AI가 만든 '유령 저자'들이 학술 출판을 오염시키고 있다
삼성과 바르샤바 대학 연구진은 실존하지 않는 인물인 '엘레나 바스케즈'와 '마커스 첸' 등 대형 언어 모델(LLM)이 반복적으로 생성하는 이름들이 수백 편의 AI 생성 논문과 문서에 공동 저자로 등장하며 학술 기록을 오염시키고 있다고 밝혔습니다. 이들 유령 논문은 CERN이 운영하는 Zenodo에서 실제 DOI를 발급받아 Google Scholar와 Semantic Scholar 등 학술 검색 플랫폼에 인덱싱되고 있어, 대규모 학술 기록 오염의 인프라가 이미 갖춰져 있다는 지적입니다.
삼성과 바르샤바 대학의 새로운 프리프린트 연구 논문에 따르면, "엘레나 바스케즈(Elena Vasquez)와 마커스 첸(Marcus Chen)은 화산 전문가, 우주비행사, 스릴러 주인공, 팟캐스트 진행자, 학술 공동 저자 등으로 수백 건의 서로 독립적으로 제작된 AI 생성 문서에 등장했지만, 실제로 살아본 적이 없는 인물"이다. 이 논문은 수백 편의 AI 생성 학술 논문, 기사, 책에 공동 저자로 등장한 다수의 이름을 식별해냈다. 이 저자들은 실제로 존재하지 않으며, 특정 분야의 전문가를 생성하라는 요청을 받았을 때 대형 언어 모델(LLM)이 반복적으로 만들어내는 이름들이다.
'고스트 커플: 상관된 LLM 이름 선호도와 웹·학술 출판에 대한 그들의 출몰(The Ghost Couple: Correlated LLM Name Priors and Their Haunting of the Web and Academic Publishing)'이라는 제목의 이 논문은 특정 LLM이 특정 맥락에서 계속 같은 이름을 만들어내는 알려진 현상을 활용했다. 예를 들어, 6월에 샘(Sam)은 ChatGPT, Gemini, Claude가 생성하는 소설에서 '엘리아스 손(Elias Thorne)'이라는 이름을 사용할 가능성이 높으며, 이 캐릭터가 종종 등대지기로 등장한다는 글을 썼다. 마찬가지로 사용자들은 ChatGPT에게 소프트웨어 개발자를 생성해달라고 요청하면 이름이 종종 '마커스 첸'이 된다는 것을 발견했다.
연구진은 LLM이 종종 같은 이름을 기본값으로 사용할 뿐만 아니라 '상관된 캐릭터 앙상블(correlated character ensembles)'을 만들어낸다는 것, 즉 일부 이름들이 함께 나타날 가능성이 더 높다는 것을 보여줬다. AI 모델들이 일관되게 생성한 다른 이름들로는 Claude의 '엘레나 아마라 오카포르(Elena Amara Okafor)', Gemini의 '아리스 손(Aris Thorne)'과 '레나 페트로바(Lena Petrova)', ChatGPT의 '엘라라 보스(Elara Voss)' 등이 있다.
이달 초, 필자는 '리서치 골드(Research Gold)'라는 회사에 관한 기사를 보도했다. 이 회사는 인간이 작성한 의학 연구라고 주장하는 콘텐츠를 판매했지만, 실제로는 전부 AI가 생성한 것이었다. 그 회사의 창립자이자 수석 방법론자는 '엘레나 바스케즈'라는 이름이었다. 리서치 골드는 기사가 게재된 후 사이트에서 엘레나 바스케즈를 삭제했다.
논문의 주 저자인 미하우 브조조프스키(Michał Brzozowski)는 이 이름들을 구글에서 검색하면 AI가 생성한 인물의 다른 사례들이 나타났다고 말했다. 예를 들어, 1월에 미국 국경순찰대원들에게 살해당한 알렉스 프레티(Alex Pretti) 사건 이후, 페이스북에 그가 비위행위 혐의로 간호사 직장에서 해고되었다는 소문이 퍼졌다. 스놉스(Snopes)는 이 허위 주장이 존재하지 않는 '집행 이사 엘레나 바스케즈 박사'에게 귀속되었다고 보도했다.
브조조프스키는 LLM이 자주 생성하는 것으로 알려진 이름으로 학술 논문 데이터베이스를 검색할 수 있었다. "CERN이 운영하며 실제 DataCite DOI를 발급하는 저장소인 Zenodo에서, 우리는 존재하지 않는 저널과 조작된 발행일을 주장하는 1,655건의 유령 저자 명의 기록을 식별했다." DOI(Digital Object Identifier, 디지털 객체 식별자)는 학술 논문을 식별하는 데 사용되는 문자와 숫자의 나열이다. 연구진은 이 AI 이름들이 저자로 된 논문 다수가 소급 날짜가 기입되어 있음, 즉 Zenodo에 업로드된 날짜와 발행일이 다르다는 것을 발견했다.
누구나 무료 계정으로 Zenodo에서 DOI를 만들 수 있지만, DOI를 가진 AI 생성 논문의 존재는 웹과 학술 출판의 다른 부분에 영향을 미친다. "이들 [AI 생성 논문]은 어떤 학술 애그리게이터든 수집할 수 있는 실제 DOI를 지니고 있다. 대규모 학술 기록 오염을 위한 인프라는 이미 갖춰져 있다. 유령 이름들은 ResearchGate에도 등장하여 여러 모델 계열에서 뽑힌 공동 연구자들과 가짜 연구 그룹을 형성하고 있으며, Google Scholar와 Semantic Scholar가 검증 없이 인덱싱하고 있다. 학술 기록이 조용히 유령들에게 시달리고 있는 것이다." ResearchGate와 Google Scholar는 모두 검색 결과에 나타날 가능성이 높은 학술 출판 애그리게이터다.
연구진은 서로 다른 LLM과 그 버전들이 특정 이름을 너무 일관되게 생성하기 때문에, 이를 활용해 AI 쓰레기 콘텐츠(AI slop)의 출처를 파악할 수 있다고 말한다. 예를 들어 '엘레나 바스케즈'라는 이름은 Claude Sonnet 4가 생성한 콘텐츠에서 특히 흔했기 때문에, 그녀를 저자로 명시한 논문은 해당 LLM이 생성했을 가능성이 높다. 다만 브조조프스키는 이 수준의 정확도가...