[{"_1":2,"_44":-5,"_45":-5},"loaderData",{"_3":4,"_7":8},"routes/lang-layout",{"_5":6},"lang","ko","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":6},"id",531,"title","DeepRead 2.0; 여러분의 연구를 더 쉽고, 빠르고, 깊게","board_id",1,"user_id","content","

$\"Image$

초거대 인공지능을 응용하여 연구 논문을 분석하고 다양한 정보를 제공하기 위하여 탄생한 딥리드*가 출시된지 채 1년이 지나지 않았다. 이것이 출시될 때만 하더라도(그래봐야 1년이 채 안 된 과거다), 대다수 사람들에게 챗GPT라는 용어 자체가 생소할 때였다. 단순히 새로운 기술을 시장에 선보이는 것이 아니라, 연구자들이 이를 응용하여 더욱 쉽고 효율적으로 정보를 활용할 수 있도록 제공하는 데에 집중했다. 그러나 곧, 우리는 새로운 기술이 나오는 것만으로는 충분하지 않다는 것을 깨달았다.

그 자기성찰을 토대로, 딥리드 1.0 출시 후 몇 달이 지나지 않아 기능을 대폭 개선하기 위한 딥리드 2.0 개발이 시작되었다. 새로운 담당자를 배정하여 고객의 니즈를 세심하게 분석하고, 그 분석에 따라서 기능을 새로 설계하고, 설계한 기능을 완성도 높게 구현하고, 구현한 기능을 꼼꼼히 테스트하는 작업을 한 땀 한 땀 진행해 갔다. 그리고 그 작업은 현재도 진행형이다.

그러나 이 시점에서도, 연구 논문을 분석하고 준비하는 고객에게 딥리드 2.0을 활용해 보시길 자신 있게 권한다. 딥리드 2.0은 더욱 향상된 저널 추천과 연관 자료 검색 기능뿐만 아니라, 인공지능 기반의 챗봇이 제공되어 더욱 효율적인 정보 검색이 가능하다.

이것은 단순히 기존에 입력된 질문의 범위에서 정형화된 답변을 기계적으로 출력하는 것과는 본질적으로 다른 가치를 제공한다. 우리는 모두 어떤 질문을 해야 할지 막막한 경험을 한 적이 있다. 그리고 그것이 전문 분야면 특히 그렇다. 왜냐하면 좋은 질문을 하는 것 자체가 때때로 깊은 지식과 이해를 기반으로 하는 어려운 과제일 수도 있기 때문이다.

$\"Image$

딥리드 2.0의 챗봇은 이런 점에서 기존의 챗봇과 궤를 달리한다. 처음에는 핵심적인 질문이 사전에 설정되어 있지만, 그다음부터는 사용자가 업로드한 논문 내용에 따라 다양하고 유용한 질문 예시를 제시한다. 사용자가 어떤 질문을 선택하느냐에 따라 인공지능이 해당 질문에 적절한 답변과 함께 파생 질문을 또 다시 생성한다. 물론 사용자가 직접 질문을 입력해도 찰떡같이 알아듣고 최적의 답변을 제공한다.

이러한 과정을 통해 사용자는 한 편의 논문에서 궁극적으로 무한 지식을 추출할 수 있을 뿐만 아니라, 반대로 전문을 읽지 않고도 필요한 핵심 정보만 신속하고 깔끔하게 얻을 수 있다. 현재처럼 정보가 무한으로 쏟아지고 그것을 제한된 시간 안에 통섭해서 새로운 지식을 도출해야 하는 연구자들에게 딥리드 2.0의 챗봇 기능은 분명히 유용한 가치를 제공할 것이라 믿는다.

또한, 사용자의 논문이 이미 저널에 게재된 기존 논문인지 아니면 새롭게 작성하는 논문인지에 따라 맞춤형으로 다른 기능을 제공하는 것도 딥리드 2.0에서 개선된 사항이다. 이를테면 기존에 게재된 논문에 대해서는 출판 정보를 추출하여 제시하고, 새로 작성하는 논문에는 더욱 정교해진 알고리즘과 방대한 정보를 기반으로 더욱 정확도가 높은 저널을 추천해 준다. 이 외에도 공통으로 연구 논문 요약, 유사 논문 검색, 추가연구 제안 등 기존 딥리드 1.0에 장착되어 있던 기능도 더욱 개선하여 제공한다.

렉스코드의 개발진은 기능적인 측면뿐만 아니라 인터페이스에서도 사용자 편의성을 극대화하고 사소한 프릭션(불편)까지 제거하기 위해 세심한 노력을 기울였다. PDF 원문을 보여주는 창과 정보를 표시하는 영역을 편리하고 아름답게 구성하였다.

물론 최종 선택은 사용자의 손에 달려있다. 우리의 기대처럼 딥리드 2.0의 가치가 사용자로부터 인정을 받거나 반대로 설령 혹평을 받는다고 하더라도 어느쪽이든 우리는 이미 딥리드 3.0, 4.0, 5.0… 처럼 무한 발전을 계획하고 있다. 어떤 결과가 나오든, 우리는 끊임없이 연구할 것이며, 언젠가는 전 세계의 연구자들이 우리가 만든 툴과 서비스를 사용하기를 기대한다.

“We research your research.”

그것이 저널랩의 사명이지 않은가.

Ps. 딥리드 2.0 을 기획한 마케팅팀 구다희 사원, 기능 개발을 담당한 딥러닝팀 정경일 팀장, 그리고 프론트 개발을 담당한 디지털팀 심정민 대리에게 이 기사로 감사의 뜻을 전합니다.

렉스코드 대표 함철용

yham@lexcode.com

","views",439,"likes",6,"comment",0,"thumbnail_file","/2024/04/20240405171948.png","thumbnail_name","20240405171948.png","created_at","2024-04-05","updated_at","2026-05-28T16:33:02","status","company","author","함철용","metadata",{"_13":40,"_41":40,"_42":40},"","keyword","description","locale","actionData","errors"]