Opus 5.5를 활용한 역사 연구: 새로운 도도새 기록 발견

최첨단 AI 모델은 이제 방대한 데이터 세트에서 새로운 역사적 증거를 찾아내기 위해 독립적인 아카이브 탐색을 수행할 수 있습니다. 연구자 benbreen은 Opus 5.5를 사용하여 이전에 주목받지 못했던 1615년 네덜란드 도도새 사냥 보고서와 멸종된 붉은뜸부기에 대한 새로운 언급을 발견했습니다. 이는 AI가 인간 연구자가 놓칠 수 있는 특정 증거를 찾기 위해 거대한 자료를 스캔하는 '디지털 양치기' 작업을 어떻게 자동화할 수 있는지 보여줍니다.

1615년 도도새 기록 발견

Opus 5.5는 역사가들에게 이전에 알려지지 않았던 1615년의 원고 자료, 즉 Wapen van Amsterdam 호의 항해 일지를 식별해냈습니다. Isbrant Cornelisz van Petten 선장이 작성했을 것으로 추정되는 이 일지에는 승무원들이 1615년 4월 모리셔스에 상륙하여 "많은 거북이, 도도새 ["dodeersen"], 그리고 몇 마리의 거위와 앵무새를 잡았다"는 기록이 남아 있습니다.

이 발견은 1611년에서 1616년 사이의 도도새 타임라인에서 알려진 공백을 메워준다는 점에서 역사적으로 중요합니다. 이 발견은 GLOBALISE 아카이브의 네덜란드 동인도 회사(VOC) 문서 수백만 건을 처리하는 모델의 능력 덕분에 가능했습니다.

AI 기반 아카이브 방법론

이 기록들을 발견하기 위한 과정은 전문가의 지식과 AI의 규모를 결합한 5단계 파이프라인을 따랐습니다:

1. 구체적인 연구 질문 정의: 전문가 지식을 바탕으로 범위를 좁히는 것부터 시작합니다.
2. 대규모 자료 식별: 자유롭게 이용 가능하고 잘 정리된 역사적 아카이브(예: GLOBALISE 아카이브)를 사용합니다.
3. 의미론적 검색: 임베딩 모델을 통해 자료를 실행하여 관련 구절을 찾습니다.
4. AI 순위 지정: 최첨단 모델을 사용하여 후보 구절을 읽고 인간의 검토를 위한 순위 목록을 생성합니다.
5. 반복적 개선: 결과를 검토하고 검색어 또는 아카이브를 반복적으로 수정합니다.

전통적인 연구와 달리 Opus 5.5와 같은 AI 에이전트는 스스로 여러 복사본을 생성하여 여러 언어로 된 자료를 읽고, 과정 중에 발견된 새로운 자료에 대해 자체적인 임베딩 검색을 실행할 수 있습니다.

역사적 오역 수정

Opus 5.5는 새로운 기록을 찾는 것 외에도 역사적 기록에 오랫동안 존재했던 오류를 수정하는 능력을 보여주었습니다. 이 모델은 네덜란드어 단어 velthoenderen을 사용하여 "들닭(field-hens)"을 묘사한 1638년의 기록을 식별했습니다. 전문가들은 이 용어가 멸종된 모리셔스 새인 붉은뜸부기를 지칭한다고 이미 파악했었지만, 1890년 한 프랑스 학자가 이 단어를 perdrix(자고새)로 오역하는 바람에 이 언급은 간과되었습니다. Opus 5.5는 원본 원고로 돌아가 이 번역을 수정했습니다.

이론적 연결: 무굴 제국 황제의 도도새

Opus 5.5는 Ustad Mansur의 그림으로 유명한 무굴 제국 자한기르 황제가 소유했던 도도새의 기원에 관한 이론을 제시했습니다. 모델은 이 새가 1616년 모리셔스에서 포르투갈 예수회 선교사가 "타조"(모리셔스 토착종이 아님)라고 언급했던 바로 그 동물일 수 있다고 제안했습니다.

전달 경로는 아직 완전히 확립되지 않았지만, 이 이론은 1612년 포르투갈 상인들이 아메리카 칠면조와 같은 다른 이국적인 새들을 자한기르 황제의 궁정으로 운송했던 역사적 선례에 의해 뒷받침됩니다.

한계와 "전문가 병목 현상"

데이터 검색 능력에도 불구하고, 최첨단 모델은 역사 연구에서 다음과 같은 구체적인 한계를 보입니다:

• 중요도 판단 부족: 모델은 종종 발견물의 역사적 중요성을 판단하거나 의미 있는 발견과 사소한 세부 사항을 구분하지 못합니다.
• 아이디어 생성 능력 부족: 모델은 독창적인 연구 질문이나 새로운 이론적 틀을 독립적으로 생성하는 데 어려움을 겪습니다.
• "지엽적인 문제에 빠지는" 경향: 에이전트는 학술적 가치가 없는 세부 사항을 파고드는 데 몇 시간을 소비할 수 있습니다.

이러한 역량의 변화는 새로운 병목 현상을 야기합니다. 바로 인간 전문가의 주의력입니다. AI를 통해 호기심 많은 아마추어들이 잠재적으로 중요한 발견을 할 수 있게 됨에 따라, 이러한 발견을 검증하고 맥락화할 전문 역사가와 인문학자에 대한 수요는 증가할 것으로 예상됩니다.

커뮤니티 통찰 및 병렬 응용

연구자들 간의 논의는 이러한 역량이 동물학을 넘어 암호학 및 군사 역사로 확장된다는 점을 강조합니다. 한 사용자는 Opus 5.5를 사용하여 제2차 세계대전 당시의 Waffen-SS Truppenschlüssel 메시지 이미지 10,000장 이상을 처리했다고 보고했습니다. 이 모델을 사용하여 데이터를 대규모로 전사하고 처리함으로써 일일 암호를 해독했는데, 이는 이전에는 연구 보조금과 1년의 수작업이 필요했을 작업이었습니다.

또 다른 통찰은 AI가 "두 학문 분야의 경계"에 놓일 때 가장 효과적이며, 한 분야의 전문가들만으로는 간과할 수 있는 서로 다른 정보 조각들을 연결할 수 있게 해준다는 점을 시사합니다.