Co-Authoring with AI: How I Wrote a Physics Paper About AI, Using AI

이 논문은 AI 와의 공동 저술 과정에서 인간이 논리적 엄밀성과 책임성을 확보하기 위해 필수적인 역할을 수행하며, 과학적 무결성을 유지하기 위해 AI 상호작용 기록의 공개를 의무화해야 한다고 주장합니다.

핵심

📝 핵심 내용: "AI 가 글을 썼다고? 아니, 인간이 AI 를 '가르쳐' 쓴 거야!"

이 논문의 저자 (이 주 박사) 는 "AI 가 논문을 대신 써줬다"라고 말하지 않습니다. 대신 **"AI 는 아주 똑똑하지만 경험이 부족한 '인턴'이고, 인간은 그 인턴을 지도하는 '팀장 (Principal Investigator)'이다"**라고 정의합니다.

1. 상황 설정: AI 를 마법상자로 쓰지 마세요 🪄❌

과거에는 컴퓨터를 계산기처럼만 썼다면, 이제는 AI 를 '가상의 연구원'처럼 쓰게 되었습니다.

• 잘못된 방법: "이거 논문 써줘"라고 명령하면 AI 는 겉만 번지르르하고 내용은 빈약한 '환각 (Hallucination)' 같은 글을 써냅니다. 마치 경험이 없는 인턴이 책상 위에 있는 책만 보고 허풍을 치는 것과 같습니다.
• 올바른 방법: AI 를 3 명의 가상의 연구원으로 나누어 역할을 부여했습니다.
  • 인턴 A (이론가): 복잡한 공식을 뽑아냄.
  • 인턴 B (선임 연구원): 수학적으로 엄격한 청사진 (LaTeX) 을 그림.
  • 인턴 C (코더): 그 청사진을 실제 파이썬 코드로 만듦.
  • 팀장 (저자): 이 세 인턴을 모두 지휘하고, 그들이 틀린 부분을 바로잡아줍니다.

2. 인간 팀장의 3 가지 핵심 역할 🛡️

AI 가 글을 쓰더라도, 인간 팀장은 다음 세 가지 일을 반드시 해야 합니다.

① 물리 법칙의 '감시자'가 되세요 (오류 수정)
AI 는 문장은 잘 쓰지만, 물리 법칙을 모를 때가 많습니다.

• 예시: AI 가 "연속적인 수학을 이산적인 코드로 바꾸는 게 어렵다"라고 썼는데, 저자는 "아니야, 우리 연구는 이미 '이산적인 (Discrete)' 상태야. 이 말은 틀렸어!"라고 지적했습니다.
• 비유: 요리사가 "소금 대신 설탕을 넣으면 맛이 더 좋아질 거야"라고 하면, 셰프인 인간이 "아니야, 그건 소금 요리에 설탕을 넣는 거야. 맛없어!"라고 고쳐주는 것과 같습니다.

② 학계의 '예의범절'을 지키세요 (디플로마시)
AI 는 사실을 말하려다 상대방을 공격할 수 있습니다.

• 예시: AI 가 "다른 연구자들이 만든 오픈소스 코드는 너무 지저분해서 AI 가 혼란스러워한다"라고 썼습니다. 하지만 그 코드를 만든 연구자들은 존경받는 선배들이죠.
• 조치: 저자가 AI 에게 "그렇게 말하면 선배들이 기분 나빠해. '선배들의 코드는 훌륭하지만, AI 가 여러 스타일을 섞어서 헷갈린 거야'라고 바꿔 써"라고 지시했습니다.

③ 심사위원의 '미친 질문'을 미리 예상하세요 (논리 방어)
논문을 제출하면 '심사위원 2 번 (Reviewer 2)'이라는 까다로운 사람이 등장합니다.

• 질문: "AI 가 코드를 썼다면, 그냥 인터넷에 있는 코드를 베껴 쓴 게 아니야?"
• 대응: 저자는 AI 에게 "우리가 만든 코드는 인터넷에 없는 아주 독특한 방식이야. 이걸 증명해줘"라고 지시하여, AI 가 단순히 베끼지 않고 진짜로 생각했음을 증명하게 했습니다.

3. 그림 그리기: AI 를 '미술 감독'으로 쓰다 🎨

논문에는 그림이 필요합니다. 그림 AI 에게 "과학적인 그림 그려줘"라고 하면 엉뚱한 그림이 나옵니다.

• 해결책: 저자는 글쓰기 AI에게 "미술 감독" 역할을 시켰습니다.
• 과정: 글쓰기 AI 가 그림 AI 에게 "흰색 칠판에 5 개의 원이 가로로 연결된 그림을 그려줘. 그 옆에 'O(D6)'이라고 쓰지 말고 빨간 X 를 쳐줘"라고 아주 구체적으로 지시했습니다.
• 결과: 인간이 직접 그림을 그리지 않아도, AI 들이 서로 대화하며 완벽한 과학 그림을 만들어냈습니다.

---

💡 결론: 투명성이 곧 진실입니다 🔍

이 논문의 가장 중요한 메시지는 **"AI 가 썼다고 숨기지 말고, 어떻게 썼는지 다 공개하라"**는 것입니다.

• 과거: "AI 를 사용했습니다"라고 각주로만 적으면 됩니다.
• 미래 (이 논문의 제안): "AI 와 나눈 대화 기록 (채팅 로그) 전체를 부록으로 공개해야 합니다."

왜냐하면, 그 대화 기록을 보면 어디서 인간이 AI 를 지도하고, 어디서 인간이 오류를 잡아냈는지가 명확하게 보이기 때문입니다. 이것이 바로 AI 시대에 과학의 정직함을 지키는 유일한 방법입니다.

🌟 한 줄 요약

"AI 는 훌륭한 '筆 (필)'이지만, 그 필을 들고 방향을 잡고 진실을 지키는 '손'은 반드시 인간이어야 합니다. 그리고 그 손의 움직임 (대화 기록) 을 모두 공개해야 합니다."

기술 요약

제시된 논문 "Co-Authoring with AI: How I Wrote a Physics Paper About AI, Using AI" (Yi Zhou, 2026) 에 대한 상세한 기술적 요약은 다음과 같습니다.

1. 문제 정의 (Problem)

• 저자성 및 책임의 모호성: 대형 언어 모델 (LLM) 이 과학적 글쓰기에 통합되면서 전통적인 저자성, 책임, 과학적 무결성의 정의가 근본적으로 도전받고 있습니다.
• AI 의 한계: LLM 은 구조적 조직화와 구문 생성에는 탁월하지만, 물리학적 논리의 엄밀성, 학술적 외교 (Academic Diplomacy), 그리고 동료 검토 (Peer-review) 의 비판적 시각을 예측하는 데에는 실패합니다.
• 기존 접근법의 실패: AI 를 단순한 텍스트 생성기나 마법 같은 도구로 사용할 경우, 과학적으로 피상적이고 환각 (Hallucination) 이 포함된 결과가 도출됩니다. 특히 물리학적 사실 (예: 연속 대 이산의 구분, 위상 질서의 정확한 분류) 에서 오류를 범할 수 있습니다.

2. 방법론 (Methodology)

저자는 AI 를 '도구'가 아닌 '가상 연구 그룹 (Virtual Research Group)'의 일원으로 간주하고, Human-in-the-Loop (HITL, 인간-루프 내) 전략을 적용하여 논문을 작성했습니다. 구체적인 프로세스는 다음과 같습니다.

• 가상 연구 그룹 구성:
  • LLM-0 (주니어 이론가): 원본 이론 추출 담당.
  • LLM-1 (시니어 포스트닥): 수학적으로 엄밀한 LaTeX 청사진 작성 담당.
  • LLM-2 (코더): 최종 Python 구현 및 디버깅 담당.
  • 인간 (책임 연구원, PI): 전체 워크플로우를 지휘하고 각 AI 에이전트를 멘토링하며 오류를 수정.
• 역방향 작성 전략 (Inside-Out Writing Strategy):
  • 서론 (Introduction) 부터 시작하는 대신, 먼저 **맥락 로딩 (Context Loading)**을 수행했습니다. 연구의 전체 범위, 이론적 아이디어, 코드 실험 세부 사항, 그리고 이전 모든 대화 기록을 AI 에게 입력하여 환각을 방지했습니다.
  • 핵심 개념과 용어 (예: "가상 연구 그룹", "보편적 API") 는 인간과 AI 간의 대화적 상호작용을 통해 점진적으로 정립되었습니다.
• 엄격한 검증 및 수정:
  • 물리학적 정확성: AI 가 생성한 텍스트의 물리학적 오류 (예: 텐서 네트워크의 연속/이산 구분 오류, Haldane 위상의 SPT 질서 오분류) 를 인간이 식별하고 수정했습니다.
  • 학술적 외교: 특정 오픈소스 라이브러리 (ITensor, TeNPy) 개발자를 불쾌하게 할 수 있는 공격적인 표현을 수정하여 전문적인 톤으로 재작성했습니다.
  • 예상 검토자 대응: '데이터 오염 (Data Contamination)' 우려와 '모델 능력 역설'에 대한 논리적 방어 논리를 논문에 직접 포함시켰습니다.
• 멀티모달 시각화: 텍스트 기반 AI 를 '아트 디렉터'로 활용하여 이미지 생성 AI 에게 물리적으로 정확한 프롬프트 (예: 1 차원 MPS 다이어그램) 를 생성하게 하고, 인간이 최종 물리학적 정확성을 검증했습니다.

3. 주요 기여 (Key Contributions)

• 새로운 저자성 패러다임 제안: 인간은 더 이상 보일러플레이트 텍스트를 타이핑하는 것이 아니라, AI 의 추론을 지휘하고 멘토링하는 '책임 연구원 (Principal Investigator)' 역할을 수행해야 함을 주장합니다.
• HITL 방법론의 구체화: AI 가 생성한 물리학적 논리의 엄밀성을 확보하기 위해 인간이 반드시 개입해야 하는 구체적인 시나리오 (물리 법칙 검증, 학술적 톤 조절, 검토자 예상) 를 제시했습니다.
• 투명성 표준 제안: 과학적 기록의 무결성을 유지하기 위해, AI 도구를 사용한 경우 수정되지 않은 전체 AI 상호작용 기록 (Transcripts) 을 부록 자료로 의무 공개해야 한다고 주장합니다. 이는 AI 의 '블랙박스'를 해체하고 인간의 주도적 역할을 입증하는 유일한 방법입니다.

4. 결과 (Results)

• 효율성 극대화: 전통적으로 대학원생이 수 개월이 걸리는 복잡한 텐서 네트워크 엔진 구축 및 논문 작성을 24 시간 이내에 완료했습니다.
• 과학적 엄밀성 확보: 인간의 개입을 통해 AI 가 저지른 물리학적 오류 (연속/이산 혼동, SPT 질서 오기재 등) 가 모두 수정되어, 물리 저널 (Physical Review 등) 에 게재 가능한 수준의 엄밀한 논문을 완성했습니다.
• 논리적 방어 완성: AI 가 생성한 코드가 단순한 기억 재생 (Regurgitation) 이 아닌 문맥 내 추론 (In-context reasoning) 에 기반했음을 입증하는 논리적 방어 장치를 논문에 성공적으로 통합했습니다.
• 시각적 정확성: 인간과 텍스트 AI, 이미지 AI 간의 협업을 통해 물리적으로 정확한 도식 (1D MPS 다이어그램 등) 을 생성했습니다.

5. 의의 및 시사점 (Significance)

• 과학적 무결성의 재정의: AI 시대에 과학적 진실성과 저자 책임을 유지하는 핵심은 '자동화'가 아닌 '증강 (Augmentation)'과 '반복적 개선 (Iteration)'에 있으며, 이를 위해 인간은 항상 최종 책임자 (PI) 로서 남아야 함을 강조합니다.
• 학술 출판의 투명성 혁명: AI 생성 콘텐츠의 급증에 따라, 기존 '인정 (Acknowledgment)' 섹션만으로는 부족하며, 전체 대화 기록의 공개를 새로운 표준으로 삼아야 한다고 주장합니다. 이는 연구자의 사고 과정과 AI 의 역할을 투명하게 보여줌으로써 학계의 신뢰를 회복하는 길입니다.
• 미래 연구 방향: AI 를 '가상 연구원'으로 활용하는 협업 모델이 과학적 소프트웨어 개발 및 논문 작성의 표준이 될 것이며, 이에 따른 윤리적, 방법론적 가이드라인의 필요성을 제기합니다.

결론적으로, 이 논문은 AI 를 단순히 글을 써주는 도구가 아닌, 인간 연구자가 지휘하는 '가상 연구 팀'의 일원으로 활용하는 구체적인 방법론을 제시하며, 이러한 새로운 협업 방식 하에서 과학적 진실성을 보장하기 위한 '기록의 투명성'을 강력하게 옹호합니다.