Unlocking the Potential of AI Researchers in Scientific Discovery: What Is Missing?

Motivation

• Known: 지난 10년간 AI4Science는 Nature Index 145개 저널에서 지수적 성장을 경험했으며, AlphaFold, GPTCelltype 등 성공 사례들이 존재함
• Gap: 전체 AI 관련 연구의 약 90%가 실험 과학자 주도로 진행되며, AI 기관의 참여 비율은 여전히 낮음(2024년 기준 약 28.66%)
• Why: AI 연구자의 과학 발견 기여 부족은 (1) AI 인재 포화로 인한 경력 경로 협소화 문제, (2) 실험 과학과 AI 방법론 간 인지적·방법론적 격차, (3) 과학 발견 생태계 내 AI-중심 문화 부재 등에서 비롯됨
• Approach: Web of Science 데이터 기반의 저자 소속 기관 분석, Diffusion of Innovation 이론 적용, 세 가지 핵심 전략 제시

Achievement

2015-2024년 20,401개 AI 관련 논문의 저자 소속 기관 트렌드: (A) 기관 유형별 논문당 기관 수, (B) AI 기관 참여 논문의 수와 비율, (C) 첫 번째 저자 소속이 AI 기관인 논문의 수와 비율, (D) 첫 번째 저자 소속 AI 및 과학 기관의 순위

1. 성과1 - 현황 진단:
   • AI4Science 논문의 절대 수는 2015년 대비 2024년 9배 증가
   • 그러나 전체 Nature Index 출판의 3.57%에 불과하며 상당한 성장 여지 존재
   • AI 기관의 첫 저자 비율은 3.13%(2015년)에서 8.37%(최근 2년)로 증가했으나 여전히 과학 기관이 주도적 지위(1.1순위) 유지
2. 성과2 - 장기 전망:
   • Diffusion of Innovation 이론 적용 시 AI4Science의 비율이 2050년 약 25%에 도달할 것으로 예측
   • 이는 AI가 과학 연구의 성숙된 표준 도구로 통합될 것을 의미
3. 성과3 - 세부 분석:
   • Nature, Science 등 상위 저널에서는 AI 기관 참여율이 더 높지만(2024년 40%), 첫 저자 기준으로는 14.6%에 불과
   • 2022년 이후 AI 기관의 참여가 정체 현상을 보임(consolidation phase)

How

AI 연구자의 과학 발견 잠재력 해제를 위한 세 가지 핵심 전략의 개념도

방향1: 실험 과학자를 위한 사용자 친화적 AI 도구 개발

• 데이터 수집(data collection), 모델링 및 분석(modeling and analysis), 실험 설계 및 수행(experiment design and conduction) 분야에서 접근성 높은 AI 솔루션 제공
• 현재 70%의 AI 관련 논문이 실험 과학자 단독 저작 상태이므로, 도구 고도화를 통한 간접적 영향력 확대
• AI 연구를 실제 과학 응용으로 전환하는 'translation gap' 해소

방향2: AI 연구자의 직접적·능동적 과학 참여 기반 조성

• 인지적·방법론적 격차 해소: AI 연구자의 도메인 지식 부족과 과학자의 AI 이해도 상향평준화
• 협업 구조 개선: 공동 저자 관계에서 AI 연구자의 주도권 확대
• 학제적 훈련 프로그램 및 멘토링 시스템 구축

방향3: AI 주도 과학 생태계의 장기적 구축 및 지속

• AI-과학 통합 연구 문화 형성
• 보상 체계 및 평가 기준의 개편(AI 기여도 인정)
• 신진 AI 연구자의 과학 분야 진입 경로 다양화

Originality

• 데이터 기반 실증 분석: 145개 Nature Index 저널의 20,401개 논문과 80,945개 저자 소속을 체계적으로 분석한 대규모 정량 연구로, AI4Science의 현황을 수치적으로 명확히 제시
• 이론적 틀 적용: Diffusion of Innovation 이론을 AI4Science 분야에 적용하여 2050년까지의 성장 궤적을 모델링하고, 성숙도(maturity phase) 개념을 도입
• 저자 소속 기관 분류 방법론: pretrained LLM을 활용한 AI 기관 vs. 과학 기관 자동 분류 및 다층적 분석(기관 수, 비율, 순위)은 새로운 분석 방법론 제시
• 실행 지향적 전략 제시: 단순 문제 진단을 넘어 세 가지 구체적 방향성을 제시함으로써 정책 및 실행 수준의 제안 도출

Limitation & Further Study

• 한계:
  • Nature Index 저널 기반 분석으로 인해 다른 학문 분야(공학, 컴퓨터 과학 등)의 AI4Science 활동이 충분히 포착되지 않을 수 있음
  • 저자 소속 기관의 이진 분류(AI vs. 과학)가 학제적 기관의 복잡성을 단순화할 위험
  • 논문 데이터만으로는 실질적 기여도(contribution depth)나 혁신성을 측정할 수 없음
  • 저자의 주요 전공(primary discipline)을 직접 파악하지 않아 "실험 과학자"의 정의가 모호할 수 있음
• 후속 연구:
  • AI 연구자의 과학 분야 진입 장벽에 대한 정성적(qualitative) 연구 - 심층 인터뷰 및 사례 연구
  • 세 가지 전략의 구체적 구현 모델 개발 및 파일럿 실험
  • 학문 분야별(생물학, 화학, 재료과학, 의료 등) 차등적 분석을 통한 맞춤형 전략 도출
  • 수년 후 재분석을 통해 정체 현상의 원인 규명

Evaluation

총평: 본 논문은 대규모 실증 데이터와 이론적 틀을 결합하여 AI4Science의 현황을 분석하고, AI 연구자의 역할 확대를 위한 구조화된 전략을 제시함으로써 학문적·정책적 가치를 제공한다. 다만 저자 소속 기관의 단순 이진 분류 방식과 Nature Index 저널의 선별적 특성이라는 방법론적 제약이 있으며, 제안된 세 가지 방향의 구현 로드맵이 다소 개괄적일 수 있다. 그럼에도 불구하고 과학 생태계 내 AI 인재 활용의 시급성을 명확히 하고, 실행 가능한 개선 방향을 제시한 점에서 높은 가치를 지닌다.