위대한 필터링: 과학은 왜 이단아를 키우지 못하는가
획기적인 발견이 더뎌지면서, 하나의 도발적인 이론이 떠오르고 있다. 과학 시스템 자체가 모든 것을 바꿀 수 있는 바로 그 인재들을 배척하고 있다는 것이다.
뉴턴들은 어디로 갔을까? 단 한 편의 논문이나 기발한 아이디어로 현실을 뒤흔들었던 아인슈타인, 크릭, 그리고 인습 타파주의자들은?
물리학이 양자 도약과 같은 혁명적인 발전으로 세상을 뒤흔든 지 수십 년이 흘렀다. 생물학은 인간 게놈 프로젝트로 큰 파장을 일으켰지만, 사람들이 기대했던 기적의 치료법 물결은 대부분 시들해졌다. 21세기는 과학의 시대가 될 것이라 기대했지만, 대신 우리는 끝없이 이어지는 점진적 연구 논문의 컨베이어 벨트 앞에 서 있다. 대부분 읽히지도 않고, 많은 수가 무관하며, 거의 모든 것이 쉽게 잊힌다.
익숙한 설명들은 입에서 술술 나온다. 이미 쉬운 문제들은 다 해결했고, 문제 자체는 더욱 어려워졌으며, 장비는 더 비싸졌다는 식이다. 하지만 학회장의 속삭임과 실험실 카페테리아의 심야 토론에서는 또 다른 이론이 설득력을 얻고 있다. 문제가 과학 자체에 있는 것이 아니라면 어떨까? 시스템이 배출하는 과학자들에게 문제가 있는 것이라면?
혹시 우리가 세상을 바꿀지도 모르는 바로 그 부적응자들을 갈아내는, 너무나 효율적이고 전문화된 학문 시스템을 구축한 것은 아닐까?
35년에 걸친 견습 기간
현대 연구 경력 경로를 살펴보자. 4년간의 학부 과정, 어쩌면 몇 년 더 걸리는 석사 과정, 그리고 5~7년에 걸친 박사 과정. 그 후에는 악명 높은 박사후 연구원(포닥) 순환근무가 이어진다. 두세 번, 때로는 네 번의 계약직 근무를 거치는데, 각 과정은 수년간 지속된다. 연구자가 마침내 모두가 탐내는 독립적인 연구직을 얻을 때쯤이면, 그는 대개 35세에 육박한다.
이는 역사의 거장들과는 거리가 멀다. 뉴턴은 20대 중반에 미적분학을 발명하고 고전 역학의 기초를 다졌다. 아인슈타인은 불과 26세에 '기적의 해' 논문들을 발표했다. 왓슨은 25세에 크릭과 함께 DNA 구조를 밝혀냈다.
현대의 인재 양성 시스템은 사람들의 속도를 늦출 뿐만 아니라, 누가 살아남을지까지 결정한다. 학계에서 15년간 버티려면 무엇보다 두 가지 특성이 필요하다. 바로 인내심과 순종이다. 실험을 신중하게 반복하고, 승인된 형식에 맞춰 연구 계획서를 다듬고, 적절한 저널에 논문을 발표해야 한다. 상사 아래서 순조롭게 일해야 한다. 즉, '게임의 룰'을 따라야 한다.
하지만 과학계의 혁명가들은 좀처럼 룰에 따르지 않았다. 그들은 집요했고, 고집스러웠다. 지도교수들이 싫어하는 아이디어를 좇았다. 논쟁하고, 다른 일에 빠져들고, 규칙을 어겼다. 오늘날의 시스템에서는 그런 사람들이 걸러진다. 영특하지만 까다로운 학생은 결코 훌륭한 추천서를 받지 못한다. 위험한 시도에 3년을 쏟아붓고 싶어 하는 박사 과정생은 만류당한다. 기존 학설에 의문을 제기하는 포닥은 문제아로 낙인찍힌다.
이런 필터링 과정이 끝나고 나면, 남는 것은 근면하고 순종적인 전문가들뿐이다. 이는 획기적인 과학을 위한 인재상과는 정반대다.
지표의 횡포
긴 견습 기간이 첫 번째 필터라면, 숫자에 대한 집착은 두 번째 필터다.
현대 연구자의 경력은 연간 논문 수, 영향력 지수, 인용 횟수, 연구비 규모 등 지표에 따라 흥망성쇠가 결정된다. 이 지표들은 평가의 공정성을 가져오기 위해 도입되었지만, 오히려 과학 문화 전체를 왜곡시켰다.
승진이 연구 성과에 좌우될 때, 연구자들은 성과를 최적화한다. 이는 잘 알려지지 않았지만 중요한 문제 대신 유행하는 주제를 쫓는다는 의미다. 하나의 발견을 여러 '최소 출판 단위'로 쪼개는 것을 뜻한다. 또한 대담하고 위험한 도약보다는 안전하고 점진적인 연구를 선택하게 만든다.
그 결과는 '논문 장인'들의 산업이다. 이들은 고도로 숙련되고, 끝없이 생산적이지만, 거의 완전히 잊힐 수밖에 없다.
전문화의 함정
문제에는 또 다른 층위가 있다. 현대 과학은 점점 더 좁은 틈새 분야로 파편화되고 있다.
한 생물학자는 평생을 단일 단백질군 연구에 바칠 수 있다. 한 재료 과학자는 특정 합금 종류에 수십 년을 헌신할 수 있다. 이러한 깊이는 필요하다. 분야는 복잡하고 기술을 숙달하는 데는 수년이 걸린다. 그러나 그 대가는 창의성이다. 물리학, 화학, 철학을 넘나들던 옛 박식가들은 이제 모호한 영역의 주변부를 만지작거리는 전문가들로 대체되었다.
당신의 평생 작업이 대부분의 동료조차 잘 알지 못하는 분야의 각주를 명확히 하는 정도에 불과하다면, 위험을 감수하는 것은 무의미하게 느껴진다. 점점 더 많은 연구자들이 지적 조립 라인에서의 자신의 역할을 받아들이고 웅대함을 조용히 포기한다.
AI의 역설
그리고 이제, 이러한 환경 속으로 인공지능이 발을 들여놓고 있다.
낙관론자들은 구원을 본다. AI는 고된 잡무를 대신할 수 있다. 데이터를 처리하고, 실험을 설계하고, 문헌을 검토하며, 심지어 가설을 작성하는 일까지 말이다. 알파폴드는 과거 수년이 걸리던 단백질 구조를 몇 초 만에 해결했다. AI와 로봇 공학으로 구동되는 자율 주행 연구실은 인간의 정신이 대담한 사고를 할 수 있도록 자유를 주면서 발견을 가속화할 것을 약속한다.
하지만 비관론자들은 더 어두운 가능성을 제기한다. 만약 시스템이 진정한 발견보다 논문 생산을 보상한다면, AI는 단지 그 생산량을 폭증시킬 뿐 아닐까? 언어 모델은 이미 더 빠르게 논문을 쏟아내는 데 사용되고 있으며, 이는 학술지들이 AI 탐지 경쟁에 뛰어들게 만들고 있다. 기존 문헌을 기반으로 훈련된 이 시스템들은 합의된 의견을 되풀이하고 기이하고 변동성이 큰 아이디어를 저해하는 경향이 있다. 그들은 혁명을 촉발할지도 모르는 '미친' 실험이 아니라, '합리적인' 다음 실험을 추천한다.
설상가상으로, 연구에 따르면 AI는 때때로 미묘한 차이를 간과하거나, 연구 결과를 잘못 진술하거나, 근거 없는 자신감을 내비치기도 한다. 정확성 없는 속도는 진보가 아니다.
나아갈 길
이러한 함정에서 벗어나려면 새로운 도구 이상의 것이 필요하다. 오늘날 과학을 이끄는 인센티브를 재고해야 한다는 의미다.
대학이 승진 심사 시 고려하는 논문 수를 제한하여 양보다 질을 우선시한다면 어떨까? 또는 연구비 지원 기관이 실패 가능성을 알면서도 위험 부담이 크고 성공 시 보상이 큰 프로젝트에 실질적인 자금을 지원한다면? 학술지들이 긍정적인 결과만큼이나 음성 결과도 적극적으로 출판한다면? 인용 횟수 집계 대신 서술형 경력 요약서가 사용된다면 어떨까?
일부 기관은 이미 시도하고 있다. 몇몇 기관은 '위험 연구' 기금을 조성했다. 소수의 학술지는 이제 음성 결과(null results)를 위한 섹션을 운영한다. 하지만 이는 안전하고 꾸준한 성과에 여전히 중독된 문화 속에서 예외로 남아 있을 뿐이다.
AI는 현명하게 사용한다면 도움이 될 수 있다. AI에게 고된 잡무를 맡기되, 기발하고 사변적인 아이디어를 위한 시간을 보호해야 한다. AI 지원 주장에 대해서는 투명성을 요구해야 한다. 출처, 모델 버전, 프롬프트 기록 등을 말이다. 기계가 생성한 제안에는 인간의 회의적인 시각을 덧붙여야 한다. 그리고 무엇보다, 강력한 새 도구들을 미개척된, 유행에 뒤처진, 그리고 거칠고 파격적인 분야를 향하게 해야 한다.
중요한 문제들
이 문제를 잘못 다루는 것은 단순히 연구자 개인의 경력이나 대학에만 해를 끼치지 않을 것이다. 이는 인류가 가장 큰 문제들을 해결할 수 있는 능력을 멈춰 세울 수 있다.
우리는 청정에너지를 위한 새로운 물질이 필요하다. 우리는 완전히 이해하지 못하는 질병에 대한 치료법이 필요하다. 우리는 지구를 파괴하지 않고 수십억 인구를 먹여 살리고 유지할 방법이 필요하다. 점진적인 진전으로는 충분하지 않다.
우리에게 필요한 것은 현재 시스템이 조용히 걸러내는 사람들, 즉 집요하고, 통제하기 어려우며, 기묘한 이들로부터만 나올 수 있는 종류의 발견들이다.
뉴턴들은 여전히 존재한다. 우리는 단지 그들을 걸러내는 것을 멈춰야 할 뿐이다.