Opus 5.5로 새 도도새 목격 기록을 찾다

AI 요약

역사 연구자이자 글쓴이는 Opus 5.5를 활용해 네덜란드 동인도회사 기록에서 1615년 모리셔스의 도도새 사냥을 언급한 자료를 찾았습니다. 글은 발견 자체뿐 아니라, AI 에이전트가 역사 연구를 어떻게 바꾸는지, 사람은 어떤 지점에서 연구에 개입해야 하는지를 살펴봅니다.

자료를 찾아가는 과정

연구자는 먼저 자신이 잘 아는 주제에서 구체적인 질문을 정합니다. 이어 GLOBALISE가 공개한 네덜란드 동인도회사 기록처럼 규모가 크고 편집 상태가 좋은 자료를 찾습니다. 기록을 내려받아 임베딩 모델로 벡터화한 뒤 의미 기반 검색(semantic search)을 실행합니다. 검색 결과에서 후보 문장을 추리고, 프런티어 모델에 읽고 순위를 매기게 한 다음 사람이 직접 확인합니다. 답을 찾지 못하면 다른 아카이브나 검색어로 범위를 넓힙니다.

일반적인 역사 연구와 절차는 크게 다르지 않습니다. 연구자가 역사 데이터베이스에서 검색어를 바꿔 가며 결과를 읽고, 흥미로운 대목을 발견하면 더 깊이 파고듭니다. 차이는 Opus 5.5 같은 에이전트가 여러 복사본을 만들어 여러 언어의 기록을 동시에 읽는다는 점입니다. API 키를 주면 연구 도중 새로 찾은 자료를 임베딩 검색에 추가할 수도 있습니다.

1615년의 도도새 기록

Opus 5.5가 검토한 자료 대부분은 도도새를 연구해 온 학자들이 이미 알고 있던 내용이었습니다. 하지만 1615년 기록은 앞선 연구에서 다뤄지지 않은 자료로 보입니다. 네덜란드 동인도회사 상선 Wapen van Amsterdam의 선장 이스브란트 코르넬리스 판 페턴(Isbrant Cornelisz van Petten)이 쓴 것으로 추정되는 항해 일지입니다. 배는 1615년 4월 모리셔스에 들러 식량과 물을 보충했고, 선원들은 거북이와 도도새(dodeersen), 거위와 앵무새를 잡았다고 기록했습니다. 기존 기록의 연도상 공백이었던 1611년부터 1616년 사이를 보완하는 자료입니다. 다만 원문 전사와 번역은 완벽하지 않으며, 글쓴이는 초기 근대 네덜란드어를 아는 독자에게 수정을 요청합니다.

같은 검색 과정에서 1638년 기록에 나온 velthoenderen도 발견했습니다. 네덜란드인이 붉은 레일(red rail)을 가리킬 때 쓴 말로 알려져 있지만, 1890년 프랑스어 번역에서 perdrix, 즉 자고새로 옮겨지면서 해당 기록을 놓친 것으로 보입니다. Opus 5.5는 원본 필사본을 확인해 번역을 바로잡았습니다.

무굴 궁정의 도도새 가설

연구자는 무굴 황제 자한기르(Jahangir)가 소유했던 살아 있는 도도새의 출처도 조사했습니다. 자한기르의 궁정 화가 우스타드 만수르(Ustad Mansur)가 남긴 그림은 도도새의 가장 정확한 현존 묘사로 꼽히지만, 황제가 새를 언제, 누구에게 받았는지는 알려지지 않았습니다. Opus 5.5는 1616년 모리셔스를 방문한 포르투갈 예수회 선교사가 ‘타조’라고 부른 새가 도도새였으며, 이 새가 고아를 거쳐 자한기르에게 전해졌을 가능성을 제시했습니다. 모리셔스에는 타조가 없고, 프랑스어 번역본에서는 해당 새를 도도새로 풀이합니다. 다만 이 새와 자한기르의 도도새를 잇는 전달 경로는 확인되지 않았습니다. 글쓴이는 포르투갈인이 고아에서 자한기르 궁정으로 칠면조를 보낸 사례를 단서로 추가 조사할 계획이라고 합니다.

AI가 잘하는 일과 어려워하는 일

글쓴이는 AI의 강점이 방대한 자료를 지치지 않고 훑으며 이미 제기된 주장에 근거를 보태거나 반례를 찾는 데 있다고 봅니다. 반면 스스로 새로운 연구 질문을 만들거나 발견의 역사적 중요도를 판단하는 능력은 약합니다. Opus 5.5와 GPT-6는 때때로 여러 에이전트를 띄워 세부 자료를 파고들었지만, 전문가가 읽기 어려운 기록으로 빠지거나 맥락을 놓치기도 했습니다. 글쓴이는 전문 분야의 경계에 있는 자료를 인간이 만든 질문과 함께 맡기는 방식이 효과적이라고 설명합니다.

따라서 발견을 검증할 전문성과 이를 평가할 전문가의 관심이 병목이 됩니다. 글쓴이는 AI 에이전트를 돌리는 아마추어가 학계의 미개척 영역에서 새 주장을 내놓을 때, 이를 확인할 지식과 연구 네트워크가 없다면 문제가 생길 수 있다고 우려합니다. AI는 자료 속 단서를 찾을 수 있지만, 그 단서가 무엇을 뜻하는지 가리는 일까지 맡기기는 어렵습니다. 이번 도도새 기록은 AI가 독립적인 아카이브 조사로 새로운 사료를 찾을 수 있음을 보여주지만, 그 사료의 의미를 묻고 평가하는 역할은 인간 연구자에게 남아 있습니다.

Hacker News 반응

• @dgellow — 정말 잘 읽었습니다. Substack 글은 장황하고 품질이 낮다는 인상이 있었는데, 이 글은 전혀 그렇지 않습니다.
• @nl — 제가 LLM을 흔한 용도와 다른 3D 프린팅 설계에 쓰며 알게 된 점은, 모델의 오류가 인간의 실수와 너무 달라서 예상하기 어렵다는 것입니다. 맞물리는 부품을 완벽하게 설계하고도 연결할 부품을 90도 돌려 놓는 식입니다. 오류는 어리석어 보이지만, 모델이 다른 어려운 일을 완벽하게 해내므로 모델 자체가 어리석다고 하기도 어렵습니다. ‘7개 화음 그룹’이라는 대목은 Opus 5.5보다 Opus 5.0에 가까워 보입니다. 이전 조사 결과인지 궁금합니다.
  • @NewJazz — 모델이 어떤 형태로든 지능을 갖췄다기보다, 학습 데이터에 담긴 지능을 불완전하게 비추는 것일 수도 있습니다.
• @BoppreH — AI의 능력은 ‘뾰족합니다’. 어떤 차원에서는 멀리 뻗지만 다른 차원에서는 무작위로 모자라는 듯합니다. 최근 ‘Thus Spoke Compute’라는 음악을 보면 곡은 아주 좋고 그래픽과 글도 인상적입니다. 하지만 비유 몇 개는 말이 안 되고, 글자 강조 위치도 틀렸으며, 2분 35초의 기차 애니메이션은 반대 방향으로 움직입니다. 나머지를 만들 수 있는 사람이라면 그런 실수를 하지 않을 텐데 AI는 합니다.
  • @Terr_ — 계산기도 ‘뾰족한 지능’의 사례라고 할 수 있습니다. 다만 이 말은 객관적으로 들릴 뿐, 실제로는 ‘보면 안다’는 표현을 덧붙인 것에 가까울 수 있습니다. 어떤 것을 계속 더 뾰족하게 만들다 보면 어느 순간 지능이 사라졌다고 말하게 됩니다. ‘적응성’도 지능과 서로를 정의하는 말이 될 수 있습니다.
• @early_exit — 좋은 글입니다. 조사 대상이 된 텍스트는 몇 쪽이었나요? 1615와 1629가 전체 페이지 수가 아니라 연도라면, 수백만 건에서 3천 쪽만 남긴 과정이 그 안에서 도도새 언급을 찾은 것만큼 인상적이라고 생각합니다.
  • @mkl — 그 숫자는 쪽수가 아니라 연도 아닌가요? 글에는 기록이 수백만 건이라고 나오지만, 한 기록이 얼마나 긴지는 잘 모르겠습니다.
• @jamienk — 아버지가 돌아가셨는데 읽기 어려운 손글씨로 쓴 일기가 아주 많이 남았습니다. 스캔해서 AI에 넣고 분석해 볼 가치가 있을까요? 작은 기록이 너무 많고, 그 안에서 더 큰 맥락을 찾을 수 있을 것 같습니다.
  • @komali2 — 지난 30년간 쓴 수십 권의 일기에 로컬 모델 OCR 파이프라인을 구성했습니다. 정확도는 약 80%였고, 핵심 단어를 놓치는 경우가 많아 결과가 알아보기 어려웠습니다. 검색 결과가 나온 곳의 이미지를 대조하기는 편합니다. 필체에 맞춰 재학습하는 기능도 있다고 들었지만, 수백 쪽을 직접 수정해야 해서 시도하지 않을 것 같습니다.
• @Neil44 — 도도새가 모리셔스에만 살았다는 걸 몰랐습니다. 어디에나 살았다고 생각했는데, 날지 못하고 통통한 새가 세계 곳곳으로 퍼져 나가기는 어려웠겠네요.

원문: Res Obscura / 번역·요약: Trawling