인공지능(AI) 기술이 잊혀진 고대 역사의 보물을 다시 발굴하는 데 활용되고 있습니다. 이스라엘 연구진은 딥러닝 모델을 활용해 점토판에 새겨진 바빌로니아 문서를 성공적으로 복원하는 데 성공했습니다.
점토판에 새겨진 판독 불가능한 문자를 복원할 수 있게 된 것은 인공지능의 한 분야인 '딥러닝(deep learning)' 덕분입니다.
메소포타미아에서는 수십만 개의 점토판이 발견되었지만, 그렇다고 해서 새겨진 텍스트를 모두 읽을 수 있는 것은 아닙니다. 수 세기에 걸쳐 상당수의 비문이 손상되어 판독이 불가능한 상태였습니다. 그러나 이제 상황이 달라졌습니다. 2020년 9월 1일 국제 학술지 PNAS(미국국립과학원회보)에 게재된 연구에서 AI와 고고학 전문 연구진은 아케메네스 제국 시대 바빌로니아 문명(기원전 539년~331년) 당시 아카드어 쐐기문자로 작성된 행정 문서를 어떻게 해독해냈는지 그 과정을 공개했습니다.
조금씩 재발견되는 과거
판독 불가능한 단어의 식별은 인공지능, 특히 그 한 형태인 딥러닝을 통해 가능해졌으며, 이를 위해 순환 신경망(RNN) 방식이 활용되었습니다. 이 모델은 이미 자동 번역 분야에서 검증된 바 있는데, 텍스트 코퍼스의 문장들을 학습하며 미묘한 뉘앙스까지 파악하고, 반복 학습을 통해 해당 코퍼스의 구조와 의미에 대한 이해를 다듬어 원본 문서에서 빠진 단어를 추측해내는 방식으로 작동합니다.
딥러닝은 인공지능에서 파생된 기술로, 인간 뇌의 뉴런이 그러하듯 소프트웨어가 이미 접한 형태와 사물로부터 스스로 학습하며 작동하도록 만드는 프로세스입니다.
연구 대상으로 행정 문서를 선택한 것은 결코 우연이 아닙니다. 이러한 문서들은 엄격하고 유사한 구조를 지니고 있어 딥러닝 모델이 더욱 쉽게 분석할 수 있기 때문입니다. 이에 연구진은 쐐기문자로 된 원본을 라틴 문자로 옮겨 적은 '전사(transliterated)' 텍스트 1,400개로 구성된 코퍼스를 딥러닝 모델로 분석했습니다.
연구 과정에서 모델은 과학자들이 점토판 텍스트에서 추출한 52개의 객관식 문제로 테스트되었습니다. 매번 AI의 목표는 네 가지 선택지 가운데 52개 문장에서 빠진 단어를 찾아내는 것이었으며, AI는 88.5%의 정확도로 올바른 답을 골라냈습니다. 연구진은 "예상대로 모델이 문장 구조를 인식하는 데 뛰어난 성능을 보였다"고 평가했으며, 더욱 놀라운 점은 "문장의 의미를 파악하는 데에도" 탁월했다고 밝혔습니다.
시간을 절약해주는 기술
딥러닝 모델은 현재 사용되는 라틴 문자 계열에서는 우수한 성능을 보이지만, 아랍어처럼 형태가 더 복잡한 문자나 아카드어처럼 디지털화된 기록이 드문 문자에는 같은 성능을 기대하기 어렵습니다. 그럼에도 연구진은 데이터베이스가 점차 풍부해지면 향후 과학, 문학 등 더 복잡한 장르의 텍스트 복원도 가능해질 것으로 전망하고 있습니다.
RNN은 아케메네스 제국을 연구하는 역사학자, 연구자, 학생들의 작업을 크게 수월하게 만들어줄 것입니다. 연구진이 자신들의 모델을 손상된 쐐기문자 텍스트 복원에 유용한 디지털 도구인 '아트라하시스(Atrahasis)'에 통합한 것도 바로 이러한 목적 때문입니다.
