AI 연구원, 1958년의 로젠블랫, 퍼셉트론을 만들다

일부는 명백히 그렇다. 문헌 요약, 상용구 실험 코드, 관련 연구 초안 작성은 이미 일상적으로 AI의 도움을 받고 있으며, 일부 연구소는 스스로 실험을 제안하고 실행하는 시스템을 공공연히 실험하고 있다. 그러나 결과가 실제로 무엇을 의미하는지 해석하고 발표된 주장에 책임을 지는 일은 넘겨주기 훨씬 어려운 것으로 드러났다. 고용주와 연차에 따라 편차가 매우 크다. 미국의 더 넓은 '컴퓨터 및 정보 연구 과학자' 범주 중위 연봉은 2024년 $140,910였지만, 대형 기술기업 연구소에 합류하는 신규 박사들은 흔히 이보다 훨씬 높은 금액으로 시작하며, 2024~2025년 채용 경쟁 중 프런티어 AI 연구소의 극소수 시니어 연구원들은 7~8자리 숫자에 달하는 총보상 패키지를 제안받았다고 알려져 있다.

경계는 끊임없이 흐려지지만, 대략적인 구분은 유지된다. 연구원의 산출물은 대개 논문, 새로운 방법, 또는 무언가가 왜 작동하는지에 대한 통찰이며 동료 심사로 평가받는다. 엔지니어의 산출물은 대개 실제 운영 중인 시스템이며, 출시되고 실사용에서 버텨내는지로 평가받는다. 많은 사람들이 경력 동안 둘 다를 겸한다. 파이썬이 지배적이며 딥러닝 프레임워크와 함께 쓰인다. 파이토치가 현재 연구에서 가장 흔히 쓰이고, 구글 관련 대규모 작업에는 JAX가 인기가 있다. 코드 외에도 연구자들은 공유 GPU·TPU 컴퓨팅 클러스터, & 같은 실험 추적 도구, 그리고 대부분의 새로운 결과가 공식 동료 심사 몇 달 전에 프리프린트로 유통되는 에 의존한다.

그렇다, 대부분의 기술 분야보다 더 쉽게 가능하다. 물리학, 수학, 신경과학, 통계학이 모두 AI 연구로 직접 이어지며, 1982년 신경망 모델로 2024년 노벨 물리학상을 공동 수상한 물리학자 존 홉필드를 포함해 다른 분야에서 넘어온 영향력 있는 인물들도 있다. 구체적인 전공보다 탄탄한 정량적·프로그래밍 기초가 더 중요하다. 아이디어가 아니라 점점 더 컴퓨팅 자원과 그것을 지불할 자금이 병목이 되고 있다. 프런티어 모델 훈련은 컴퓨팅 비용만 수천만 달러에 달할 수 있어, 자원 집약적인 연구가 소수의 자금이 풍부한 연구소에 집중되고, 대학이나 소규모 연구소 연구자들은 거의 필연적으로 데이터·연산 효율이 높은 방법으로 밀려나고 있다.