AI가 고대 텍스트에 생명을 불어넣어 아카드 점토판의 비밀을 풀다

AI가 일자리 시장에 미치는 영향과 종말론적 시나리오에 대한 우려가 가득한 세상에서, 인공지능의 긍정적인 잠재력을 인식하는 것이 중요하다. 텔아비브 대학교의 석사 논문에서 가이 구터츠와 샤이 고르딘 교수가 협력하여 고대 텍스트를 현대 언어로 번역하는 속도를 높이는 놀라운 응용 사례가 있다. 그들은 수만 개의 점토판에서 발견된 세계에서 가장 오래된 문자 중 하나인 고대 아카드 점토판에 집중했다.

구글의 신경망 기계 번역을 활용

구터츠와 고르딘의 프로젝트는 구글 번역의 기반 기술인 신경망 기계 번역을 그들의 야심 찬 작업에 활용했다. 이 번역 접근 방식에 사용되는 신경망은 2016년 후반에 개조되어 구글의 신경망 기계 번역(GNMT)으로 이어졌다. GNMT는 인상적인 속도, 향상된 정확도(오류 60% 감소), 그리고 희귀 단어 처리 능력의 향상을 자랑한다.

번역을 위한 AI 훈련

텔아비브 대학교에서 GNMT를 작업에 통합한 구터츠는 AI가 아카드 점토판을 해독하는 방법을 가르치기 시작했다. 다른 언어 지향 AI 시스템과 마찬가지로 연구자들은 방대한 데이터셋을 사용하여 GNMT를 훈련시켰다. AI가 더 많은 텍스트를 번역할수록 정확도가 향상되었으며, 이는 연습을 통해 악기를 마스터하는 것과 유사하다. 예를 들어, 대규모 언어 모델인 GPT-3는 3,000억 단어의 인간 텍스트로 훈련되었다.

과거의 목소리 번역

아카드 점토판 언어는 독특한 도전을 제시한다. 전 세계적으로 수백 명의 전문가만이 이를 해독할 수 있는 반면, 번역되지 않은 점토판이 수십만 개 존재하여 구터츠와 고르딘의 프로젝트에 완벽한 후보가 된다. 그러나 훈련에 사용 가능한 이미 번역된 아카드 점토판은 ChatGPT와 같은 대규모 언어 모델 데이터셋보다 훨씬 작았다.

아카드어-영어 번역의 복잡성

아카드어를 영어로 번역하는 선택은 추가적인 복잡성을 제시했다. 아카드어 문장은 주어-목적어-동사(SOV) 또는 목적어-주어-동사(OSV) 순서를 따르는 반면, 영어는 주어-동사-목적어(SVO) 구조를 따른다. 아카드어 단어를 단어별로 음차하는 것은 97%의 높은 정확도를 보였다. 그러나 영어의 단어 순서에 맞게 조정할 때, AI는 복잡하고 미묘한 문장에서 어려움을 겪었으며, 번역을 최종화하기 위해 인간의 개입이 필요했다.

아카드어-영어 번역의 두 단계 과정

PNAS Nexus에 발표되고 옥스퍼드 대학교 출판부에서 이용 가능한 구터츠와 고르딘의 2023년 연구는 그들의 두 단계 번역 과정을 개요로 제시한다. 먼저 연구자들은 아카드어 텍스트를 음차한다. 다음으로, 그들은 음차를 올바르게 단어 순서가 정렬된 영어 번역으로 재결합하여 AI의 출력을 정제하여 정확성과 명확성을 보장한다.

유용성과 비판

구터츠와 고르딘의 AI 기반 프로젝트의 잠재력은 막대하다. 이는 희귀한 고대 텍스트를 현대 언어로 번역하는 것을 단순화할 수 있으며, 특히 3천 년 이상 고대 중동의 중요한 교량 언어였던 아카드어에게 특히 가치 있을 것이다. 아카드어는 우르 점토판을 차용하고 다양한 문화와의 접촉을 통해 진화한 지배적인 언어였다.

그러나 이 프로젝트는 시적이거나 추상적인 작품에서 AI의 성능에 대해 비판을 받아왔다. 예루살렘 히브리 대학교 고고학 연구소의 앗시리아학 교수인 나단 와스먼과 같은 필로롤리스트들과 번역가들은 AI가 고대 텍스트 번역에 대해 '아직 매우 유용하지 않다'고 믿는다. 그럼에도 불구하고 이 프로젝트는 올바른 방향으로 생산적인 한 걸음을 나타내며, 통계 추적, 단어 발생 빈도, 텍스트 비교를 위한 잠재적 응용 프로그램을 제공한다.

AI가 고대 아카드어 점토판 문자의 비밀을 풀어내며 연구자들이 과거에 대한 귀중한 통찰력을 얻을 수 있도록 하고 있습니다. 구터츠와 고르딘의 프로젝트는 AI의 절제되고, 합리적이며, 고상한 응용 사례를 보여주며, AI가 우리의 풍부한 역사적 유산을 보존하고 이해하는 데 가치 있을 수 있음을 입증합니다. AI가 발전함에 따라 고대 텍스트에서 더 많은 발견이 가능해지며, 과거와 현재 사이의 간극을 메울 잠재력이 있습니다.