대규모 언어 모델의 부상과 미국 연방 연구 자금 지원의 방향 및 영향

The Rise of Large Language Models and the Direction and Impact of US Federal Research Funding

미국 연방 연구 자금은 미국의 과학 연구 활동의 방향, 다양성, 그리고 영향력에 큰 영향을 미칩니다. 대규모 언어 모델(LLM)은 과학 연구 분야에 빠르게 확산되고 있으며, 상당한 잠재력을 제공하는 동시에 광범위한 우려를 불러일으키고 있습니다. 과학적 글쓰기 및 평가에 대한 AI 활용에 대한 관심이 높아지고 있지만, LLM의 발전이 공공 자금 지원 환경을 어떻게 변화시키고 있는지에 대한 연구는 아직 부족합니다. 본 연구에서는 두 개의 상호 보완적인 데이터 소스를 결합하여, 미국 내 두 개의 대형 R1 대학에서 제출된 기밀 National Science Foundation (NSF) 및 National Institutes of Health (NIH) 연구 제안서(수혜, 미수혜, 검토 중 제안서 포함)와 공개된 NSF 및 NIH 지원 목록을 분석하여, 연방 자금 지원 프로세스의 주요 단계에서 LLM의 역할을 조사했습니다. 분석 결과, LLM 활용은 2023년부터 급격히 증가했으며, 양분된 분포를 보이는 것으로 나타났습니다. 이는 LLM의 활용 수준이 미미한 경우와 실질적인 활용으로 명확하게 구분됨을 의미합니다. 비공개 제안서와 공개된 지원 목록 모두에서, LLM 활용 수준이 높을수록 언어적 차별성이 낮아지는 경향을 보였으며, 이는 프로젝트가 동일 기관 내에서 최근에 지원받은 연구와 더 유사한 위치에 있음을 나타냅니다. 이러한 변화의 결과는 기관에 따라 다릅니다. NIH에서는 LLM 활용이 제안서의 성공률과 후속 논문 발표 건수 증가와 긍정적인 상관관계를 보였지만, NSF에서는 그러한 상관관계가 관찰되지 않았습니다. 주목할 점은 NIH에서 나타난 생산성 향상이 가장 많이 인용되는 논문보다는 일반적인 논문에 집중되어 있다는 것입니다. 종합적으로, 본 연구는 LLM의 발전이 과학적 아이디어가 어떻게 포지셔닝되고 선정되며, 공공 자금으로 지원되는 연구로 전환되는지에 대한 대규모 증거를 제공하며, 이는 연구 포트폴리오 관리, 연구 다양성, 그리고 과학의 장기적인 영향에 대한 중요한 시사점을 제시합니다.

Federal research funding shapes the direction, diversity, and impact of the US scientific enterprise. Large language models (LLMs) are rapidly diffusing into scientific practice, holding substantial promise while raising widespread concerns. Despite growing attention to AI use in scientific writing and evaluation, little is known about how the rise of LLMs is reshaping the public funding landscape. Here, we examine LLM involvement at key stages of the federal funding pipeline by combining two complementary data sources: confidential National Science Foundation (NSF) and National Institutes of Health (NIH) proposal submissions from two large US R1 universities, including funded, unfunded, and pending proposals, and the full population of publicly released NSF and NIH awards. We find that LLM use rises sharply beginning in 2023 and exhibits a bimodal distribution, indicating a clear split between minimal and substantive use. Across both private submissions and public awards, higher LLM involvement is consistently associated with lower semantic distinctiveness, positioning projects closer to recently funded work within the same agency. The consequences of this shift are agency-dependent. LLM use is positively associated with proposal success and higher subsequent publication output at NIH, whereas no comparable associations are observed at NSF. Notably, the productivity gains at NIH are concentrated in non-hit papers rather than the most highly cited work. Together, these findings provide large-scale evidence that the rise of LLMs is reshaping how scientific ideas are positioned, selected, and translated into publicly funded research, with implications for portfolio governance, research diversity, and the long-run impact of science.