Scholar AI

Scholar AI는 키워드만이 아니라 의미로 벡터 데이터베이스를 검색한다. 그래서 "세포가 왜 치료에 저항하는가" 같은 질의도 그 표현이 그대로 나오지 않아도 관련 연구를 돌려준다. 결과는 의미적 유사도, 피인용 수, 날짜로 정렬할 수 있고, 각 항목에 오픈 액세스 정보도 함께 붙는다. 일치가 얼마나 가까운지에 따라 보통 0편에서 25편의 결과가 나온다. 이 범위는 결함이 아니라 특징이다.

채팅 보조 도구는 답하기 전에 최신 연구와 직접 올린 PDF를 먼저 살핀다. 즉 받는 답은 이미 워크스페이스로 끌어온 출처에 의해 빚어지며, 모델이 열린 웹에 대해 가진 일반적인 기억에 의한 것이 아니다. 대부분이 가장 먼저 쓰는 부분이고, 출처 기반 설계가 드러나는 곳이기도 하다. 답이 그 근거가 된 논문을 가리키기 때문이다. 대가로 지연이 있다. 즉석 질문에서 특히 그렇다.

본문 내 인용과 참고문헌 목록을 2,600가지가 넘는 스타일로 생성해, 글쓰기 시간을 잡아먹는 번거로운 형식 작업을 덜어 준다. 인용은 컬렉션의 실제 논문에 묶이므로, 빌려온 주장도 확인 가능한 무언가로 이어진다. 참고문헌을 손으로 맞추는 일은 고된 노동이다. 이 기능은 그걸 건너뛴다.

신경망 OCR 시스템이 업로드한 논문을 읽고, 오래된 스캔까지 포함해 이미지를 분리해 낸다. 전체 텍스트를 절 단위로 요약하거나 특정 문서에 대해 질문할 수 있다. 걸림돌은 그림 라벨이 늘 정확히 식별되지 않고, 출판사가 저작권을 이유로 추출을 막을 수 있다는 점이다. 그렇다면 필요한 논문이 그런 차단 뒤에 잠겨 있을 때는 어떻게 할까. 직접 오픈 액세스 판본을 다시 찾는 길로 돌아가게 된다.

Zotero나 Mendeley 라이브러리 전체를 한 번의 클릭으로 동기화한다. 출처 유형과 메타데이터가 그대로 넘어오고 PDF도 첨부된 채로 오므로, 모든 것을 손으로 다시 정리하지 않아도 된다. 바로 그게 핵심이다. 이 기능 덕분에 프로젝트 중간에도 도구를 갈아타기가 실용적이다.

개발자는 논문 검색, 콘텐츠 추출, 문서 관리를 자사 애플리케이션에 통합할 수 있고, 문서는 검색 속도가 아직 실시간 UI 렌더링을 염두에 두고 만들어지지 않았다고 솔직히 밝힌다. 그래서 채팅 창에서 즉각적으로 느껴지는 즉석 질의도 실제 화면에 연결하면 느려질 수 있다. 에이전트 도구 입장에서는 놀라움이 아니라 알려진 맞바꿈이다.