AI 연구자 랭킹 50, 왜 믿으면 안 될까? - 순위에 숨겨진 진실
AI 연구자 랭킹, 정말 '최고'를 가려낼 수 있을까요?
AI 분야가 급격하게 성장하면서, 과연 '누가 가장 영향력 있는 연구자인가'에 대한 궁금증도 커지고 있습니다. 매년 AMiner의 'AI 2000'이나 CS Rankings와 같은 지표들이 발표될 때마다, 업계와 학계는 누가 상위 50위 안에 들었는지에 촉각을 곤두세우죠. 하지만 이런 순위표가 과연 연구자의 실력과 혁신성을 100% 대변하고 있을까요?
결론부터 말씀드리면, 이러한 랭킹은 참고 지표일 뿐 절대적인 잣대가 될 수 없습니다. 오늘은 AI 연구자 랭킹이 산정되는 방식과, 그 뒤에 숨겨진 불편한 진실을 함께 파헤쳐 보려고 해요.
1. 랭킹의 두 얼굴: AMiner vs CS Rankings
AI 연구자 순위를 볼 때 가장 먼저 이해해야 할 점은, '어떤 데이터를 기준으로 하느냐'에 따라 결과가 판이하게 달라진다는 거예요.
- AMiner AI 2000: 최근 10년간의 논문 피인용 수와 주요 학회 출판 실적을 알고리즘으로 집계합니다. 즉, '얼마나 많은 사람이 이 연구를 참조했는가'에 초점을 맞춘 지표죠.
- CS Rankings: 반면, 이 방식은 피인용 수가 아닌 주요 학술대회(Top-tier venues) 논문 게재 수를 기준으로 기관과 연구자를 평가합니다. '얼마나 꾸준히 권위 있는 학회에 논문을 발표했는가'를 보는 셈이에요.
이처럼 평가 기준이 다르다 보니, 어떤 지표를 선택하느냐에 따라 특정 연구자의 순위가 널뛰기도 합니다. 대학원 진학이나 연구실 선택을 고민하는 학생들에게는 CS Rankings 같은 지표가 가이드가 될 수 있지만, 이를 연구 생태계 전체를 평가하는 절대적인 기준으로 삼기에는 무리가 있다는 비판이 나오는 이유입니다.
2. 피인용 지수의 함정: 굿하트의 법칙과 인플레이션
최근 AI 분야에서 연구자 랭킹의 신뢰도를 떨어뜨리는 가장 큰 요인은 바로 **'인용 수치 인플레이션'**입니다. LLM(거대언어모델) 붐이 불면서 연구 트렌드가 바뀌었거든요.
과거에는 단독 혹은 소수의 저자가 연구를 주도했다면, 요즘은 수십 명, 때로는 수백 명의 저자가 공동으로 이름을 올리는 논문이 비일비재합니다. 이런 논문이 하나 터지면, 공동 저자 모두의 피인용 수가 급격히 올라가는 현상이 발생하죠. 여기에 '굿하트의 법칙(Goodhart's Law)'이 적용됩니다. **“측정 지표가 목표가 되는 순간, 더 이상 좋은 지표가 아니다”**라는 말처럼, 순위를 올리기 위한 인용 조작(Citation Cartels)이나 저품질 연구 양산 등 부작용이 학계 곳곳에서 나타나고 있어요.
일부 연구자들 사이에서는 “내가 아는 그 연구자가 왜 순위표에 없지?”라거나, 반대로 “왜 이 사람이 최상위권이지?”라는 의구심이 드는 경우가 흔합니다. 이는 숫자가 연구의 깊이나 혁신성을 온전히 담아내지 못한다는 방증이기도 합니다.
3. 산업계와 학계의 괴리, 그리고 진짜 실력을 보는 법
중요한 점은, 학계의 피인용 지수가 산업계에서의 실질적 영향력과 반드시 일치하지는 않는다는 사실입니다. Perplexity나 Google AI Overviews 같은 AI 검색 엔진들은 전통적인 피인용 수와는 다른 기준으로 웹 콘텐츠의 가치를 평가합니다. 즉, 논문 인용 수와 실제 서비스에서의 영향력은 완전히 별개의 문제일 수 있다는 것이죠.
그렇다면 우리는 이런 순위표를 어떻게 받아들여야 할까요? 단순히 50위 안에 들었다는 사실에 매몰되기보다는, 해당 연구자가 어떤 구체적인 프로젝트를 수행했는지, 그들의 연구가 실제 기술 발전에 어떤 기여를 했는지 직접 들여다보는 습관이 필요합니다.
[FAQ] 다인 저자 논문, 인용 점수는 어떻게 계산하나요?
많은 분이 궁금해하시는 부분인데요. 현재 대부분의 랭킹 시스템은 공동 저자 논문에 대해 인용 점수를 배분할 때 각기 다른 복잡한 가중치를 적용합니다. 하지만 핵심은 **'공동 저자 수가 늘어날수록 개별 연구자의 기여도를 정밀하게 측정하기는 더 어려워진다'**는 점이에요. 따라서 다인 저자 논문이 많은 연구자일수록, 피인용 수만으로 실력을 판단하는 것은 더욱 위험할 수 있습니다.
결국, AI 연구의 진정한 가치는 순위표의 숫자가 아니라, 그 연구가 세상에 어떤 변화를 가져왔는지에 달려 있습니다. 여러분도 특정 랭킹을 맹신하기보다, 연구자의 구체적인 논문과 프로젝트를 직접 확인하며 자신만의 통찰을 쌓아보시는 건 어떨까요?
