학계에서의 AI 발전 방향 탐구

AI가 수학 연구에 미치는 즉각적 영향

지난해(2025년) 한 모델이 International Mathematical Olympiad(IMO)에서 금메달 수준에 도달했으며, 1년 후인 2026년에는 모델이 새로운 연구 결과를 내놓고 미해결 Millennium Prize Problems 중 하나에 대한 최근 해결책을 제시했습니다. 이와 같은 발전은 형식화된 증명을 자동으로 검증하고 프로그램을 실행·테스트할 수 있는 검증 속도와 신뢰성이 빠른 분야에서 특히 두드러집니다. 이러한 환경에서는 AI가 후보를 생성하고 결과를 학습하며 성능을 개선하는 복합 과정이 가속됩니다.

"Formalized proofs can be checked automatically; programs can be run and tested."

이러한 자동 검증 능력은 경험 많은 연구자에게 이전에는 기술적으로 접근하기 어려웠던 문제를 탐구할 수 있는 기회를 제공하며, 해를 얻는 과정과 그 해가 왜 작동하는지, 어떤 것이 일반화되는지, 다음에 무엇을 물어볼지를 구분하는 능력을 sharpen시킵니다.

학술 평가와 학점 제도의 재고찰

다수의 분야에서 polished paper는 개인의 전문성을 약하게 나타내는 지표가 되고 있습니다. 따라서 학과들은 단순히 AI가 아직 할 수 없는 일을 가치 있는 작업으로 정의하는 대신, 좋은 질문을 던지는 것, replication, 아이디어 합성, 유익한 부정 결과, 공유 데이터셋 등에 더 큰 인식을 주어야 합니다. 평가 방안은 연구자가 기여한 바와 지적 책임을 명확히 해야 하며, 작업의 상당 부분이 AI에 의해 수행된 경우에도 이를 반영해야 합니다. 이러한 기대치는 채용, 승진, 펀딩에 적용되어야 하며, 현 및 신입 박사 과정 학생에게 명시되어야 합니다.

"Departments must begin now to reconsider what they reward, without simply defining valuable work as whatever AI cannot yet do."

대학원 교육에서의 역할 변화

지식과 판단력은 반복적인 계산, 코딩, 실패한 접근법, 작은 발견 등을 통해 길러집니다. 이러한 작업을 AI에 위임하면 형성적인 경험을 잃을 수 있지만, 동시에 학생은 보다 야심찬 프로젝트를 시도할 수 있게 됩니다. 따라서 불필요한 마찰과 전문성이 형성되는 작업을 구분해야 합니다. 학생은 문제를 정의하고, 모델 출력을 감사하며, 결과를 재현하고, 자신의 선택을 변호하는 법을 배워야 합니다. 기초 역량은 이러한 도구를 잘 사용하는 기반이 될 수 있습니다.

"We need to distinguish unnecessary friction from work through which expertise develops."

대학이 지금 구축해야 할 인프라와 협업 모델

MIT 연구소들의 지식을 단일 유기체처럼 연결하는 공유 AI 연구 인프라가 필요합니다. 예를 들어 현미경 이미지에서 뉴런 분할이 필요한 신경과학 연구소는 컴퓨터 비전 그룹의 최신 avanc을 인식하는 AI 에이전트를 통해 연구자들을 연결하고, 벤치마크를 제시하며 반복을 돕고, 미해결 질문을 학생 및 교수에게 surface 시키며, 한 연구소의 교훈을 다른 연구소에 제공할 수 있습니다. 이를 위해 가설, 개입, 결과, 실패, 해석을 포착하는 워크플로우를 구축하고, 이러한 워크플로우를 연결하는 공유 시스템을 만들어 적절한 권한 하에 연구소 간 도구와 정보 교환을 가능하게 해야 합니다.

"We should build workflows that capture hypotheses, interventions, outcomes, failures, and interpretations."

이러한 인프라 구축에는 상당한 공공 및 기관 투자가 현재 시점에서 필요하며, 컴퓨팅, 보안 데이터 시스템, 그리고 AI 모델을 적응시키고 사후 훈련시키는 전문성이 필수적입니다.

향후 전망과 투자 필요성

AI는 이미 개인 연구자가 흡수할 수 있는 것보다 더 많은 출처로부터 정보를 종합하고 추론할 수 있으며, 이 능력은 지속적으로 향상될 것입니다. 이를 통해 어려운 과학·공학 문제 주변으로 연구자들을 모으고, 서로의 강점과 통찰력을 바탕으로 발전시킬 수 있습니다. 그러나 이러한 미래를 실현하려면 대학이 지금 투자해야 하며, 기술적 독립성을 유지하고 상업적 우선순위가 과학의 폭을 덮지 않도록 해야 합니다.

"To me, this is a promising path forward, but universities need to invest now to make it possible."