AI가 역사가들이 우리의 과거를 더 잘 이해하도록 돕는 방법

Sep 06, 2023

미래의 역사가들은 컴퓨터 과학을 사용하여 수세기 전에 사람들이 어떻게 살았는지 분석하고 있습니다.

1531년 베니스의 어느 날 저녁입니다. 프린터 작업장에서 견습생은 천문학 교과서에 실릴 페이지의 레이아웃을 작업합니다. 촘촘한 활자와 월식을 나타내는 우주를 통해 움직이는 모양을 관찰하는 그룹의 머리를 그린 목판 그림입니다.

16세기 도서 제작의 모든 측면과 마찬가지로 시간이 많이 소요되는 과정이지만 전례 없는 속도로 지식이 확산될 수 있는 과정입니다.

500년 후, 정보의 생산은 완전히 다른 짐승이 되었습니다. 즉, 거의 즉각적으로 유포되고 거의 빠르게 분석되어야 하는 디지털 데이터의 급류에 있는 테라바이트급의 이미지, 비디오 및 텍스트로 인해 기계 교육이 가능하고 요구됩니다. -흐름을 통해 정렬하는 모델을 학습합니다. 정보 생산의 이러한 변화는 예술 창작에서 약물 개발에 이르기까지 모든 것의 미래에 영향을 미칩니다.

그러나 이러한 발전으로 인해 데이터를 과거와 다르게 볼 수 있게 되었습니다. 역사가들은 기계 학습(특히 심층 신경망)을 사용하여 베니스 및 기타 초기 현대 도시에서 생산된 천문 테이블, 곰팡이가 핀 기록 보관소에서 수세기 동안 얼룩이 졌거나 프린터의 실수로 인해 왜곡된 천문 테이블을 포함하여 역사적 문서를 조사하기 시작했습니다.

역사가들은 현대 컴퓨터 과학을 먼 과거에 적용하면 역사적 기록의 더 넓은 범위에 걸쳐 연결을 이끌어 내는 데 도움이 되며 한 번에 한 문서씩 역사를 분석함으로써 발생하는 왜곡을 바로잡을 수 있다고 말합니다. 그러나 이는 기계 학습이 역사 기록에 편견이나 노골적인 위조를 빠뜨릴 위험을 포함하여 자체적인 왜곡을 초래합니다. 이 모든 것은 역사를 조사하여 현재를 이해하는 역사학자와 다른 사람들에게 다음과 같은 질문을 던지게 합니다. 기계가 미래에 더 큰 역할을 하게 된다면, 우리는 기계에게 과거를 얼마나 양보해야 할까요?

빅 데이터는 의회 도서관의 수백만 페이지에 달하는 신문 페이지 컬렉션과 핀란드 기록 보관소의 19세기 법원 기록과 같이 점점 더 많은 역사적 문서를 디지털화하려는 시도를 통해 인문학에 도입되었습니다. 연구자에게 이는 문제이자 기회입니다. 정보가 훨씬 더 많지만 이를 조사할 기존 방법이 없는 경우가 많습니다.

신약 개발 파이프라인 전반에 걸친 AI 자동화는 더 빠르고 저렴한 의약품의 가능성을 열어줍니다.

학자들이 복잡성을 분석하는 데 도움이 되는 계산 도구의 개발을 통해 이러한 과제가 해결되었습니다. 2009년에 오스트리아 과학 아카데미의 교수인 요하네스 프레이저-카펠러(Johannes Preiser-Kapeller)는 14세기 비잔틴 교회의 결정 기록을 조사하고 있었습니다. 수백 개의 문서를 이해하려면 감독의 관계에 대한 체계적인 디지털 조사가 필요하다는 사실을 깨달은 Preiser-Kapeller는 개인 데이터베이스를 구축하고 네트워크 분석 소프트웨어를 사용하여 연결을 재구성했습니다.

이러한 재구성은 영향의 숨겨진 패턴을 드러냈고, Preiser-Kapeller는 회의에서 가장 많이 연설한 주교가 가장 영향력 있는 사람이 아니라고 주장하게 되었습니다. 이후 그는 이 기술을 14세기 비잔티움 엘리트를 포함한 다른 네트워크에 적용하여 여성의 숨겨진 기여를 통해 사회 구조가 유지되는 방식을 밝혀냈습니다. "우리는 공식적인 설명 외부에서 무슨 일이 일어나고 있는지 어느 정도 확인할 수 있었습니다."라고 그는 말합니다.

프레이저-카펠러(Preiser-Kapeller)의 연구는 이러한 학문 경향의 한 예일 뿐입니다. 그러나 최근까지 기계 학습은 더 큰 규모의 텍스트 모음에서 결론을 도출할 수 없는 경우가 많았습니다. 특히 역사적 문서의 특정 측면(Preiser-Kapeller의 경우 손으로 쓴 그리스어)이 기계가 해독할 수 없게 만들었기 때문입니다. 이제 딥 러닝의 발전은 인간의 두뇌를 모방하여 크고 복잡한 데이터 세트에서 패턴을 찾아내는 네트워크를 사용하여 이러한 한계를 해결하기 시작했습니다.