Artificial intelligence tools expand scientists’ impact but contract science’s focus

Motivation

Known: AI가 과학 발견을 가속화하고 있으며 개별 과학자의 생산성 향상에 기여하고 있다는 것이 알려져 있다. 그러나 AI 채택이 집단 과학 전체에 미치는 영향에 대한 대규모 실증 분석이 부족한 상태다.
Gap: 개별 과학자의 AI 사용 효과와 집단 과학 수준에서의 영향 간의 관계, 특히 AI 채택이 과학적 초점을 어떻게 변화시키는지에 대한 대규모 정량적 분석이 결여되어 있다.
Why: AI 과학에의 급속한 확산으로 개인적 이익과 집단적 과학 진보 간의 긴장 관계를 이해하는 것이 중요하며, 이는 과학 정책과 연구 방향 설정에 중요한 함의를 갖는다.
Approach: OpenAlex 데이터베이스의 41.3백만 논문(1980-2025)을 대상으로 미세조정된 BERT 언어 모델을 이용해 AI 활용 논문을 식별하고(F1-score 0.875), 개별 과학자 경력과 집단 과학 초점의 변화를 분석했다.

Fig. 2 | AI enlarges paper impact and enhances researcher careers.

개별 과학자의 성과 증폭: AI 활용 연구자는 비활용 연구자 대비 3.02배 많은 논문 발표, 4.84배 많은 인용, 1.37년 앞당긴 프로젝트 리더 진출
집단 과학의 초점 축소: AI 채택으로 연구 주제의 집단 부피 4.63% 감소, 연구자 간 상호작용 22% 감소
방법론적 신뢰성: 인간 전문가의 높은 합의도(Fleiss' κ = 0.964)와 모델의 높은 식별 정확도로 검증", '시대별 일관성: 머신러닝, 딥러닝, 생성형 AI 시대 전반에 걸쳐 개인 확대-집단 축소 패턴의 일관성 확인

Fig. 1 | Increasing prevalence of AI adoption in science. a, Increasing

OpenAlex 데이터베이스에서 생물학, 화학, 지질학, 재료과학, 의학, 물리학 6개 분야의 41.3백만 논문 추출
AI 마일스톤 기술 기반으로 머신러닝(ML), 딥러닝(DL), 생성형 AI(GAI) 세 시대로 시간 분할
BERT 언어 모델의 2단계 미세조정: 제목 기반 모델과 초록 기반 모델 독립 학습 후 앙상블
인간 전문가 팀의 샘플링 검증으로 모델 정확도 평가(Fleiss' κ, F1-score)", 'Knowledge extent(벡터 공간상 경로의 직경) 지표로 집단 과학 초점 측정
논문-인용 네트워크 분석으로 후속 참여도(follow-on engagement) 정량화

생성형 AI(GAI) 시대의 데이터가 현재까지 제한적으로, 장기적 패턴이 확립되지 않았으므로 예비적 분석 수준
컴퓨터과학과 수학 등 AI 방법론을 직접 개발하는 학문은 제외되어 AI 생태계의 완전한 이해에 제약
인과 관계 규명 부족: AI 채택이 초점 축소를 야기하는지, 아니면 축소된 분야에서 AI 채택이 증가하는지의 방향성 규명 필요
학제 간 편차: 데이터 풍부한 분야와 그렇지 않은 분야 간 AI 채택 패턴의 차이 심화 가능성에 대한 심층 분석 부재
후속 연구 방향: (1) 인과 추론 모델을 통한 메커니즘 규명, (2) 생성형 AI 영향에 대한 장기 추적, (3) 주변화되는 연구 주제에 대한 정성적 분석