AI 에이전트가 400년 전 항해일지에서 찾아낸 도도 사냥 기록
한눈에 보는 핵심
- Opus 5.5를 활용해 네덜란드 동인도회사(VOC) 기록을 탐색한 결과, 기존 연구가 놓친 것으로 보이는 1615년 도도 사냥 기록이 발견되었습니다.
- 방법은 단순합니다. 전문 지식으로 연구 질문을 세우고 → 임베딩 기반 의미 검색으로 후보 구절을 추리고 → 여러 AI 에이전트가 다국어 사료를 병렬로 읽으며 → 사람이 최종 검증합니다.
- 같은 탐색에서 붉은뜸부기 기록의 130년 묵은 오역도 바로잡았고, 무굴 황제 Jahangir의 도도가 어디서 왔는지에 대한 새 가설도 얻었습니다.
- 다만 결론은 겸손합니다. AI는 지치지 않고 뒤지는 일에 강하지만, 질문을 만들고 중요성을 판단하는 일에는 여전히 약합니다.
왜 이 사례가 흥미로운가
비슷한 시기, 보안 연구자 Carter Church는 GPT-6 Astra를 6시간 돌려 그동안 해독되지 않았던 나폴레옹 시대 암호를 풀었다고 발표했습니다. 정리된 결과물은 전통적인 학술 논문 형식이 아니라 '바이브 코딩'에 가까운 구성이었지만, 1차 사료와 재현 가능한 방법론을 모두 담고 있었죠.
여기서 진짜 변화는 결과물의 외형이 아니라 지식을 찾고 검토하는 방식에 있습니다. 최첨단 모델에 역사 연구 과제를 주면, 자료 검색과 다국어 검토를 동시에 수행하면서 한 사람의 연구 과정과는 전혀 다른 규모로 움직입니다.
실제로 거친 5단계 절차
출발점은 어디까지나 사람의 전문 지식입니다. 이번 탐색은 17세기 이국적 동물 교역 연구와, 도도를 다룰 근세 동물 멸종사 저술 계획에서 시작했습니다.
- 전문 지식을 바탕으로 구체적인 연구 질문을 정한다
- 무료로 접근 가능하고 잘 정리된 대규모 사료 집합을 고른다 (이번에는 VOC 문서를 모은 GLOBALISE 아카이브)
- 사료를 내려받아 임베딩 모델로 처리하고 의미 검색이 가능한 상태로 만든다
- 의미 검색으로 후보 구절을 찾고, 최첨단 모델이 읽어 사람의 검토 우선순위를 매긴다
- 답이 되는 구절이 있으면 후속 탐색, 없으면 다른 아카이브나 검색어로 계속 찾는다
흐름 자체는 사람이 데이터베이스를 여러 검색어로 뒤지고 흥미로운 구절을 정독하는 과정과 크게 다르지 않습니다. 차이는 병렬 처리 규모와 다국어 독해에 있습니다. Opus 5.5 같은 에이전트는 수십 개의 복제 에이전트를 띄워 여러 언어 자료를 동시에 읽을 수 있고, API 키를 주면 탐색 중 새로 찾은 자료에 직접 임베딩 검색까지 수행합니다. 이번 도도 기록도 그렇게 나왔습니다.
1615년 항해일지에서 나온 구절
도도는 모리셔스에 살던 큰 새로, 1681년 무렵 과도한 사냥으로 멸종했습니다. 워낙 유명한 주제라 연구도 두텁게 쌓여 있죠. VOC의 수백만 건 기록에서 찾아낸 자료 대부분도 이미 알려진 것이었습니다.
그런데 1615년 항해일지 한 건은 기존 연구가 놓친 것으로 보였습니다.
- 작성자는 상선 Wapen van Amsterdam의 선장 Isbrant Cornelisz van Petten일 가능성이 높습니다
- 배는 1615년 4월 모리셔스에 도착해, 동인도까지 남은 항해에 대비해 물과 식량을 확보했습니다
- 기록에는 "많은 육지거북과 도도(dodeersen), 그리고 일부 거위와 앵무새를 잡았다"는 구절이 있습니다
Parrish의 2013년 저서 The Dodo and the Solitaire 및 관련 논문들과 대조한 결과, 1611~1616년 사이 공백이 있던 도도 연표에 새로 채워 넣을 기록으로 보입니다. 다만 네덜란드어 전사와 번역이 완벽하지 않아 근세 네덜란드어 전문가의 교정이 필요합니다. 그 자체로 획기적인 발견은 아니지만, 같은 탐색에서 나온 다른 기록들과 묶으면 학술 출판이 가능한 수준입니다.
130년을 숨어 있던 오역
같은 탐색에서 모리셔스의 또 다른 멸종 조류, 붉은뜸부기에 관한 새 기록 가능성도 나왔습니다.
네덜란드가 모리셔스를 처음 식민화한 1638년 기록에 '들닭'을 뜻하는 네덜란드어 velthoenderen이 등장하는데, 전문가들은 이 단어가 네덜란드인이 붉은뜸부기를 가리킬 때 쓴 명칭임을 이미 확인한 바 있습니다.
문제는 1890년 프랑스 학자가 이를 자고새를 뜻하는 perdrix로 옮겼다는 것. 그 오역 때문에 해당 구절은 오랫동안 연구자들의 시야에서 벗어나 있었습니다. Opus 5.5는 원본 필사본으로 돌아가 이 번역을 바로잡았습니다.
Jahangir의 도도는 어디에서 왔을까
무굴 황제 Jahangir는 살아 있는 도도를 소유했던 것으로 보이지만, 누가·언제·왜 가져다줬는지는 알려져 있지 않습니다. 황제의 회고록에도 도도 이야기는 없습니다. 그런데 궁정 화가 Ustad Mansur가 남긴 그림은 현존하는 도도 묘사 중 가장 정확한 것으로 생물학자들이 지금도 인용합니다. 제작 시점조차 불확실해, 학자에 따라 1625년 무렵 또는 1615년 무렵으로 봅니다.
Opus 5.5가 여러 필사본을 탐색한 끝에 내놓은 가설은 이렇습니다.
- 1616년 포르투갈 예수회 수사가 모리셔스에서 기록한 새가 Jahangir의 도도와 같은 개체일 가능성
- 수사는 그 새를 "타조"라고 불렀지만, 모리셔스에는 타조가 없습니다
- 포르투갈어 원문은 소실된 것으로 여겨져, 모델은 현존하는 프랑스어 번역을 활용했습니다
이 "타조"가 실은 도도였다는 해석 자체는 새롭지 않습니다(프랑스어 번역자도 도도로 주석을 달았습니다). 새로울 수 있는 건 1616년 Goa로 향하던 중 잡힌 이 새와, 1615~1625년 사이 Jahangir에게 도착한 도도를 연결하는 가설입니다.
전달 경로는 아직 입증되지 않았습니다. 다만 1612년 Goa의 포르투갈인에게서 Jahangir 궁정으로 아메리카 칠면조가 전달된 경로는 명확히 알려져 있어, 추적의 단서가 됩니다. 이 연결이 입증되면 가장 유명하고 과학적으로도 중요한 개체일 수 있는 무굴 궁정 도도의 기원이 밝혀지는 셈입니다.
AI가 잘하는 일, 못하는 일
이번 탐색이 보여준 건 최첨단 AI가 독립적인 아카이브 탐색으로 새로운 역사 자료를 실제로 찾아낼 수 있다는 사실입니다. 반대로 드러난 한계도 분명합니다.
| 잘하는 일 | 못하는 일 | | --- | --- | | 지루해하지 않고 방대한 데이터를 뒤지기 | 적절한 연구 질문 만들기 | | 기존 해석을 뒷받침·반박할 증거 수집 | 발견의 역사적 중요성 판단 | | 여러 언어 사료를 병렬로 읽기 | 새로운 아이디어를 스스로 생성 |
지금 AI의 강점은 비유하자면 디지털 방식으로 양을 세는 일에 가깝습니다. 가장 잘 작동하는 조건은 두 학문 분야의 경계에서 사람이 만든 질문을 주고, 정해진 사료 안에서 체계적으로 답을 찾게 하는 것입니다. 실제로 Opus 5.5와 GPT-6는 여러 차례 최대 12개의 독립 에이전트를 띄웠지만, 세부 사항에 파고들다 연구의 초점을 잃는 경우도 있었습니다.
곁가지에서 나온 거대육지거북 이주 기록
한 에이전트는 전혀 다른 기록을 물어 왔습니다. 영국 선장 Jonathan Hide가 모리셔스의 네덜란드 식민지에서 값비싼 흑단과 "바다소 두 마리"를 훔쳤고, 네덜란드 관리가 항의하자 선원 중 목수가 도끼로 관리의 머리를 쪼개겠다고 위협했다는 내용입니다.
흥미로운 건 그다음입니다. 선장은 육지거북 약 20마리도 싣고 떠나면서, St Helena에 풀어 번식시키려 한다고 말했습니다. 해당 종인 모리셔스 거대육지거북도 이후 멸종했기 때문에, 이 기록은 환경사와 동물 이주 역사에서 의미가 큽니다. 거북들이 수천 마일 떨어진 St Helena에 실제로 도착했는지는 알 수 없습니다 — Hide의 배가 귀국 항해 중 Azores 인근에서 침몰했다는 사실만 확인됩니다.
진짜 병목은 '발견'이 아니라 '검증'
여기서 가장 중요한 문제가 등장합니다. 에이전트는 종종 연구자 자신도 읽거나 검증하기 어려운 분야로 벗어납니다.
예를 들어 잉카의 **키푸(khipu)**를 몇 시간 탐색한 결과물은, 그것이 실제로 결정적인 발견인지 판단하기가 어려웠습니다. Gary Urton 같은 전문가라면 판단할 수 있겠지만, 평생을 바쳐 연구한 학자에게 "AI가 몇 시간 만에 만든 질문"을 검토해 달라고 부탁하기는 부담스러운 일이죠.
- 10년 넘게 연구해 온 분야라면 본인이 직접 검토할 수 있습니다
- 그러나 지식도, 검증을 부탁할 인맥도 없는 비전문가가 새로운 학술 영역에 들어섰을 때 결과를 어떻게 확인할지는 해결되지 않은 문제입니다
Carter Church의 암호 해독 사례는 이 구조를 선명하게 보여줍니다. 사실 1970년에도 그 암호는 풀릴 수 있었습니다. 당대 프랑스어를 읽고, 손으로 그린 기호 1,300개를 판독할 인내심이 있고, 통계 지식을 갖춘 전문가라면요. 문제는 군사 학술지 도판 한 장에 몇 주를 쓸 사람이 없었다는 것입니다. Church가 투입한 건 모델 실행 6시간과 자신의 저녁 몇 차례였습니다. 암호 연구자 Tomokiyo는 "접수되는 해답을 기록하는 속도보다 해답이 도착하는 속도가 더 빠르다"고 전했습니다.
그래서, 더 많은 역사학자가 필요하다
AI 에이전트를 든 비전문가들이 도도, 근세 약물 교역, 19세기 의식 과학사 같은 주제를 탐색하는 것은 환영할 만한 일입니다. 다만 가까운 미래의 병목은 연구 결과의 생산이 아니라 좁은 분야 전문가의 시간과 관심이 될 전망입니다.
수학자 Terrence Tao의 블로그에 실린 한 기고문은 "훨씬 더 많은 수학자가 필요해질 것"이라고 내다봤습니다. 역사 연구도 똑같습니다. 발견이 쏟아질수록, 그것을 읽고 판단할 더 많은 역사학자와 인문학자가 필요해집니다.
AI가 연구자를 대체한다는 서사와는 정반대 방향의 결론인 셈입니다.