AI 48개로 마야 피라미드 후보 찾았다는 구글 개발자

다음에는 서아프리카나 중앙아프리카도 해 보면 어떨까?

‘마지막 장벽’ 같은 건 없다고 봄. 기준은 무슨 일이 벌어지는지 알아차리기 어려워질 때까지 계속 바뀔 거임. 최근 나온 수학 연구 중에는 완전히 이해되지 않는 것도 있고, AI의 추론 과정은 인간의 사고방식과 점점 멀어지며, 데이터도 인간이 만든 걸 수집하는 대신 생성하고 있음.

AI 활용에 가치가 있냐 없냐만의 문제가 아님. 전 세계를 라이다로 훑고 에이전트가 뭘 찾는지 보자는 댓글도 있는데, 그건 전 세계 약탈자들에게 먼저 위치를 알려 주는 좋은 방법이기도 함.

고고학 유적에는 과거 사람들의 삶에 관한 귀중한 정보가 담겨 있음. 약탈자가 먼저 손대면 그 정보가 영구적으로 사라질 수 있음. 슐리만이 트로이를 빠르게 파헤치면서 주요 지층을 훼손했다는 비판을 받는 사례를 생각해 보면 됨.

새로운 걸 알아내려면 물리적인 실험을 할 방법도 필요하지 않을까?

학계가 아마추어의 영역 침범이라고 받아들여 자료 접근을 지나치게 막을 가능성도 있다고 봄. 사해 문서도 소수 학자가 독점하면서 사진이나 번역본을 오랫동안 공개하지 않았고, 헌팅턴 도서관이 마이크로피시 사본을 공개하면서 상황이 바뀌었음.

오흐텐둥 두개골이나 필트다운인 사기처럼 명성을 위해 결과를 조작한 것도 인간임. 학계가 엄격한 동료 심사를 강조하는 만큼 검증과 지식 공유에도 책임을 다해야 한다고 생각함. 그렇지 않으면 다른 분야가 그 역할을 대신하게 될 수도 있음.

기존의 신경망과 비교하면 성능이 어떤지 궁금함. 이미지 분류나 특징 추출은 오래 연구된 분야고 의료 분야를 포함해 멋진 응용 사례도 많았음.

충분히 큰 모델이 전문 모델을 이길 수도 있겠지만 얼마나 더 나은지, 애초에 정말 그런지, 더 작은 모델을 학습시킬 수는 없는지 아직 불분명함. 깊은 전문성을 내려놓고 만능 상자에 질문하는 쪽으로 세상이 획일화되는 것 같아 아쉽기도 함.

다음은 AI로 미확인 이상 현상 탐지하겠네. SETI랑 BOINC가 다시 돌아오는 건가 ㅋㅋ

멕시코의 넓은 지역에 걸친 라이다 이미지를 봐야 했다고 함. 에이전트 48개가 72시간 걸렸으니 단순 계산하면 한 개는 144일이겠지. 얼마나 걸릴지 물어보고 3일 안에 하라고 하면 필요한 만큼 인스턴스를 늘렸을 수도 있음.

덧붙이면, 이 경우에는 도구로 분석한 게 아니라 멀티모달 입력으로 에이전트들이 이미지를 직접 ‘본’ 거라고 함.

멕시코 정부가 내부 유적 목록을 외부인에게 확인해 줄 이유는 없으니, 무슨 보고를 받았든 ‘찾지 못했다’는 식으로 답할 가능성도 있지 않을까 싶음.

다만 이런 글이 널리 퍼지면 다른 사람들이 멕시코 지형을 계속 분석하는 것에 대해 멕시코 쪽에서 더 우려하지 않을까? 그와 별개로 작업 자체는 꼼꼼하고 흥미로움.

AI가 경쟁이나 다른 우울한 용도 대신 발견에 쓰이는 모습은 반가움. 다만 유적이 등록돼 있지 않다는 게 아무도 몰랐다는 뜻인지 궁금함. 현장에 가서 확인하려면 비용과 정부 감독이 필요해서 공식 발견으로 인정되지 않은 걸 수도 있잖음.

그리고 에이전트 작업에 비용이 얼마나 들었는지도 공유해 줬으면 함. 멋진 결과여도 일반인이나 기업이 쓸 수 있는 수준인지, 정부나 대형 기술 기업만 가능한 수준인지는 다르니까. 의심한다고 해서 무조건 AI를 싫어하는 건 아니라고 생각함.

이념이나 금전적 동기 때문에 학문을 깎아내리고 발전을 막는 행위는 누구나 비판해야 하지 않나? 인간의 부정행위를 줄였을 때의 이점과 기존 사례를 지적하는 건 학계 전체를 공격하려는 게 아님. 문제가 있는 운영 주체에 발견의 독점권까지 줘야 하느냐는 얘기임.

X에서 봤는데 꽤 멋지더라. 이 사람이 이름도 붙일 수 있나?

숨겨진 구조물은 이전부터 계속 발견돼 왔음. 에콰도르 주변의 거대한 고대 도시 유적 같은 사례가 특히 인상적이고.

고고학자들이 주도해 왔지만, 최근 라이다 자료를 살펴보는 일반인들도 이것저것 찾아냄. 이번 일이 엄청난 진전이라고 보지는 않음. 공식 보고서를 작성하고 유적의 모습을 설득력 있는 이미지로 만든 건 인상적이지만, 훈련받지 않은 일반인들도 해 온 일과 크게 다르지 않다고 봄.

전문 분류 모델의 문제는 ‘상식’이 없다는 거임. 고양이 분류기를 학습시켜도 고양이 인형에서 실패할 수 있고, 반대로 인형도 보고해야 한다는 걸 모를 수도 있음.

LLM에는 ‘진짜 고양이만 찾아’ 또는 ‘인형과 그림까지 포함해서 찾아’라고 지시할 수 있음. 물론 분류기에 학습 데이터를 더 넣을 수도 있지만 계속 보완해야 하는 싸움이 됨.

에이전트가 실제로 뭘 했는지 대화 기록이나 작업 기록이 정말 궁금함. 에이전트가 사용자가 원한다고 생각하는 답을 찾으려고 온갖 지름길을 택한다는 건 이미 알려져 있음.

멕시코 데이터베이스에 등록되지 않았다는 이유로 새로운 발견이라고 표시했을 가능성도 있어 보임. 작업 기록을 공개하면 무슨 일이 있었는지 훨씬 명확해질 텐데, 공개하지 않는다면 실제 접근 방식을 숨기려는 게 아닌가 의심할 것 같음.

글에 따르면 이 이야기가 퍼진 뒤 해당 유적이 툴레인대 프란시스코 에스트라다벨리 박사의 연구에서 이미 발표됐다는 사실이 나왔음. 멕시코 정부 데이터베이스에 없었다고 해서 알려지지 않았거나 지도에 없던 유적이라는 뜻은 아님.

이전 논문은 공개 접근도 가능함: https://doi.org/10.1016/j.jasrep.2025.105288

기록을 공개하지 않았다고 해서 에이전트의 실제 작업 방식을 숨기려 한다고 보는 건 지나친 추측임. 글에 나온 작업은 최신 LLM이 충분히 할 수 있는 범위라고 봄.

이전 발견도 꽤 찾기 어려운 자료인 듯함. 블루스카이 글쓴이도 공개 논문을 직접 인용하기보다는 과학자에게 연락하라고 안내하고 개인적으로 이미지를 받았으니까. 모델이 설명된 방식으로 기존 발견을 다시 찾아냈고, 저자와 모델이 기존 기록을 못 찾았다는 해석이 합리적이라고 생각함.

‘원격 탐사는 어렵고 새 발견이라고 말하기 전에 세 번 확인해야 한다’고 하는데, 기존 연구자가 공유해 줬다는 자료를 공개 PDF로 볼 수는 없는 건가?

구글 개발자가 공개적으로 접근할 방법이 있는 자료를 확인했다면 새 발견이라고 주장하지 않았을 가능성이 커 보임. 위치를 비공개로 둘 이유는 이해하지만, 확인할 수 있는 자료는 링크하지 못하면서 조사가 부족했다고만 하는 건 지식 공유 방식의 문제일 수도 있지 않나.

흥미롭긴 한데, 글에 따르면 라이다 자료 약 1,200㎢를 이미지로 바꾸고 에이전트 48개가 지침에 따라 하나씩 보면서 피라미드와 플랫폼, 광장을 찾았다고 함. 별도 분류 모델을 쓴 게 아니라 이미지를 직접 본 거임.

차라리 LLM 하나에 원본 라이다 자료를 받아 높이 지도를 만들고, 이미지 분류기로 부자연스러운 모양을 찾아 순위를 매기는 처리 과정을 만들라고 하는 게 낫지 않았을까? 재사용도 가능하고 훨씬 빠를 것 같은데.

이게 이 이야기의 핵심이라 글쓴이도 인정해야 한다고 봄. 나도 에이전트로 새로운 역사 지식을 찾아보려 했는데, 가능성은 크지만 기존 연구를 대략 80%만 읽고도 새로운 발견이라고 반복해서 주장하더라.

정말 새로운 발견이라고 확실히 말하려면 사실상 기존 연구를 거의 전부 살펴야 함. 수학 논문은 공개돼 있고 검색도 되는 편이지만, 역사 분야는 에이전트들이 발견했다고 생각한 게 1870년대 프랑스어 책에 이미 실려 있는데 그 책이 디지털화되지 않았을 수도 있음.

왜 제목에 ‘구글 소프트웨어 엔지니어’라는 게 중요하냐고? 그걸 안 넣고 두 번 올렸을 때는 관심을 못 받았기 때문임. 우리가 실제로 보여 준 선호는 구글 개발자가 프롬프트를 입력한 결과가 더 흥미롭다는 거겠지.

뭔가를 찾아내는 것과 그 의미를 이해하는 것의 차이를 보여 주는 사례라고 생각함. 개발자는 미발견 장소라고 생각한 곳을 찾고 AI로 추정 이미지를 만든 뒤 지역 엘리트가 사용했을 거라고 추측했음.

반면 에스트라다벨리 박사의 연구는 더 큰 인류학적 조사 속에서 이 구조물을 다뤘고, 인구 밀도와 주거지·농경지의 분포, 지역 간 관계 등을 이해하려고 했음. 그 연구에서는 오히려 주거지와 농경지가 공동체 시설 가까이에 있다는 점이 엘리트와 일반인의 관계가 생각보다 복잡하고 가까웠을 가능성을 시사한다고 봤음.

마야 유적이 존재한다는 걸 아는 것과 그게 무슨 의미인지 이해하는 건 다른 일임.

내가 가뭄 사진을 언급한 이유가 그거임. 라이다는 식생을 제거한 지형의 높이 변화를 보여 주지만, 가뭄 사진은 묻힌 구조물이나 기초 위에서 풀이 제대로 자라지 않는 흔적을 보여 줌. 역사의 흔적이 묻히거나 밭갈이로 덮인 영국과 유럽에서 특히 유용함.

내 근처에서도 작년에 이 방법으로 약 5km 길이의 로마 도로와 큰 빌라 단지가 발견됐음. 웨일스에서는 2018년 폭염 때 찍은 항공사진을 분석해 약 200곳의 고대 유적을 확인했다는 보도도 있었음.

나는 높이 변화에 의존하는 라이다보다 가뭄 때 찍은 사진이 영국에서 새로운 유적을 찾는 데 더 좋다고 봄. 영국에서는 건물을 묻거나 밭갈이로 덮어 버린 경우가 많아서. 이런 사진을 AI가 살펴보는 것도 적절한 활용일 듯.

설령 새로 발견한 게 맞더라도 공은 대부분 NASA와 라이다에 돌아가야 한다고 봄. AI 에이전트를 썼다는 것 자체는 그렇게 대단한 일이 아님.

보통 머신러닝 모델을 만드는 사람은 모델에 없는 창의성을 보완해야 함. 모델을 돌리고 놓친 사례를 살펴보면서 어떤 정보가 부족한지, 다른 표현이나 접근법이 가능한지 고민하는 식으로.

좋은 머신러닝에는 결국 해당 분야의 깊은 전문성이 필요하고, 그 과정에서 더 깊은 통찰을 얻기도 함. LLM은 속도와 결과 면에서 새로운 가능성을 열었지만, 모든 걸 그냥 LLM에 물어보고 더 파고들 이유가 없어지는 상황도 생기는 것 같음.

자료가 잠기기 시작한 이유도 생각해 봐야 함. 지금의 LLM들은 공개 여부를 가리지 않고 방대한 창작물을 가져다 학습했고, 원작자 상당수는 보상을 받지 못했음. 자료를 모으는 스크레이퍼들이 작은 사이트의 운영 비용을 늘리는 문제도 있음.

큰 기업들도 커뮤니티의 결과물을 직접 수익화하려고 담을 쌓고 있음. 지식은 자유로워야 한다는 생각에는 공감하지만, 기업들이 공유 자원을 이용하는 상황에서 사람들이 지식을 닫아 버리는 이유도 이해함.

‘도둑질’은 소유자가 그것을 빼앗겨 더는 갖고 있지 않다는 뜻이니, 불법 복제나 복사가 더 적절한 표현이라고 생각함. 그것도 완전히 정확하진 않지만. 유료 기사 내용을 사람에게 물으면 기억나는 걸 말하다가 틀릴 수도 있는데, 요즘 LLM도 비슷하다고 봄.

다만 출판물 토렌트처럼 자료를 구한 방식 중 잘못된 것들이 있었고 그에 대한 대가는 치러야 한다는 데 동의함. 과도한 스크레이핑 문제도 마찬가지임.

그게 비합리적으로 냉소적인 해석이라고? 이게 정말 새로운 발견이라는 걸 입증할 책임은 글쓴이한테 있음. 에이전트가 실제로 찾아낸 건지, 데이터베이스에는 없지만 이미 글로 알려진 걸 찾아본 건지 증거가 필요하다는 거임.

그런데 글쓴이는 ‘내 AI 에이전트가 지도에 없는 마야 유적을 찾았다’고 제목을 달고, 아무도 보고한 적 없는 장소를 발견했다고까지 썼음. 에이전트가 실제로 뭘 했는지 증거도 없이 그 말을 그대로 믿어야 할 이유는 없다고 봄. AI 홍보에서 과장된 주장이 자주 나오는 만큼 커뮤니티가 근거를 요구하는 건 당연함.

실제로 그 장소를 발견한 고고학자 입장도 생각해 보자. 어느 날 일어났더니 다른 사람이 자기 발견의 공을 가져가는 글을 보게 될 수도 있잖음.

내가 보기엔 저작권을 사실상 끝없는 수익원으로 만든 기업과 사람들이 더 문제임. 1940년에 쓰인 소설도 상속인이나 권리를 사들인 기업이 계속 돈을 벌도록 공유 저작물이 되지 못하는 상황은 납득하기 어려움.

저작권 기간과 법이 합리적이었다면 AI 업계에 대한 반발도 더 커졌을 거라고 생각함. 물론 지식을 가둬 버리는 건 저작권을 강하게 보호해야 한다고 믿는 입장에서도 좋은 대응이 아니라고 봄.

내 에이전트에게 클라우드플레어 캡차를 우회하라고 했더니 순순히 하더라.

고고학자들과 협업해서 이런 방법을 실제 연구에 활용해 보면 좋겠음.

내가 잉글랜드와 웨일스의 첫 온라인 라이다 지도를 만들었는데, 그걸 이용해 이전에 알려지지 않은 고고학 유적이 수십 곳 발견된 걸로 알고 있음. 로마 시대 빌라와 요새, 헨지, 각종 토목 유적까지 다양함. 비슷한 도구를 이용한 발견이 포럼에 거의 매주 올라옴.

이제 찾기 점점 어려워지는 느낌이지만 가끔은 ‘이걸 어떻게 다들 놓쳤지?’ 싶은 발견도 나옴. 특히 인상적인 유적은 이번 멕시코 사례처럼 숲 아래 지형을 보여 주는 자료에서 나오거나, 새로 공개된 측량 구역에서 아마추어들이 찾아내는 경우가 많음.

내 눈에는 이번 이야기도 AI보다는 라이다 측량 범위와 데이터 접근성이 엄청나게 발전한 결과에 더 가까워 보임. 물론 성능 좋은 모델에 충분한 토큰을 주면 아직 남은 유적 몇 개를 찾아낼 수는 있겠지만.

글에서 본인과 에이전트가 이렇게 대화함.

본인: INAH에 어떻게 연락하지? 신고 절차는 어떻게 돼?
에이전트: 보고서 작성 방법과 이메일 주소 안내
본인: 그럼 보고서 작성해 줘.

내용 자체는 흥미로운데, AI가 작성한 보고서를 그대로 이메일로 보내지만 않았으면 좋겠음. 나라면 전문가가 아니라는 걸 밝히고, 조사해 보니 이 좌표에 아직 목록에 없는 흥미로운 유적이 있을 수 있으니 확인해 달라고 직접 쓸 듯. 아니면 이런 연락에 익숙한 고고학자에게 먼저 문의하든가.

AI로 해당 분야에 익숙한 척하는 건 지양했으면 함. 받는 쪽에서 AI의 전문적인 설명이 필요하면 본인들이 메시지를 모델에 넣어 볼 수도 있으니까.

마인크래프트에서 마을 발견하기가 더 짜릿함

소프트웨어 개발자들이 가끔 지리 탐사 자료나 연구 데이터가 그냥 자연적으로 굴러다니는 것처럼 생각하는데, 일반인이나 AI가 보고 뭔가를 알아볼 수 있는 건 애초에 고고학자들이 적절한 조사 방법을 찾아서 측량했기 때문임.

나는 오히려 원본 데이터가 비공개로 잠길까 봐 걱정됨. 예전에는 전문 연구팀만 제대로 활용할 수 있었으니 좌표만 비밀로 하고 자료를 공개해도 됐음. 이 글쓴이도 보고서에서는 좌표를 공개하지 않았고. 그런데 이제는 관심만 조금 있어도 유물을 약탈하러 어디로 가야 할지 알 수 있게 됨.

사람들이 관심 끌려고 몰려가기 전에 고고학자들이 현장에 가서 제대로 발굴할 시간을 주는 것도 중요함. 결국 데이터를 만든 사람들이 자료를 제한하게 될까 걱정됨.

LLM이 접근하기 쉬운 데이터베이스 하나만 확인하고 발견이라고 부르면 안 됨. 새로운 발견이라고 말하기 전에 기존 연구를 꼼꼼히 확인해야 한다는 건 고고학뿐 아니라 과학 전반의 기본임.

나중에 틀린 걸 알게 되면 정정하는 것도 중요함. 그런데 글 맨 위에는 에이전트가 문헌을 검토하면서 놓쳤을 수도 있다는 정정이 붙었는데, 글쓴이가 배운 점은 여전히 ‘그냥 하면 된다’로 남아 있음.

정말 새로운 발견이었다면 AI 사용 여부와 관계없이 뉴스거리가 됐겠지만, AI라는 유행을 좀 탄 것도 맞는 듯.

구글 개발자라는 점도 의미 있다고 봄. 구글 직원이 이런 창의적인 개인 작업을 할 수 있다는 게 회사에 대해 말해 주는 게 있음. 나도 예전에 거기서 일했는데 가장 그리운 점 중 하나임.

개인 토큰을 썼는지 회사에서 제공한 토큰을 썼는지는 모름.

1~2년 전에 새로운 아이디어라고 생각한 개인 프로젝트에 한 달 넘게 썼다가 허탕을 친 적 있음. 그 뒤로는 잘 모르는 분야의 아이디어가 생기면 다른 LLM에게 신입 연구원이 가져온 제안이라고 생각하고 아주 비판적으로 검토해 달라고 함.

시작할 때, 계획을 세운 뒤, 그리고 진행 중에는 적어도 일주일에 한 번씩 그렇게 확인함. AI 분야는 일주일 사이에도 상황이 크게 바뀔 수 있어서.

과학자들이 가치 있다고 보는 것과 일반 대중이 가치 있다고 보는 것의 차이도 드러남. 이 글에서는 약 1,220㎢를 살펴 유적 한 곳을 찾았음.

반면 내가 아는 한 논문에서는 그 10분의 1 정도 되는 면적에서 유적 6,764곳을 찾고, 그 데이터를 바탕으로 연구까지 진행했음. 그쪽이 훨씬 정교한 방법을 사용했다는 점도 짚고 싶음.