챗 GPT의 발전.. 논문 읽기 및 데이터까지 수집

앞으로 전체 직업의 80%가 인공지능(AI)의 영향을 받을 것이라는 연구 결과가 나오고 있고, 이미 일러스트레이터와 게임 개발자들이 인공지능에 일거리와 직업의 동기부여를 빼앗겼다고 호소하는 등 앞으로는 보다 전문적인 분야에서도 인공지능 활용이 중요한 기술이 될 것으로 예상된다. 

반면에 긍정적인 요소도 많다. 인공지능이 점점 더 복잡하고 시간이 많이 소요되는 작업을 지원할 수 있다는 점이다.

 

최근 위스콘신대학 매디슨캠퍼스 교수들이 챗GPT를 활용한 재료공학 연구에서 큰 성과를 거뒀다고 밝혔다.

위스콘신대학 매디슨 재료과학 및 공학 교수인 데인 모건(Dane Morgan)과 그의 동료 스태프 과학자인 매튜 폴락(Matthew Pollack)은 AI를 활용해 연구를 효율화할 수 있는 방법을 브레인스토밍하던 중 재료 과학자들이 어려움을 겪는 '논문 읽기 및 데이터 수집' 작업에 챗GPT를 활용할 수 있다는 아이디어를 떠올렸다.

실제로 재료 과학자들은 데이터 세트에 몇 개의 숫자를 추가하기 위해 긴 연구 논문을 내려 받아 구석구석까지 샅샅이 읽어보는 경우가 많다. 그래서 이런 시간 소모적인 작업을 논문을 읽고 정보를 제공하는 데 능숙한 인공지능에 맡기기로 했다.

하지만 아무리 챗GPT가 강력하다고 해도, 논문 전체에서 데이터를 찾아내어 추출해 달라고 부탁하기에는 아직은 부담이 너무 크다. 따라서 챗GPT에 문장 하나하나를 확인하고, 거기에 필요한 데이터가 포함되어 있는지 판단한 후 표 형식으로 데이터를 출력하도록 지시했다. 

이렇게 하면 인간 과학자가 표와 문장을 보고 관련성 있는 데이터를 제대로 뽑아냈는지 확인할 수 있다. 그 결과 이 기법은 약 90%의 정확도를 얻었다. 

그 후 연구팀은 챗GPT를 이용해 금속 유리의 임계 냉각 속도 데이터베이스를 구축하는 데 성공했다. 연구 결과는 논문 사전 공개 사이트인 아카이브(arXiv)에 논문명 ‘Flexible, Model-Agnostic Method for Materials Data Extraction from Text Using General Purpose Language Models’로 공개했다.

AI로 논문을 읽는 데 드는 시간을 99% 줄인 연구팀은 더 높은 정확도와 완전한 자동화를 위해 또 다른 방법을 시도했다. 바로 인공지능이 효율적으로 답을 생성할 수 있도록 질문과 지시를 조합하는 '프롬프트 엔지니어링'이다.

모건은 프롬프트 엔지니어링에 대해 "처음에는 이상한 방식이라는 생각이 들었다. 왜냐하면 이것은 전통적인 프로그래밍이 아니고, 인공지능과 대화 방식도 사람의 말투에 가깝기 때문“이라며, "인공지능에게 데이터를 추출하게 하고, 평범한 문장을 보고 문제가 없는지 확인하게 하는 것은 내가 평소에 컴퓨터를 훈련시키는 방식이라기보다는 아이에게 정답을 도출하도록 가르치는 것에 가깝다고 생각했다"고 회상했다.

 

연구팀은 프롬프트 엔지니어링을 활용해 인공지능이 추출한 데이터를 다시 검토하고 잘못된 가능성을 찾아내도록 하는 일련의 질문을 고안해 냈다. 이렇게 데이터를 반복적으로 재확인하는 과정을 통해 챗GPT는 거의 모든 경우에서 잘못된 데이터를 찾아낼 수 있게 됐다.

'챗익스트랙(ChatExtract)'으로 불리는 이 기법은 대부분의 경우 인간과 비슷하거나 심지어 인간을 능가하는 90% 이상의 적합도와 재현율을 보였다. 

폴락과 모건은 이 또한 논문으로 정리해 아카이브(arXiv)에 논문명 ‘Extracting Accurate Materials Data from Research Papers with Conversational Language Models and Prompt Engineering — Example of ChatGPT'로 발표했다.

폴락은 '챗익스트랙(ChatExtract)'에 대해 "가장 중요한 것은 AI가 잘못된 데이터를 식별할 수 있다는 점이다. 어떻게 고칠 수 있는지는 모르겠지만, 적어도 사실과 다른 데이터를 얻을 걱정은 하지 않아도 된다"고 말했다. 

또한, 많은 노력과 깊은 지식이 필요하지 않다는 점도 중요하다. 이전에는 이런 일을 하려면 수백 줄의 코드를 작성해야 했고, 작성해도 좋은 결과를 얻지 못했다. 하지만 지금은 챗GPT와 같은 도구 덕분에 이런 능력이 크게 향상됐다고 설명했다.

모건은 AI가 대학원생이나 과학자 등 연구자를 대체하는 것이 아니라고 생각한다. 오히려 AI라는 도구를 통해 연구자들은 그동안 시간, 자금, 인력 부족으로 진행하지 못했던 프로젝트를 진행할 수 있게 될 것이라고 설명한다.

인공지능과 과학의 미래에 대해 모건은 "지금까지 우리는 구글이나 다른 검색 툴을 통해 논문이나 자료를 찾고, 이를 읽고 데이터를 추출하는 방식으로 특정 분야의 연구를 진행해 왔다. 하지만 이제는 대규모 언어 모델을 사용해 어떤 사안에 대한 정보를 수집하고, 우리가 개발한 기술을 통해 몇 시간 안에 데이터베이스를 구축할 수 있다. 얼마 전까지만 해도 며칠이 걸려서 연구가 지연되거나 연구 방향이 틀어질 수 있었던 정보 수집이 인공지능으로 가능해졌다"고 말했다