 학습해 대규모 특성을 인코딩할 수 있었다. 과학자는 AI가 생성한 결과를 평가해 유망한 조합을 식별하고 신소재를 합성했다.
AI 지원을 받은 과학자는 44% 더 많은 신소재를 발견했으며 이를 통해 특허 출원 수가 39% 증가했다. 또 AI는 신소재를 활용한 제품 프로토타입 개발을 17% 증가시켰다. AI 도입 후 5~6개월 사이 신소재 발견과 특허 출원이 증가했고 1~1.5년 뒤에는 신제품 개발로 이어졌다. AI 도입 비용을 고려했을 때 연구 개발 효율은 13~15% 향상된 것으로 나타났다.
AI는 과학자의 작업 방식을 크게 바꿨다. 과거 과학자가 신소재 아이디어를 내는 데 소요하던 시간, 전체 중 40%는 AI 도입 후 16% 미만으로 감소했다. 대신 AI가 제안한 후보군을 평가하는 시간은 거의 2배로 늘었고 실험 시간도 증가했다.
물론 AI는 모든 과학자에게 동일한 효과를 발휘하지 않았다. 상위 10% 엘리트 과학자 성과는 81% 증가했지만 생산성이 낮은 과학자는 성과 개선이 미미했다. 하지만 성과가 향상된 과학자조차 업무 만족도가 감소하는 경향이 있었다. 불만족 이유로는 첫째 자신의 스킬이 활용되지 않는 느낌(73%). 둘째 창의성 감소 및 반복 작업 증가(53%), 셋째 성과 기여도에 대한 공정성 문제(21%), 넷째 AI 도구의 복잡성(19%) 순이다. 한 과학자는 AI에 대해 도구 성능은 인상적이지만 자신이 쌓아 온 많은 노력이 무의미해진 것처럼 느껴진다며 이 방식은 자신이 경험을 쌓아 온 방식이 아니기 때문이라고 언급했다.
연구자는 AI는 신소재 발견을 촉진하고 특허 출원과 제품 혁신을 증가시켰지만 이런 효과는 AI를 능숙히 다룰 수 있는 과학자와 결합될 때만 발휘된다며 우수한 과학자는 AI가 제안한 유망한 아이디어에 우선순위를 매길 수 있지만 그렇지 않은 과학자는 잘못된 후보를 테스트하는 데 과도한 리소스를 낭비할 가능성이 있기 때문이라고 결론지었다. 관련 내용은 이곳에서 확인할 수 있다.
정용환 기자
