고고학을 뒤흔드는 AI의 약진: 머신러닝이 써내려가는 새로운 역사
본 기사는 고고학 분야에서 머신러닝의 활용 증가와 그 영향, 한계, 그리고 향후 방향에 대해 논의합니다. 특히 2019년 이후 급증한 머신러닝 활용 사례와 그 주요 적용 분야, 그리고 체계적인 방법론 개발의 중요성을 강조합니다.

최근 몇 년간 고고학 분야에서 인공지능(AI)과 머신러닝의 활용이 폭발적으로 증가하고 있습니다. Mathias Bellat 등 6명의 연구진이 1997년부터 2022년까지 발표된 135편의 논문을 분석한 결과, 머신러닝이 고고학의 모든 하위 분야, 지역, 시대를 넘나들며 활약하고 있다는 사실이 밝혀졌습니다. 특히 2019년 이후 논문 수가 급증하며 그 영향력을 실감하게 합니다.
머신러닝의 주요 활용 분야: 유물 분류에서 예측 모델링까지
연구 결과에 따르면, 머신러닝은 고고학에서 주로 자동 구조물 탐지와 유물 분류에 활용되고 있습니다. 이 외에도 타포노미(Taphonomy) 연구와 고고학적 예측 모델링에도 적용되고 있으며, 그 활용 범위는 점점 더 넓어지고 있습니다. 흥미로운 점은, 클러스터링과 같은 비지도 학습 방법론의 활용은 지도 학습 모델에 비해 상대적으로 적다는 것입니다. 사용되는 모델의 2/3는 인공 신경망과 앙상블 학습에 기반하고 있습니다.
머신러닝의 한계와 앞으로 나아갈 방향
하지만 이러한 머신러닝의 급속한 발전에도 불구하고, 일부 연구에서는 머신러닝 방법론의 요구 사항과 한계가 명확하게 정의되지 않은 경우가 발견되었습니다. 더욱 심각한 문제는, 머신러닝 기법을 고고학적 연구에 적용하는 목표와 필요성이 불명확하거나 잘못 표현된 경우가 있다는 점입니다.
연구진은 이러한 문제점을 해결하기 위해, 고고학자들이 연구 질문, 프로젝트 규모, 데이터에 맞춰 일관되고 체계적인 방법론을 개발할 수 있도록 워크플로우 가이드를 제안했습니다. 이는 대규모 다변량 데이터 분석에 유용한 도구이지만, 그 한계점을 인지하고 적절한 방법론을 적용해야 함을 시사합니다. 궁극적으로, 잘 정의되고 잘 보고된 체계적인 방법론과 협력적 연구를 통해 머신러닝의 잠재력을 극대화할 수 있습니다.
결론적으로, 머신러닝은 고고학 연구에 있어 중요한 도구로 자리 잡고 있지만, 그 활용에는 주의와 체계적인 접근이 필요합니다. 이번 연구는 AI와 고고학의 융합을 통한 새로운 발견과 역사 해석의 가능성을 보여주는 동시에, 책임감 있는 AI 활용의 중요성을 다시 한번 강조하고 있습니다. 머신러닝은 고고학의 미래를 새롭게 써내려가고 있으며, 앞으로 더욱 흥미로운 발전을 기대하게 합니다.
Reference
[arxiv] Machine learning applications in archaeological practices: a review
Published: (Updated: )
Author: Mathias Bellat, Jordy D. Orellana Figueroa, Jonathan S. Reeves, Ruhollah Taghizadeh-Mehrjardi, Claudio Tennie, Thomas Scholten
http://arxiv.org/abs/2501.03840v2