인공지능, 연구 효율성 극대화 도구로 부상
인공지능(AI)을 활용해 연구를 촉진하는 방법이 궁금하다면, 주목해야 할 프로그램들이 있다.
모하메드 샤피는 2022년 말 인도공과대학 구와하티에서 토목공학 박사 과정을 수학 중인 학생으로, 친구들이 AI 도구를 사용하는 모습을 처음 봤을 때는 큰 매력을 느끼지 못했다. 많은 이들이 구글 대신 OpenAI의 ChatGPT와 같은 생성형 AI 플랫폼을 사용했지만, 곧 학생과 과학자를 위한 AI 도구의 중요성을 깨달았다. 현재 샤피는 AI 플랫폼을 사용해 새로운 연구를 업데이트 받고, 복잡한 주제를 이해하며, 실험 문제를 해결하고, 글쓰기를 정리하는 등의 작업에서 AI를 활용하고 있다. 그는 AI 도입을 "연구를 위한 혁명"이라고 평가하며, 이는 많은 대학생과 과학자들이 AI를 정기적으로 사용한다는 설문조사 결과로도 확인된다. 초기에는 우려가 있었지만, 학계는 점점 통제된 AI 활용에 개방적이 되어가고 있다.
다양한 방식으로 연구 과정을 간소화할 수 있는 AI 활용법은 다음과 같다:
AI 기술로 문헌 리뷰 효율 향상
최근 AI 플랫폼, 특히 액티브 러닝을 활용한 프로그램들은 크게 발전했다. 구글의 Gemini Deep Research나 OpenAI의 Deep Research 같은 도구는 사용자가 포괄적인 문헌 조사를 효율적으로 수행할 수 있게 한다. 이들 프로그램은 텍스트, 그림, 시각화, 그리고 철저한 참조를 포함한 보고서를 생성한다. MIT의 박사 과정 학생 척 다우닝은 이러한 도구들이 복잡한 주제를 이해하는 데 유용하다고 평가한다.
문서와의 상호작용 강화
SciSpace 같은 플랫폼은 'PDF와의 대화' 기능을 제공해 사용자가 논문을 업로드하고 내용을 명확히 이해하기 위한 질문을 할 수 있다. 코넬 대학의 박사 과정 학생 데이비드 톰킨스는 AI를 활용해 연구 논문을 요약하고, 토론을 위한 준비 자료로 활용한다.
가설 생성 지원
AI는 다양한 정보 스트랜드를 연결해 연구의 빈틈을 식별할 수 있는 능력을 갖추고 있다. 여러 출처의 아이디어를 결합해 새로운 가설을 생성하는 도구가 연구자들 사이에서 개발되고 있다. 샤피는 미세 플라스틱에 관한 자신의 논문에서 Research Rabbit을 사용해 상호연결된 연구를 시각화했다.
실험 지원 기능
CRESt와 같은 AI 기반 소프트웨어는 데이터를 관리하고, 실험 장비를 제어하며, 발견 사항을 문서화하는 등의 방식으로 실험을 지원한다. MIT의 박사 과정 학생인 지추 런은 복잡한 실험 과정을 지원하기 위해 CRESt를 개발했다.
데이터 분석 및 통계
GitHub의 Copilot이나 Cursor와 같은 코드 편집기는 연구자들이 데이터를 관리하고, 분석 파이프라인을 설계하며, 코딩 문제를 해결하는 데 도움을 준다. 다우닝은 이러한 도구들이 연구자가 코딩과 데이터 분석에 접근하는 방식을 혁신했다고 전한다.
코드 접근성 확대
고라브 랙타는 CatalyzeX를 설립해 연구 프로젝트에서 기존 코드를 재사용할 수 있도록 했다. 이 플랫폼은 연구자가 학술 논문 내의 오픈 소스 코드를 쉽게 찾아 공유할 수 있게 해주어 중복 노력을 줄이고 연구의 재현성을 향상시킨다.
이러한 AI 도구들은 연구에서 효율성을 높이고, 비판적 사고를 지원하며, 혁신을 촉진하는 역할을 한다.
출처 : 원문 보러가기
