필자는 지난주 샌프란시스코에서 남쪽으로 30마일 떨어진 캘리포니아주 마운틴뷰의 한 호텔을 찾았다. 세계에서 가장 뛰어난 성과를 거둔 연구자들과 유망한 AI 연구자들을 만나기 위해서다.

필자는 에릭 슈미트 전 알파벳 회장과 부인 웬디 슈미트가 자금을 지원하는 ‘슈미트 사이언스 AI2050(Schmidt Sciences AI2050)’ 프로그램의 모임에서 원탁 인터뷰를 진행하고 미디어 교육 세션에서 강연했다. 이 프로그램은 AI 관련 연구를 수행하는 학자들을 지원하고 있다. 펠로우 명단은 AI 분야의 거물들로 가득하다. 이들 모두가 모인 것은 아니었지만, 모퉁이를 돌 때마다 필자가 이전에 인터뷰했거나 연구를 인상 깊게 지켜봤던 과학자들을 만날 수 있었다.

AI2050 프로그램 모임에서 대부분을 차지하는 대학 AI 연구자들에게 지금은 참으로 묘한 시기다. 지난 4년 동안 AI 연구는 대형언어모델(LLM)을 중심으로 재편됐고, 최첨단 연구의 중심도 학계에서 민간 기업으로 옮겨갔다. 대학들은 최첨단 모델을 훈련하고 실행하는 데 필요한 GPU를 감당할 경제적 여력이 없다. 설령 여력이 있다고 해도 앤트로픽과 오픈AI는 클로드나 챗GPT의 내부 구조와 세부 정보를 공개하지 않아 연구에 한계가 있다.

점심 식사 자리에서 니카 하그탈라브(Nika Haghtalab) UC 버클리 컴퓨터과학 교수는 요즘 AI 학자로 살아가는 것이 마치 민간기업들이 유전자 편집 도구인 유전자 가위(CRISPR)를 독점적으로 통제하는 세상에서 생물학자로 살아가는 것과 같다고 말했다. 그만큼 연구자들이 최첨단 AI 모델의 설계와 훈련 과정에 직접 접근하거나 이를 주도하기 어려워졌다는 뜻이다. 최첨단 AI 연구소 밖의 전문가들은 챗GPT와 클로드가 어떻게 작동하는지는 연구할 수 있지만, 이러한 도구의 설계와 훈련에 대해 세부적인 연구를 하거나 직접 설계와 훈련을 주도할 수는 없다.

AI2050 프로그램은 펠로우들에게 GPU를 구입하는 데 사용할 수 있는 자금을 지원한다. 필자가 만난 일부 연구자들은 이를 프로그램 참여의 주요 이점으로 꼽았다. 하지만 특히 미국 연방정부의 과학 연구 지원이 줄어드는 상황에서 자금 문제는 여전히 시급한 과제로 남아 있다. 직접 로컬 모델을 운영하지 않는 연구자들조차 오픈AI, 앤트로픽, 구글의 모델을 철저하게 연구하기 위해 반복적으로 질의를 보내는 데 드는 비용을 감당하기 어려울 수 있다.

많은 펠로우는 AI 성능 향상에 집중하기보다는 앤트로픽이나 오픈AI가 다루지 않을 가능성이 높은 문제에 관심을 두고 있다. 안잘리 필드(Anjalie Field) 존스홉킨스대학교 컴퓨터과학 교수는 “기술 기업이 해결할 것이라고 생각되는 문제는 가급적 다루지 않으려고 한다”고 말했다.

기업은 수익 창출을 최우선 순위로 삼기 때문에 수익성이 거의 없는 연구 문제에는 투자할 가치가 없다고 판단할 수 있다. 특히 연구 결과가 기업에 부정적인 영향을 미칠 수 있다면 더욱 그렇다. 예를 들어 필드 교수는 최근 남성보다 여성이 더 흔히 사용하는 표현으로 작성된 프롬프트에 대해 언어 모델이 상대적으로 덜 정교한 답변을 내놓는다는 사실을 밝혀냈다. 이런 종류의 연구가 앤트로픽이나 오픈AI에서 나올 것이라고 상상하기는 어렵다.

LLM을 아예 다루지 않는 AI 학자들도 많다. 이들 중 상당수는 데이터를 분석하고 유용한 예측을 하거나, 심지어 물리적 시스템 전체를 시뮬레이션할 수 있는 특화된 AI 모델을 개발하는 과학자들이다. 이들이 반드시 최첨단 AI 연구소와 경쟁하는 것은 아니다. 단백질 구조를 예측하는 노벨상 수상 모델을 개발한 구글 딥마인드의 알파폴드 팀은 지난달 해체됐다.

하지만 이런 과학자들 역시 나름의 어려움에 직면해 있다. 이번 모임에 참석한 몇몇 연구자들은 LLM이 아닌 AI에 대한 대중의 인식 부족이 자신들의 연구에 미칠 수 있는 영향에 대해 걱정했다. 예를 들어 기후변화 해결을 돕는 데 특화된 AI 도구를 개발하는 연구자들은 ‘AI’를 ‘막대한 에너지를 소비하는 LLM’으로만 생각하는 사람들이 많은 상황에서 자신의 연구를 설명하고 지지를 얻는 데 어려움을 겪기도 한다.

이 모든 어려움은 학계의 지형을 바꾸고 있다. 저명한 학자들 중에서 최근 대학을 휴직하고 최첨단 AI 연구소에 합류하는 사람들도 나타나고 있다. 실제로 AI2050 펠로우들 중에는 대학에서 연구하는 동시에 산업계에서도 직책을 맡고 있는 사람도 많다. 이런 가운데 지난 6개월 동안 또 다른 위협이 등장했다. 오픈AI의 모델들이 수학 분야의 여러 실제 연구 문제를 해결하면서 일부 전문가들은 순수수학 분야에서 인간이 더 이상 설 자리가 없을지도 모른다고 우려하고 있다. 필자가 만난 한 펠로우는 동료 수학자들의 정신 건강이 걱정된다고 말할 정도였다.

하지만 모든 상황이 암울한 것만은 아니다. 우선 실증 과학은 수학보다 자동화하기 훨씬 어려울 수 있다. 데이터를 수집하는 과정 자체가 본질적으로 느리기 때문이다. 일부 연구자들은 AI 수학자와 AI 과학자를 위협이 아니라 기회로 보고 있다. 카네기멜론대학교에서 AI 모델을 더 빠르고 저렴하게 실행하는 방법을 연구하는 컴퓨터과학자 팀 데트머스(Tim Dettmers)도 그중 한 명이다. 데트머스는 AI 과학자들이 인간을 대체하지 못할 것으로 예상한다. 오히려 인간 과학자들의 연구 효율을 크게 높여, 자신과 동료들이 AI의 도움이 없었다면 시도해보지 못했을 대담하고 참신한 아이디어들을 추구할 수 있게 해줄 것이라는 설명이다.

게다가 과학자들은 회복 능력이 매우 뛰어난 사람들이다. 최첨단 모델을 훈련하지 못하게 하는 자원 제약이 연구자들을 더 작고 효율적인 모델을 만드는 새로운 방법이나 완전히 새로운 아키텍처를 탐구하도록 이끌기도 한다. 따라서 필자는 다음번 AI 분야의 큰 혁신이 대기업이 아니라 끈질기게 연구를 이어가는 학계 연구실에서 나온다고 해도 전혀 놀라지 않을 것이다.