최근 몇 년간 인공지능(AI) 분야는 눈부신 발전을 거듭하며 우리 삶에 깊숙이 파고들고 있어요. 하지만 이러한 폭발적인 성장 이면에 숨겨진 그림자가 있다는 사실, 알고 계셨나요? AI 연구 분야에서 쏟아져 나오는 방대한 논문들이 오히려 정보의 홍수를 넘어 ‘슬롭 문제’라는 심각한 품질 논란에 휩싸이며 신뢰도 위기에 직면하고 있답니다. 과연 어떤 진실들이 숨어있는지, 함께 파헤쳐 볼까요?
AI 연구의 현실: ‘슈퍼 생산성’ 신화 뒤편
놀랍게도 최근 한 연구자는 1년에 100편이 넘는 AI 논문을 발표했다고 주장하며 학계의 이목을 집중시켰어요. 단순히 다작하는 것을 넘어, 이 논문들이 세계 유수의 AI 학회에서 발표될 예정이었다는 점에서 더욱 큰 충격을 안겨주었는데요. 버클리 대학교 컴퓨터 과학 교수인 하니 파리드(Hany Farid)는 이를 두고 “재앙(disaster)”이라 칭하며, AI를 활용해 소프트웨어를 만드는 ‘바이브 코딩(vibe coding)’의 결과일 수 있다고 지적했어요.
AI 분야의 뜨거운 열기 속에서 많은 학생과 연구자들이 출판 압박에 시달리고 있는 것이 현실이에요. 이러한 압박은 양질의 연구보다는 단순히 많은 논문을 내는 것에 집중하게 만들고, 심지어는 저품질의 ‘바이브 코딩’ 논문 양산으로 이어지기도 한답니다.
‘봇물’ 터진 AI 논문, 왜 품질 논란에 휩싸였을까?
AI 연구 논문의 홍수는 단순히 개인의 다작 문제를 넘어 학계 전체의 구조적인 문제에서 비롯되고 있어요. 세계 최고 수준의 AI 학회인 NeurIPS와 ICLR은 매년 기하급수적으로 늘어나는 논문 제출 수에 몸살을 앓고 있답니다. 2020년 1만 건 미만이던 NeurIPS 제출 논문 수는 2025년 2만 1천 건을 훌쩍 넘었고, ICLR 역시 2025년 1만 1천 건에서 2026년 거의 2만 건으로 급증했어요.
이렇게 폭증하는 논문 수를 감당하기 위해 학회들은 박사 과정 학생들을 심사자로 대거 투입하거나, 심지어 AI를 활용해 논문을 검토하는 상황에까지 이르렀다고 해요. 하지만 이는 오히려 논문 심사의 품질을 떨어뜨리고, AI가 생성한 환각성 인용이나 과도하게 장황한 피드백 같은 부작용을 낳고 있답니다. 엄격한 동료 검토 과정 없이 단순히 많이 발표하는 것이 중요하게 여겨지는 분위기가 저품질 논문의 확산을 부추기고 있는 셈이죠.
‘바이브 코딩’의 그림자: AI 논문 생성의 어두운 면
케빈 주(Kevin Zhu)의 경우에서 보듯, 일부 AI 연구 및 멘토링 회사는 고등학생과 학부생들에게 비용을 받고 연구 지원 및 논문 제출을 돕고 있어요. 이 과정에서 ‘표준 생산성 도구’로 언어 모델을 사용한다고 밝히며 AI의 역할을 간접적으로 시인했는데요. 문제는 이러한 ‘팀 프로젝트’가 저자의 실제 기여도를 불분명하게 만들고, AI를 활용한 ‘바이브 코딩’으로 다량의 논문을 손쉽게 만들어낼 가능성을 높인다는 점이에요.
이는 학계의 중요한 가치인 연구의 진정성과 투명성을 훼손할 우려가 있답니다. 단순히 많은 논문을 출판하는 것에만 초점을 맞추면, 깊이 있는 사고와 철저한 검증을 거친 연구가 설 자리를 잃게 될 수 있어요.
난파선 위 AI 연구: 신뢰도 위기의 시대
현재 AI 연구 분야는 말 그대로 ‘혼돈의 도가니’에 빠져있어요. 하니 파리드 교수는 “무엇이 제대로 돌아가는지 알 수 없다”며, “전문가조차도 학회에서 무슨 일이 벌어지는지 파악하기 어렵다”고 토로했답니다. 방대한 양의 저품질 논문들이 쏟아져 나오면서, 일반 대중은 물론 기자들과 심지어 해당 분야의 전문가들조차 AI 연구의 ‘신호 대 잡음비(signal-to-noise ratio)’가 사실상 1에 가까워졌다고 느껴요.
이는 AI 기술에 대한 대중의 신뢰를 저하시킬 뿐만 아니라, 중요한 연구 성과가 저품질 논문 더미에 묻혀 빛을 보지 못하게 할 위험도 있어요. arXiv 같은 비공개 사전 출판 사이트에도 검토되지 않은 논문들이 넘쳐나면서, 과학적 검증 없이 ‘과학’으로 포장된 정보가 인터넷을 홍수처럼 뒤덮고 있는 상황이에요.
AI 연구의 ‘슬롭 문제’, 해결책은 어디에?
AI 연구 분야의 ‘슬롭 문제’는 학회 조직자들도 인지하고 있는 심각한 문제예요. 논문 제출 수의 폭발적인 증가와 NeurIPS 같은 주요 학회에서의 피어 리뷰(peer-review) 수용 가치 상승이 현재의 검토 시스템에 엄청난 부담을 주고 있다는 것을 인정했죠.
일각에서는 한국의 컴퓨터 과학자들이 제안한 ‘종이 제출 급증’ 문제 해결 방안 같은 새로운 대안이 모색되고 있어요. 하지만 근본적인 해결을 위해서는 학계 전체의 패러다임 전환이 필요해 보여요. 단순히 많은 논문을 내는 것보다 품질과 깊이를 중시하는 문화, 그리고 더욱 엄격하고 투명한 검토 시스템이 정착되어야 할 시점이에요. 지금처럼 ‘슈퍼 생산성’ 신화에 매몰된다면, AI 연구의 미래는 불투명할 수밖에 없을 거예요.
AI 연구의 이러한 현실에 대해 여러분은 어떻게 생각하시나요? 양질의 연구가 빛을 발하고, 신뢰할 수 있는 정보가 공유될 수 있도록 어떤 노력이 필요할지 함께 고민해 보면 좋겠습니다.
출처: https://www.theguardian.com/technology/2025/dec/06/ai-research-papers