AI 에이전트는 새로운 마야 유적을 발견하지 않았다

들어가며

특이한 지형을 찾아내는 일과 과학적 발견을 완성하는 일은 다르다. 이 차이는 구글 연구자 피에트로 미오티가 진행한 마야 유적 탐사 프로젝트를 둘러싼 논란에서 드러났다. 미오티는 48개의 AI 에이전트를 활용해 NASA의 라이다 데이터를 분석하고, 아직 등록되지 않았을 가능성이 있는 마야 지역의 정착지를 찾았다고 설명했다. 그러나 고고학자들은 해당 장소가 이미 학술 논문에 보고된 곳이라고 지적했다.

무슨 일이 있었나

미오티는 페루를 여행하던 중 과거의 탐험가들이 현대 기술을 활용했다면 무엇을 할 수 있었을지 생각하면서 이 아이디어를 떠올렸다고 말했다. 페루의 공개 라이다 데이터가 충분하지 않자 탐색 대상을 마야 지역으로 바꿨다. AI 에이전트들은 마을, 주거지 또는 다른 구조물을 나타낼 수 있는 규칙적인 지형을 찾았다. 이 작업은 구글의 컴퓨팅 자원이나 공식 프로젝트가 아닌 개인적인 부수 활동이었다.

AI가 대규모 마을로 보이는 장소를 표시하자 미오티는 멕시코 국립인류역사연구소(INAH)에 해당 지점이 이미 등록돼 있는지 문의했다. 그는 기관으로부터 그 위치에 대한 공식 등록 기록이 없다는 답변을 받았다고 밝혔다. 그러나 이는 해당 유적이 누구에게도 알려지지 않았다는 뜻이 아니다. 공식 데이터베이스에는 모든 현장 조사, 미공개 연구, 학술 논문이 포함되지 않기 때문이다. 유적 보호를 위해 좌표를 공개하지 않는 경우도 있어 데이터베이스 검색만으로 기존 연구를 확인하기는 어렵다.

핵심 내용

• 탐지는 발견과 다르다. AI와 라이다는 눈에 띄는 지형을 표시할 수 있지만, 그것이 건축물인지 자연 지형인지 판단하려면 전문 지식이 필요하다.
• 미등록은 미지라는 뜻이 아니다. 지역 주민이 이미 알고 있거나, 연구자들이 조사·측량했어도 공식 목록에 올라 있지 않을 수 있다.
• 문헌 검토는 연구의 일부다. 기존 연구와 비교하고 동료평가를 거치는 과정은 새로움과 연구 기여를 확인하는 데 필수적이다.
• 위치 공개에는 위험이 따른다. 유적 좌표가 퍼지면 도굴을 유발할 수 있고, 전문가들이 검증되지 않은 ‘신발견’ 제보에 과도하게 대응해야 할 수도 있다.

의미와 영향

이번 사례가 고고학에서 AI의 활용 가능성을 부정하는 것은 아니다. 고고학자들도 라이다 영상 해석과 대규모 데이터의 우선순위 선별에 AI가 도움을 줄 수 있다고 본다. 문제는 지형 패턴을 발견한 뒤 곧바로 역사적 돌파구라고 주장하는 데 있다.

신뢰할 수 있는 연구 과정은 논문, 지도, 미공개 기록, 전문가 지식, 지역사회의 정보를 함께 검토해야 한다. 이후 현장 조사를 통해 실제 대상을 확인하고 의미를 해석해야 한다. 마야 지역에서는 새로운 유적을 더 찾는 것보다, 이미 알려진 유적을 지도화하고 발굴하며 이해할 자금을 확보하는 일이 더 큰 과제라는 지적도 나왔다.

이 교훈은 고고학을 넘어선다. AI는 기존 연구와 맥락을 놓친 채 그럴듯한 새 결과를 만들어낼 수 있다. 앞으로의 AI 연구 도구에는 출처 추적, 체계적인 문헌 대조, 전문가 검토, 지역사회에 대한 고려, 민감한 위치정보 보호가 포함돼야 한다. AI는 탐색을 빠르게 만들 수 있지만, 발견을 성립시키는 것은 해석과 검증, 그리고 책임이다.

출처: The Verge AI