인공지능(AI) 도구들은 이제 학술 출판 관련 여러 측면을 용이하게 하기 위해 널리 탐구되고 있습니다. 학술 논문 쓰기는 그 중 하나입니다. 이 기사에서는 언어 자동화 전문가 샬롯 밥티스타(Charlotte Baptista)가 연구자들에게 실제로 유익하게 사용될 수 있는 학술 논문 용 AI 도구가 어떤 사항을 달성해야 하는지에 대해 경험에 기반한 의견을 공유합니다.
학술 글쓰기의 전문성은 매우 악명이 높습니다. 1600년대 초창기 학술 논문들은 편지 형태로 쓰였지만1, 글의 구조 및 어조, 글쓰기 방식은 대부분 지난 50년 동안 일정 수준의 표준화된 형태로 진화해 왔습니다. 이 기간 동안 학문 지식 자체의 성장이 크게 가속화되고, 학술 글쓰기 규범은 이러한 변화에 발맞추어 발전했습니다. 그러면 AI를 통한 자동화 글쓰기가 학술 글쓰기를 더 쉽게 만들 수 있을까요? 제 생각은 가능하다입니다. 다만, 몇 가지 중요한 사항들이 충족될 경우에 말이죠.
이러한 종류의 도구를 구축하는 데 있어 어떤 어려움이 있는 걸까요?
학술 작문은 복잡합니다.
학술 문헌의 가장 큰 부분을 차지하는 연구 논문들은 일반적으로 IMRAD (Introduction-Methods-Results-And-Discussion) 구조를 따릅니다. 각 섹션은 익숙한 스타일을 사용하며, 지정된 위치에서 진술이 이루어집니다. 공식적인 학술 어조의 사용이 일반적이며, 저자는 대개 영국 또는 미국식 영어의 관례를 따릅니다. 단어 선택은 모호함 없이, 아이디어를 전달하고 반복을 피해야 합니다. 동사 시제의 규칙은 시간뿐만 아니라 어느 섹션을 다루고 있는지, 일반적으로 알려진 진실을 기술하고 있는지 등 문맥에 따라 결정됩니다.
약어, 단위, 수학적 표기법, 화학 기호, 종/속의 이름 및 기타 개체를 기술할 때에는 엄격한 규칙을 따릅니다. 인용은 괄호 또는 위첨자 숫자로 스타일을 지정하거나 author-date 형식으로 작성하고 알파벳순 또는 연도순으로 정렬합니다. 인용은 참고 문헌 목록과 일치해야 하며 목록의 모든 요소는 저널에서 규정한 형식이나 널리 사용되는 스타일(APA, MLA, Harvard, Chicago, IEEE 등) 중 하나를 따라야 합니다. 궁극적으로 학술 글쓰기의 모든 규칙과 관례는 하나의 목적, 즉 연구를 충분히 효과적으로 전달하여 충분히 인정받는 저널에 출판되고 널리 배포되고 접근될 수 있도록 설계되었습니다.
인간의 전문성을 복제하는 것은 어렵습니다.
이러한 학술 글쓰기 지침은 수백 페이지에 달하는 학술 및 저널 스타일 가이드에서 다룹니다. 충분한 시간을 들여 학술 논문 원고를 다듬은 경험이 있는 숙련된 연구자나 편집자들은 이러한 규칙과 관례에 대한 직관적 육감을 개발하여 대부분 본능적으로 이러한 규칙을 글 속에 적용합니다. 이러한 수준의 복잡성을 처리할 수 있는 기계를 구축하는 작업은 진정으로 초인적인 노력이 요구됩니다. 오늘날 시장에 나와 있는 대부분의 문법 검사기가 자신들이 광고에서 소개한 만큼의 문법 교정을 수행하지 못하는 것이 이러한 현실을 대변해 주고 있습니다.
그럼에도 불구하고 AI 및 NLP(Natural language processing) 기술은 연구자들의 도구상자를 든든하게 채워줄 자동화된 솔루션을 구축하는 데에 엄청난 가치가 있습니다. 아래에는 이러한 기술을 만드는 사람들이 살펴봐야 할 세 가지 주요한 고려 사항, 즉 AI 기반 글쓰기 지원 도구에 대한 소망 목록입니다.
1. AI와 전문 지식의 교차점
언어 검사 솔루션은 AI/ML(Machine Learning) 기술 및 NLP 규칙을 사용하여 개발됩니다. 딥러닝 기반의 문법 교정 모델은 ‘ground truth’라 불리는 실측 정보 또는 실제 데이터로부터 ‘학습’하고 (입력), 어 교정을 수행할 때 그 데이터를 복제하려고 합니다 (출력).
이러한 유형의 딥러닝 모델은 블랙박스와 같아서, 기계가 특정 예측에 도달한 이유에 대한 내부의 동작 방식은 알 수 없습니다. 명시적으로 특정 결과를 제공하도록 프로그래밍된 다른 알고리즘과는 달리, 기계가 어떤 예측에 도달했는지에 대한 내부 동작 방식을 알 수 없습니다. 결과적으로 블랙박스 솔루션의 출력물은 때때로 명쾌하지 않고 직접적으로 사용하기 어렵습니다. 반면, 순수한 규칙 기반 시스템은 미리 정의된 일련의 조건이 충족될 때 특정 출력을 인코딩하여 작동합니다. 이러한 시스템은 오류 범위가 제한되어 있으며, 예외 사항과 경계 상황을 해결하기 어려워 자주 실패하는 경향이 있습니다.
그러나 이러한 솔루션들이 전문 에디터와 함께 설계된다면, 주제 전문 지식을 적용하여 단점을 제거하고 제안의 품질과 양면에서 놀라울 정도로 인간과 유사한 결과물을 생산할 수 있습니다.
2. 학문적 맥락을 "이해"하는 능력
AI활용에 회의적인 연구자들은 수 개월을 작업한 원고를 기계에게 맡기는 것을 싫어할 수 있습니다. AI가 글 구조를 망치지는 않을까? AI가 전문 용어를 이해할 수 있을까? 참고 문헌을 정리하느라 보낸 그 많은 시간이 날아가 버린다면?
AI솔루션이 학술 글쓰기에 진정으로 잘 활용되기 위해서는 학술 논문을 다루는 방법을 이해하는 데 도움이 되는 지능 계층이 풍부하게 탑재되어야 합니다. 예를 들어, AI는 연구 논문인지, 사례 보고서인지, 아니면 일반 에세이인지 이해하고 해당 맥락에 맞게 설계된 제안을 제공해야 합니다. 이는 논문 유형에 따라 구조, 시제 등의 규칙이 다르기 때문입니다.
3. 기능이 풍부한 시간 절약형 솔루션
일부 연구자는 자동화 도구가 자신의 연구 및 글쓰기 요구 사항에 필요한 기능을 제공하지 못한다고 생각하여, 이를 거부할 수 있습니다. AI는 바쁜 연구자들이 필요한 영역에 주의를 집중할 수 있도록 도와주며, 가능한 한 시간을 절약할 수 있는 방법을 제안해야 합니다. 문법 및 철자 교정을 넘어서, 출판된 문헌에서 아이디어를 확인할 수 있는 발견 기능을 제공할 수 있습니다. 규정된 단어 수를 충족했는지, 모든 약어가 정의되었는지, 필요한 공개 진술이 제공되었는지 등을 한눈에 확인할 수 있어야 합니다. 또한, 투고에 적합한 저널을 추천하는 기능도 매우 유용할 것입니다.
AI의 황금기
학술 논문 출판은 연구자가 완성도 높은 논문을 완성하기까지 여러 번의 수정을 거쳐야 하는 긴 과정입니다. AI 도구는 연구자가 논문을 제출하기 전에 문제를 파악하여 이 과정을 단축하는 데 도움을 줄 수 있습니다. 보통 몇 시간이 걸리는 교정 및 참고문헌 서식 지정과 같은 작업은 몇 분 안에 완료할 수 있습니다.
신중하게 설계한다면 학문적 맥락에 맞춘 AI 기반 자동화 솔루션은 일반적인 문법 검사기에 비해 엄청난 경쟁력을 가질 수 있습니다. 아직 갈 길이 멀기 때문에 이러한 솔루션을 만드는 제작자들은 많은 노력을 기울이고 있습니다. AI 도구는 빅 데이터의 등장과 컴퓨팅 파워 및 데이터 분석 기술의 놀라운 발전으로 산업에 이미 큰 영향을 미쳤습니다. 머지않아 학술 글쓰기를 위한 AI 도구가 자신의 역할을 충실히 해 낼 수 있을 것이라 확신합니다.
