Who Leads Machine Learning Research? A Bibliometric Portrait of 1,000 Top-Cited Researchers on Google Scholar

기술 요약: Scholar-ML-1000

문제 제기
머신러닝(ML)이 컴퓨터 과학의 하위 분야에서 다학제적 방법론으로 구조적 전환을 이루고 있으며, 연구 활동의 중심이 대학에서 산업 연구소로 동시에 이동하고 있다는 논평이 널리 퍼져 있음에도 불구하고, 글로벌 인재 지형은 여전히 제대로 기록되지 않은 상태이다. 기존 문헌에는 세계에서 가장 많이 인용되는 ML 연구자들에 대한 포괄적이고 인용 순으로 정렬된 스냅샷이 부족하다. 산업에 초점을 맞춘 MAANG-AI-450과 같은 기존 데이터셋은 학계 연구자를 제외하고 있어 연구 범위가 제한적이며, 이 분야의 전체적인 학문적 폭을 포착하지 못한다. 본 논문은 다음과 같은 근본적인 질문에 답할 필요성을 다룬다: 전 세계에서 가장 많이 인용되는 ML 연구자는 누구인가? 학계와 산업계의 균형은 어떠한가? 어떤 기관에 인재가 집중되어 있으며, 최상위 계층 내의 연구 관심사는 얼마나 다양한가?

방법론
저자들은 "machine learning"이라는 라벨을 스스로 표기한 구글 스칼라(Google Scholar)의 가장 많이 인용된 연구자 1,000명을 포함하는 데이터셋인 Scholar-ML-1000을 구축하였다.

• 데이터 수집: 저자들은 커스텀 브라우저 자동화 스크립트를 사용하여 구글 스칼라의 공개 저자 검색 엔드포인트(label:machine_learning)를 쿼리하고, 총 인용 횟수 순으로 정렬하였다. 시간적 불일치를 최소로 줄이기 위해 2026년 6월 중 72시간 동안 100개의 연속된 페이지(1,000개 항목)를 추출하였다.
• 수집 필드: 각 연구자에 대해 순위, 이름, 소속, 자기 보고된 관심 분야(키워드), 그리고 총 누적 인용 횟수를 포함하였다.
• 데이터 정제: 상위 20개 항목에 대한 수동 검사를 통해 네 개의 비정상적인 계정(인용수가 부풀려졌거나 주제에서 벗어난 프로필. 예를 들어, ML 중심이 아닌 대형 검출기 협업에서 기인한 인용수를 가진 입자 물리학자 포함)을 식와했다. 이 네 개를 제외하고 정량적 분석을 위한 클린 데이터셋 n = 996을 확보하였다.
• 분류: 소속은 키워드 매칭(예: "university", "professor" vs "Google", "Meta"와 같은 특정 회사명)을 사용하여 "학계(Academia)", "산업계(Industry)", "둘 다(Both)", 또는 "알 수 없음(Unknown)"으로 분류하였다. 지리적 분포는 국제 연구자들을 오분류하는 것을 방지하기 위해(예: 미국 기반의 Google 연구자와 영국 기반의 DeepMind 연구자 구분), 회사 본사 위치보다 명시적인 도시/기관 키워드를 우선시하는 우선순위 키ord 매칭 시스템을 통해 결정하였다.

주요 기여

1. 데이터셋 공개: 본 논문은 전체 상위 1,000명을 포괄하며, 인용 순으로 정렬된 세계 최초의 공개 가능한 글로벌 ML 연구자 스냅샷인 Scholar-ML-1000을 소개하고 공개한다.
2. 인용 분포 분석: 연구는 글로벌 인용 분포를 특징짓는 결과로 지니 계수(Gini coefficient) 0.37을 발견하였다. 이는 산업계에만 국한된 MAANG-AI-450 데이터셋에서 관찰된 0.57보다 현저히 낮은 수치로, 극단적인 영향력 집중은 글로벌 ML 생태계보다 산업 연구소의 특성에 더 가깝다는 것을 시사한다.
3. 산업-학계 정량화: 본 논문은 산업계가 ML 연구를 완전히 장악했다는 서사에 도전하며 섹터 분할을 정량화한다. 연구 결과, 학계가 연구자 수와 인용 점유율 모두에서 여전히 지배적인 섹터임을 확인하였다.
4. 학문적 폭: 데이터셋은 전통적인 ML 분야를 벗어난 입자 물리학, 계산 생물학, 천체 물리학 등의 상당한 커뮤니티를 드러내며, 이는 산업 중심 데이터셋에서는 흔히 간과되는 부분이다.

주요 결과

• 인용 통계: 클린 데이터셋(n=996)의 인용 범위는 40,809회에서 1,118,561회 사이이다 (중앙값: 69,320; 평균: 101,379). 상위 10%의 연구자가 총 인용의 31.6%를 차지하며, 상위 58.8%가 80%를 차지한다.
• 섹터 분할: 연구자의 **52.3%**가 주로 학술적 소속을 가지며, 총 인용의 **52.3%**를 차지한다. 순수 산업계 연구자는 인원수 기준으로는 **22.6%**를 구성하지만, 인용의 **26.6%**를 차지하여 산업계 연구자들이 다소 높은 인용 생산성 우위를 보임을 나타낸다.
• 기관 집중도:
  • Google 및 Google DeepMind는 총 209명의 연구자(데이터셋의 21.0%)를 보유하고 있으며, 이는 Stanford, MIT, UC Berkeley를 합친 수(74명)의 두 배가 넘는 수치이다.
  • 대학 중 상위 5개 기관은 북미 지역이다: Stanford (31), MIT (23), UC Berkeley (20), Carnegie Mellon (16), University of Toronto (13).
• 지리적 분포: 미국 기반 연구자는 약 **32.4%**를 차지한다(대학 및 회사 본사 분류 합산). 영국은 Google DeepMind의 런던 본사 덕분에 13.1%(130명)로 3위를 기록했다. 소속에 위치 키워드가 명시되지 않아 **34.5%**의 상당 부분이 "알 수 없음"으로 분류되었다.
• 학문적 다양성: 핵심 ML(컴퓨터 비전, AI, 딥러닝) 외에도, 상위 1,000명에는 입자 물리학 (49), 계산 생물학 (50), **천체 물리학 (15)**의 뚜렷한 커뮤니티가 포함되어 있다.

의의 및 주장
본 논문은 글로벌 ML 인재 생태계에 대한 최초의 체계적인 계량서지학적 초상(bibliometric portrait)을 제공한다고 주장한다. 주요 의의는 완전한 "두뇌 유출(brain drain)"이라는 인식에 대한 교정이다. 인재 이동은 실재하지만, 고인용 학술 연구자의 글로벌 재고는 학계의 다수 점유율을 유지하기에 충분할 만큼 여전히 상당하다.

본 연구는 Google과 DeepMind가 단일 기업 내에서 전례 없는 고인용 인재 집중도를 보여주고 있으며, 이는 세계에서 가장 명망 있는 컴퓨터 과학 학과들의 합산 출력량을 능가한다는 점을 강조한다. 또한, 물리학자와 생물학자의 포함은 ML이 다양한 과학 영역에서 주요한 도구가 되었음을 보여주며, 이는 개최지 기반이나 산업 중심의 분석에서는 놓치기 쉬운 미묘한 차이이다. 저자들은 이 데이터셋을 향후 "과학의 과학(science of science)" 연구를 위한 기초 자원으로 위치시키며, 연구자 이동성과 학문적 경계의 진화를 종단적으로 추적할 수 있게 한다.