딥마인드, 고대 라틴어 비문 복원 및 연대 추정 AI 'Aeneas' 공개

고대 로마의 비문이나 유물을 해독하는 일은 오랫동안 학자들의 초인적인 기억력과 수작업에 의존해 왔습니다. 깨진 석비에서 빠진 단어를 추정하기 위해 도서관에서 비슷한 문구를 찾아 헤매는 데만 수개월이 걸리곤 했습니다.

Google DeepMind가 영국 노팅엄대, 옥스퍼드대, 워릭대, 아테네 경제경영대와 손잡고 고대 라틴어 비문을 복원하고 맥락을 분석하는 생성형 멀티모달 AI 모델 Aeneas(아이네아스)를 발표했습니다. 관련 연구는 학술지 네이처(Nature)에 게재되었습니다.

결손 글자 수를 몰라도 복원하는 멀티모달 모델

현재도 해마다 약 1,500점의 라틴어 비문이 새로 발굴됩니다. 하지만 대부분 심하게 훼손되었거나 축약어가 많아 기존의 단순 텍스트 검색 기술로는 맥락을 파악하기 어려웠습니다.

연구팀은 주요 라틴어 에피그래피 데이터베이스들을 통합해 기원전 7세기부터 기원후 8세기까지를 아우르는 176,861건의 비문 데이터셋(LED)을 구축했습니다. 전체 문자 수만 1,600만 자에 달합니다.

Aeneas의 기술적 돌파구는 두 가지입니다. 첫째는 결손 글자 수를 모르는 상태에서도 텍스트를 복원할 수 있다는 점입니다. 이전 모델들은 몇 글자가 빠졌는지 알아야 채워 넣을 수 있었지만, Aeneas는 결손 길이에 구애받지 않고 복원을 수행합니다.

둘째는 이미지와 텍스트를 함께 분석하는 멀티모달 처리입니다. 비문의 전사 텍스트뿐 아니라 석비 사진의 시각적 형태를 함께 학습해 비문이 제작된 지리적 출처를 추정합니다. 각 비문을 일종의 역사적 지문으로 변환해 문맥과 어휘가 유사한 참고 비문들을 몇 초 만에 찾아냅니다.

인간 학자와 AI가 결합했을 때 최고 성능

역사학자들을 대상으로 한 평가에서 Aeneas가 찾아낸 유사 텍스트의 90%가 유의미한 연구 출발점으로 인정받았습니다. 학자들이 핵심 판독 과업을 수행할 때의 신뢰도 역시 44% 향상되었습니다.

비문 작성 시기를 추정하는 작업에서는 실제 연대 범위와 평균 13년 오차 수준의 정밀도를 보였습니다. 텍스트 복원과 지리적 출처 판정 모두에서 역사학자와 Aeneas가 협업했을 때의 성과가 인간 전문가나 AI 단독 작업보다 우수했습니다.

DeepMind는 코드와 LED 데이터셋을 오픈소스로 공개했으며, predictingthepast.com을 통해 연구자와 학생 누구나 무료로 쓸 수 있는 웹 도구를 배포했습니다.

왜 중요한가

역사학자, 고고학 연구원, 박물관 전문가에게 Aeneas는 방대한 대조 작업을 즉각적으로 줄여주는 실질적인 연구 도구입니다. 수백 곳에 흩어져 있는 비문 사료를 일일이 대조하지 않아도 문맥상 유사한 사례를 바로 확인할 수 있어, 글자가 심하게 손상된 유물의 해독 속도를 획기적으로 끌어올릴 수 있습니다.

접근 방식 측면에서도 DeepMind의 설계는 매우 영리합니다. 역사적 사실을 그럴듯하게 지어내는 환각 문제를 피하기 위해, 단순히 답을 생성해 주는 대신 학자가 검증할 수 있는 실제 유사 비문 목록을 근거로 제시합니다. 최종 판단권을 인간 학자에게 남겨두는 협업 구조를 택해 학술적 신뢰도를 확보한 셈입니다.

다만 한계도 분명합니다. 17만 건이 넘는 학습 데이터 중 사진 이미지가 포함된 비율은 약 5%에 불과해, 시각 정보를 결합한 위치 추정 기능은 아직 데이터 풀의 제약을 받습니다. 또한 현존하는 비문 자체가 로마 제국의 부유한 지역에 쏠려 있다는 근본적인 표본 편향도 남아 있습니다. 그럼에도 인문학과 첨단 AI가 어떤 방식으로 공존하고 시너지를 내야 하는지 보여준 모범적인 사례로 평가할 만합니다.