Ithaca — 2,000년 된 깨진 비문의 빈칸을 AI가 채우다
2022년 Nature에 발표된 Ithaca는 고대 그리스 비문학(Epigraphy)에 특화된 AI다. 2,000년 전 돌에 새겨진 비문은 시간이 지나며 깨지고 풍화되어 글자가 소실된다.
성공 팩트
2022년 Nature에 발표된 Ithaca는 고대 그리스 비문학(Epigraphy)에 특화된 AI다. 2,000년 전 돌에 새겨진 비문은 시간이 지나며 깨지고 풍화되어 글자가 소실된다. 기존에는 전문 비문학자가 수년에 걸쳐 소실된 부분을 추정했다. Ithaca는 78,608개의 비문 데이터로 학습해 세 가지 작업을 수행한다. 텍스트 복원(소실된 문자 예측), 연대 추정(작성 시기 분류), 지역 귀속(어디에서 작성됐는지 추정). 텍스트 복원에서 Ithaca 단독 정확도는 62%였지만, 역사학자가 Ithaca의 후보를 참고해 판단했을 때 정확도는 72%로 상승했다. AI 단독보다 인간+AI 협업이 더 정확했다.
시너지의 본질
이 사례의 하이라이트는 "AI가 역사학자보다 낫다"가 아니라 "AI와 역사학자가 함께할 때 가장 정확하다"는 결과다. AI는 수만 개의 비문 패턴에서 후보를 빠르게 제시하고, 역사학자는 역사적 맥락과 전문 지식으로 후보를 걸러낸다. 인문학에서 AI는 '답을 내리는 도구'가 아니라 '질문의 범위를 넓혀주는 도구'다.
모듈 시너지
모듈 A(정보 검증): AI가 복원한 고대 텍스트를 그대로 학술 논문에 인용하면 안 된다. AI의 복원은 '확률적 추정'이지 '확정된 사실'이 아니다. 반드시 "AI 보조 복원(AI-assisted restoration)"임을 명시하고, 가능하면 독립적인 전문가 검토를 거쳐야 한다.
모듈 C(창작/글쓰기): AI가 생성한 텍스트가 역사적 사실인지, AI가 패턴에서 추론한 가설인지를 구분하는 것이 핵심이다. "AI가 이렇게 복원했다"는 사실이고, "따라서 이 비문은 기원전 3세기에 쓰였다"는 해석이다. 사실과 해석의 경계를 흐리지 마라.
방패 연결
방패 편 S-03(존재하지 않는 판례를 법정에 제출한 변호사) — AI가 그럴듯하지만 실재하지 않는 텍스트를 생성한 사례. Ithaca와의 차이는 검증 구조에 있다. 법률에서는 변호사가 AI 출력을 검증 없이 제출했고, 비문학에서는 역사학자가 AI 출력을 전문 지식으로 필터링했다. 같은 "AI가 텍스트를 생성했다"라도 검증 여부가 학술적 성취와 법정 참사를 가른다.
→ 본편: 2부 4장 (모듈 A — 정보 검증), 2부 4장 (모듈 C — 창작/글쓰기)