<aside> ⚠️

“휴대전화(또는 스마트폰)을 20년 동안 한 번도 써보지 못한 사람”, “생성형 AI를 지난 2~3년 동안 한 번도 써보지 않은 사람”. 이 둘은 다르지 않다!

휴대전화부터 스마트폰이 보급되기까지 2~30년의 시간이 소요됐지만, Chatgpt는 2022년 11월 출시 후 단 2년 만에 연구, 산업, 교육, 생활의 양식을 완전히 바꾸고 있다. 이렇듯, 기술의 정착 기간으로 따져볼때, 지금 생성형 AI를 자신의 생활에 침투 시키지 못한 사람은, 곧 사회에서 도태될 것이다.

연구실도 마찬가지다. 이에 대응해서 우리는 무엇을 준비해야할까?

</aside>

“지식보다 질문이 더 중요해진 시대, 우리는 무엇을 준비해야 할까?”

요즘 ChatGPT에 “리뷰 논문 써줘”라고 하면, 꽤 그럴듯한 초안이 나온다. 코드 디버깅, 실험 설계, 논문 요약은 이제 AI가 도와주는 시대다. 처음엔 놀랍고 편했지만, 시간이 지날수록 한 가지 질문이 머릿속을 맴돌았다.

“그럼 우리는 뭐 하지?”

연구자의 전통적 역할은 빠르게 무너지고 있다

• 지식의 전달자? → GPT가 더 빠르고 정확하다 (아직까지 긴 컨텍스트에 대한 환각 문제가 있지만, 발전속도로 볼 때 금방 해결 될 것 같다).
• 실험 코드 짜는 엔지니어? → AutoML과 코드 어시스턴트가 등장했다.
• 논문 요약/리뷰 전문가? → 논문 요약은 AI가 몇 초면 끝낸다.

이제 연구자는 AI가 대신할 수 없는 영역에서 자신만의 역할을 재정립해야 한다.

그렇다면 연구자는 어떤 역할을 해야 할까?

우리는 AI가 아닌 ‘사람’만이 할 수 있는 5가지 역할에 주목하고 있다:

1. 문제 정의자

   “어떤 질문을 던질 것인가?”를 결정하는 방향 설정자

   → AI는 답은 잘하지만, 중요한 문제를 정의하진 못한다. (물론, AI보다 수준 낮은 문제 정의자는 AI의 질문에 끌려다니고, AI 모델의 의도에 따라 그들의 학습에 필요한 데이터를 생산하는 data farmer로 전락할 것이다.)

2. 연결자

   기술과 기술, 사람과 사람, 분야와 분야를 연결하는 브릿지

   → AI는 유사성을 연결하지만, 목적과 맥락을 연결하진 못한다. (긴 context의 경우 아직까지는 …)

3. 메타인지 촉진자

   학생과 팀원이 스스로 사고하고 반성할 수 있도록 이끄는 멘토

   → AI는 자신이 무엇을 모르는지 모른다. (다수의 Agent들이 만들어지고 그들을 관리하는 agent를 둔다면 가까운 미래에 이조차도 해결 될 것으로 보인다.)

4. 윤리적 가이드

   기술의 경계, 데이터의 책임, 사회적 파장에 대한 판단자

   → AI는 도구일 뿐, 책임은 사람에게 있다. 현실 세상을 살아가는 건 인간이지 AI가 아니기 때문에 이는 AI가 아무리 발전해도 유의미 할 것이다.

5. 연구 설계자

   전체 실험과 연구 흐름을 짜고, 장기 전략을 그리는 설계자

   → AI는 문제 안에서만 최적화를 잘할 뿐, 문제 밖을 바라보지 못한다. 물론 장기전략을 짜는 agent를 만들면 가능하겠지만, 그런 agent들을 만들어서 연구 조직에 투입하는 것 조차 연구 설계자의 몫