[{"_1":2,"_45":-5,"_46":-5},"loaderData",{"_3":4,"_7":8},"routes/lang-layout",{"_5":6},"lang","en","routes/relations/stories-detail",{"_9":10},"item",{"_11":12,"_13":14,"_15":16,"_17":16,"_18":19,"_20":21,"_22":23,"_24":25,"_26":27,"_28":29,"_30":31,"_32":33,"_34":25,"_35":25,"_36":37,"_38":39,"_43":44},"id",414,"title","인공지능, 이젠 논문 초록까지 분석합니다.","board_id",1,"user_id","content","

최근 인공지능에 대한 관심과 연구가 점점 고도화되면서, 기존에 있었던 많은 서비스들 또한 인공지능과 결합하여 더 나아진 혹은 기존과는 아예 다른 새로운 서비스들로 변화하는 모습을 자주 볼 수 있다. 특히 그중에서도 자연어 처리와 관련한 인공지능 번역, 자동 메일 분류, 스마트 어시스턴트, AI 상담사, 텍스트 분석 등과 같은 서비스는 우리의 삶에 아주 밀접한 관계가 있다. 오늘은 이러한 인공지능이 렉스코드의 저널랩 서비스와 어떻게 결합하였는지 자연어 딥러닝 연구팀의 일원으로서 이야기해 보고자 한다.

\n \n

우선 렉스코드 저널랩에 대해 설명하자면, 저널랩은 고객들이 노력하여 작성한 논문이 SCI, SCIE와 같은 전문 해외 저널에 등재할 수 있도록 논문 한영 번역, 에디팅, 저널 추천과 같은 논문 게재를 위해 필요한 서비스를 전문적으로 제공하는 브랜드이다. 이러한 저널랩의 서비스와 관련하여 자연어 딥러닝 연구팀이 개발한 것은 바로 ‘AI 논문 초록 분석 서비스’이다. 논문 투고 전, 작성된 논문 초록을 입력하기만 하면, 누구나 AI의 분석을 통해 문법 정확도부터 연구 제목 제안, 핵심 키워드, 투고 저널 추천, 레퍼런스 추천 등과 같은 다양한 인사이트를 얻을 수 있는 데이터를 확인할 수 있다.

\n \n

$\"\"$

\n \n

이렇게 간편하게, 내 논문 초록을 AI가 분석한 결과를 확인할 수가 있다.
\n \n
입사한 지 한 달이 조금 넘었을 때쯤, 대표님으로부터 저널랩에서 논문 초록 분석 서비스를 제공하기 위해 상세한 프로젝트 계획과 개발 목적 등 프로젝트 개요에 대해 간략하게 설명을 들은 뒤, 2차 미팅을 통해 프론트엔드 개발자님, UI/UX디자이너님과 함께 미팅을 하며 어떤 방식으로 서비스를 구현할지 개발계획을 구체화하였다.
\n \n
해당 기능을 구현하기 위해 자연어 딥러닝 연구팀이 사용한 기술은 최근 딥러닝의 자연어 처리 분야에서 주목받고 있는 BERT와 GPT-3모델이다. BERT와 GPT는 자연어 처리의 한 획을 그었다고 할 수 있는 구글에서 발표한 “Attention is All You Need”라는 논문의 Transformer에서 파생된 모델 중 하나로, Bidirectional Encoder Representations from Transformer와 Generative Pretrained Transformer를 의미한다.
\n \n
여기에서 BERT는 Transformer의 *Encoder 구조를 GPT는 Transformer의 **Decoder 구조를 분리해 각각 독자적인 모델로 발전시킨 형태라고 볼 수 있다. 특히나 가장 최근에 나온 GPT 계열의 모델 중 하나인 GPT-3는 약 5,400억 개의 파라미터로 구성된 초거대 인공지능 모델로 그 성능 또한 과거와는 비교할 수 없을 정도로 강력하다. 딥러닝 연구팀은 이러한 강력한 최신의 모델들을 활용하여 텍스트를 인공지능이 이해할 수 있도록 하고, 특정 Task에 맞게 연산하여 사용자가 원하는 키워드 추출, 타이틀 추출, 문장 요약, 레퍼런스 추천 등 다양한 결과를 얻어낼 수 있도록 구현했다.
\n \n

*Encode: 사람이 이해할 수 있는 언어를 컴퓨터가 이해할 수 있는 형태로 변환해주는 것

**Decode: Encode와 반대되는 개념으로 컴퓨터가 이해할 수 있는 언어를 사람이 이해할 수 있는 형태로 변환해주는 것

\n \n

물론 구현하기까지의 과정이 순탄했던 것만은 아니다. 입사 후 처음으로 진행했던 프로젝트였던 만큼 수많은 난관과 오르막길투성이였다. 하지만 하나둘 기술이 구현되고, 구현된 기술들이 프론트엔드 개발자님과 UI/UX디자이너님의 손을 거쳐 점점 그 형태를 갖춰갈 때마다, 서비스의 완성도가 높아지는 모습을 두 눈으로 확인했다. 또한 서비스가 잘 완성될 수 있도록 조언해 주시고 도와주신 정 팀장님과 이수안 교수님 덕분에 어려운 난관도 차근차근 극복할 수 있었던 것 같다.

\n \n

처음 베타 버전을 테스트했을 땐 너무 신기해서 무척이나 흥분했었던 기억이 난다. 친구들은 물론 가족들에게까지 자랑하며 엄청난 보람을 느꼈고, 나의 노력이 누군가에게 도움이 될 수 있다는 생각에 무척이나 뿌듯했다. 물론 여전히 아쉬운 부분과 개선해야 하는 부분이 많은 건 사실이다. 이러한 부분들을 집중적으로 개선해서 사용자가 더 이용하기 쉽게, 그리고 더 유용한 정보를 제공받을 수 있도록 지금도 여러 방면으로 연구하고 보완하고 있다.

\n \n

앞으로 자연어 딥러닝 연구팀에서 진행하게 될 수많은 프로젝트들을 상상해 본다. 그 시작은 언제나 새롭고 설레겠지만, 문득 끝이 없는 오르막길처럼 느껴질 때도 있을 것이다. 하지만 이러한 경험이 축적되고, 나 자신 또한 오르막길을 잘 오를 수 있는 단단함을 갖게 된다면, 분명 많은 사용자들에게 더 좋은 경험을 제공할 수 있는 서비스를 개발할 수 있을 것이라고 믿는다.\n\n\n\n본문에서 소개한 서비스, 여기 있습니다! 😎

▶ \"내 논문 초록을 분석해 보세요!\"

\n \n

저널랩의 다른 서비스들이 궁금하다면?

▶ “여러분의 연구를 연구합니다”

\n\n\n자연어 딥러닝 연구팀 정경일

kijung@lexcode.com

","views",1622,"likes",17,"comment",0,"thumbnail_file","/2022/202211/6364734436a548081106.png","thumbnail_name","JKI_title.png","created_at","2022-11-04","updated_at","2026-05-28T17:20:06","status","company","author","렉스코드","metadata",{"_13":40,"_41":40,"_42":40},"","keyword","description","locale","ko","actionData","errors"]