인공지능(AI) 도구는 출판과 관련한 여러 부분을 용이하게 만들도록 광범위하게 연구되고 있습니다. 학술적 글쓰기도 그중 하나죠.
학술적 글쓰기는 악명 높을 정도로 전문적입니다. 1600년대 초기의 과학 논문들은 편지 형식으로 작성되었지만1, 구조, 어조, 작성 관행은 대부분이 지난 50년 동안 진화해 어느 정도 표준화된 수준에 도달했습니다. 이 기간 학술적 지식 자체의 성장 속도가 크게 빨라졌고, 학술적 글쓰기 규범은 이러한 변화에 발맞추도록 발전했죠. 그렇기에 연구 논문 작성은 결코 쉽지 않은 것입니다. 그렇다면 자동화(automation)sㄴ 학술적 글쓰기를 더 쉽게 만들 수 있을까요? 몇 가지 핵심 요건만 충족한다면, 가능할 수도 있습니다.
학술적 글쓰기를 위한 자동화 도구를 만드는 데 있어 어려운 점은 무엇일까요?
학술적 글쓰기는 복잡하다
학술 문헌에서 가장 큰 비중을 차지하는 연구 논문(research article)은 일반적으로 IMRAD(Introduction-Methods-Results-And-Discussion) 패턴을 따릅니다. 각 섹션에는 나름의 서사 스타일이 있으며, 주장과 공개 사항은 지정된 위치에 배치됩니다. 공식적인 학술적 어조가 표준적으로 사용되며, 저자는 보통 영국식 또는 미국식 영어를 사용합니다. 단어 선택은 확실히 하여 모호함 없이 아이디어를 전달해야 하며, 반복은 피해야 합니다. 동사 시제는 시간뿐만 아니라 맥락에 의해서도 결정됩니다. 어떤 섹션이 현재 작업 중인지, 일반적인 공리를 서술하는지 여부 등이 이러한 맥락에 포함되죠.
약어, 단위, 수학 기호, 화학 기호, 종/속명, 기타 대상을 표기할 때는 엄격한 관계를 따라야 합니다. 인용은 괄호 또는 위첨자 숫자로 표기하거나 저자-연도 형식으로 작성하여 알파벳순이나 연도순으로 나열합니다. 인용은 참고문헌 목록과 일치해야 하며, 모든 항목은 저널이 규정하는 형식이나 널리 사용되는 스타일(APA, MLA, 하버드, 시카고, IEEE 등)을 따릅니다. 구두점은 단순해 보이지만, 단순한 쉼표 하나하나가 매우 구체적인 목적, 즉 명확성이라는 목적을 갖고 있죠.
궁극적으로, 학술적 글쓰기의 모든 규칙과 관례는 단 하나의 목적을 위해 설계되었습니다. 연구를 효과적으로 전달하여 충분한 권위를 지닌 저널에 게재되고 널리 확대되어 접근성을 높이는 것이지요.
인간의 전문성을 재현하기란 어렵다
이런 글쓰기 규칙들은 수백 쪽에 달하는 저널 스타일 가이드에 명시되어 있습니다. 오랜 시간 논문을 다듬어 온 노련한 연구자나 에디터는 본능에 가깝게 이미 이런 쪽에 익숙해져 있죠.
그러나 이렇듯 높은 수준의 복잡성을 처리하는 기계를 만드는 작업은 어마어마하게 어려운 일입니다. 현재 사용 가능한 문법 검사기 대부분이 광고한 기능을 제대로 제공하지 못하는 것도 놀라운 일은 아니죠.
그럼에도 불구하고, AI와 자연어 처리(NLP) 기술을 활용해 연구자를 지원할 수 있는 자동화 솔루션을 구축하는 데는 막대한 가치가 있습니다. AI 기반 글쓰기 보조 도구를 구축함에 있어 개발자가 고려해야 하는 핵심적인 부분은 크게 세 가지로 추릴 수 있습니다.
1. AI와 전문 지식의 교차점
언어 검사 솔루션은 AI/ML(머신러닝) 기술 및/혹은 자연어 처리 규칙을 활용해 개발됩니다. 딥러닝(deep learning) 기반 문법 교정 모델은 ‘정해진 정답(ground truth)’ 또는 실제 데이터(입력 데이터)에서 ‘학습’하여 언어 교정(출력) 시 해당 데이터를 재현하려 시도합니다. 이런 딥러닝 모델 유형은 블랙박스입니다. 즉, 기계가 특정 예측에 도달한 내부 작동 원리가 알려지지 않은 것으로, 특정한 결과를 내도록 명시적으로 프로그래밍 된 다른 알고리즘과는 다릅니다. 결과적으로, 블랙박스 솔루션의 출력은 때로 지저분하고 직접 사용하기 어려울 수 있습니다. 반면, 순수 규칙 기반 시스템은 미리 정의된 조건 집합이 충족될 때 특정 출력을 인코딩하는 방식으로 작동합니다. 이 방식은 오류 처리 범위가 제한적이고, 예외 및 경계 사례 해결이 어려워 자주 실패하는 경향이 있죠.
그러나 이러한 솔루션들이 해당 분야의 전문성을 지닌 전문 에디터의 도움을 받아 설계되는 경우, 단점을 없애고 제안 내용의 질과 양을 인간과 유사한 수준까지 향상할 수 있습니다.
2. 학술적 맥락을 ‘이해’하는 능력
회의적인 연구자들은 수개월간 작업한 논문을 기계에 맡겨야 한다는 가능성을 꺼릴 수도 있습니다. AI가 내 논리적 구조를 망가뜨리지는 않을지, 전문 용어를 완벽히 이해할 수 있을지, 참고문헌을 정리하는 데 쏟은 시간이 헛되지는 않을지 염려될 수 있죠.
AI 솔루션이 과학적 글쓰기에 적합해지려면 학술 논문에 어떻게 접근해야 하는지 이해하는 지능 계층을 바탕으로 강화되어야 합니다. 가령, 연구 논문, 증례 보고서, 일반 에세이 등 문헌의 유형을 파악하고 맥락에 맞춰 설계된 제안 사항을 제공해야 하겠죠. 구조, 시제 등의 규칙이 논문 유형에 따라 다르기 때문입니다.
3. 시간을 절약해 주는 다양한 기능의 솔루션
자동화 도구가 연구 논문 작성에 필요한 기능을 충분히 제공하지 못한다고 느끼는 연구자들은 이를 반대할 수도 있습니다. AI 글쓰기 자동화는 바쁜 연구자가 필요한 부분에 효과적으로 주의를 집중하고 다른 영역에서 시간을 절약할 수 있도록 도울 수 있어야 합니다.
문법과 맞춤법 외에도, 자동화 도구는 출판된 문헌에서 아이디어를 검증할 수 있는 발견 메커니즘을 제공할 수도 있습니다. 지정된 단어수를 충족했는지, 약어는 모두 정의되어 있는지, 필요한 이해관계 공개(disclosure statement)는 포함되어 있는지 표시해 줄 수 있겠죠. 투고에 적합한 저널을 추천해 주는 기능도 무척 유용할 겁니다.
AI의 황금기
학술 논문 출판은 연구자가 높은 수준의 논문을 완성하기까지 여러 차례의 수정을 거치는 긴 과정입니다. AI 도구는 연구자가 제출 전에 문제를 발견하도록 도와 이 과정을 단축해 줄 수 있죠. 교정이나 참고문헌 포맷팅과 같은 작업은 오랜 시간이 걸리지만, 기술의 도움을 받으면 훨씬 더 짧은 시간 안에 끝낼 수 있을 겁니다.
잘 설계만 된다면 학술적 환경에 맞춤화된 AI 기반 자동화 솔루션은 범용 문법 검사기보다 압도적으로 유용할 겁니다. 그러나 해결해야 할 과제는 아직 많이 남아 있죠.
빅데이터가 등장하고 컴퓨팅 파워, 데이터 분석 기술이 급속히 발전하면서 AI 도구는 이미 우리에게 큰 영향을 미치고 있습니다. 과학 논문 작성에 진정 유용한 AI 도구가 등장하는 것도 그리 오래 걸리지는 않을 것 같습니다.
참고문헌
- Swoger, B. The (mostly true) origins of the scientific journal. Scientific American Blog Network https://blogs.scientificamerican.com/information-culture/the-mostly-true-origins-of-the-scientific-journal/ (2012).
더 읽어 보기
