연구자 Rasul Khanbayov와 H. Kurban은 2017년부터 2025년까지 ACL, CVPR, ICLR, ICML, NeurIPS 등 5개 주요 학회에 게재된 80,814편의 논문을 분석해 AI 연구 주제의 변천 과정을 조사했다. 연구 결과, AI 연구는 점진적 성장이 아닌 급격한 도약인 '토픽 위상 전이(topical phase transitions)'를 통해 발전하는 경향을 보였다.

대규모 언어 모델(LLM)과 확산 모델(diffusion models)은 수년간 주변적인 위치에 머물다 1~3년 내에 학계 전반의 주류로 급부상했다. 반면 강화학습은 완만하게 성장하며 일반적인 성장 패턴을 보였다. 연구팀은 2017~2021년 데이터를 바탕으로 위상 전이 이전의 징후를 탐지하는 예측 모델을 설계했다. 2023~2025년 데이터를 통한 검증 결과, 이 모델은 27%의 정밀도와 63%의 재현율을 기록했다.

2025년 기준 해당 모델이 향후 2026~2028년 사이 급부상할 것으로 지목한 분야는 추론 및 테스트 타임 연산, 에이전트 AI, 멀티모달 LLM, 검색 증강 생성(RAG), 그리고 월드 모델이다. 연구와 관련된 소스 코드는 깃허브(GitHub)를 통해 공개됐다.

연구자 Rasul Khanbayov와 H. Kurban은 2017년부터 2025년까지 ACL, CVPR, ICLR, ICML, NeurIPS 등 5개 주요 학회에 게재된 80,814편의 논문을 분석해 AI 연구 주제의 변천 과정을 조사했다. 연구 결과, AI 연구는 점진적 성장이 아닌 급격한 도약인 '토픽 위상 전이(topical phase transitions)'를 통해 발전하는 경향을 보였다.

대규모 언어 모델(LLM)과 확산 모델(diffusion models)은 수년간 주변적인 위치에 머물다 1~3년 내에 학계 전반의 주류로 급부상했다. 반면 강화학습은 완만하게 성장하며 일반적인 성장 패턴을 보였다. 연구팀은 2017~2021년 데이터를 바탕으로 위상 전이 이전의 징후를 탐지하는 예측 모델을 설계했다. 2023~2025년 데이터를 통한 검증 결과, 이 모델은 27%의 정밀도와 63%의 재현율을 기록했다.

2025년 기준 해당 모델이 향후 2026~2028년 사이 급부상할 것으로 지목한 분야는 추론 및 테스트 타임 연산, 에이전트 AI, 멀티모달 LLM, 검색 증강 생성(RAG), 그리고 월드 모델이다. 연구와 관련된 소스 코드는 깃허브(GitHub)를 통해 공개됐다.