LLM으로 연금술 지식의 전파를 추적하고 17세기 편지를 해독하기

GPT-6와 Opus 5.5를 역사 전문가의 지식과 결합해, 문서 전사를 넘어 사료의 출처와 지식 전파 경로를 찾는 초기 연구가 진행 중임 유망한 대상은 암호 해독, 번역과 각색을 거친 텍스트 추적, 분산된 연구 성과 연결이며, 자료가 디지털화돼 있고 결과의 진위를 검증할 수 있을수록 접근하기 좋음 Opus 5.5는 Newton과 Hartlib의 연금술 문헌에서 서로 다른 암호로 숨긴 동일 재료와 수량의 일치를 찾아 두 문헌의 관계를 뒷받침했으나, 새로운 발견인지는 추가 확인이 필요함 암호문 해독에 성공해도 이미 알려진 결과를 재발견할 수 있음. Charles V의 암호를 쓴 편지 두 건은 기존 해독본이 발견돼 모델의 능력을 검증하는 사례가 됨 체계적인 진전을 위해 사료 디지털화와 공개, API와 연산 자원 제공, 공동 연구 문제 선정이 필요하며, 이를 위한 AI 연구소와 재단의 지원이 필요함 연구 보조를 넘어 역사 문제에 접근하기 GPT-6 Sol과 Opus 5.5 출시를 계기로, 문서 전사 같은 보조 작업이 아니라 기존 역사 문제를 풀 수 있는지 초기 실험을 진행함 2024~2025년과 달리, 현재의 최첨단 모델을 역사 연구자들의 협업에 결합하면 역사 지식과 해석의 진전을 얻을 수 있다는 기대가 있음 다만 상당한 성과로 이어질지는 아직 전망이며, AI 연구소와 역사 연구자, 연구 지원 기관의 적극적인 협력이 필요함 기존의 역사 연구용 AI의 위험 요소와 활용 사례를 넘어, 실제 미해결 문제에 적용하는 단계에 초점을 맞춤 AI가 접근하기 좋은 역사 문제의 조건 해결 가능성이 높은 문제에는 다음 조건이 중요함 해당 분야 전문가가 이미 해결할 문제를 식별했는가 필요한 자료가 완전히 디지털화돼 접근 가능한가 다국어 추론, 고급 수학, 대규모 데이터나 여러 세부 분야를 넘나드는 자율 연구라는 모델의 불균등한 강점과 맞는가 맞춤형 코드를 작성해 해결할 수 있는가 무엇보다 해답의 옳고 그름을 명확히 검증할 수 있는가 이 조건에 맞는 역사 문제는 크게 세 부류로 제한됨 암호학과 암호 해독: 1941년 독일군 통신 해독, 제1차 세계대전 독일군 무선 암호 해독, Daniel Bourdeau의 연구, John Dee의 Liber Loagaeth 분석 등이 해당함 번역과 각색을 거친 텍스트 추적: GPT-6 Astra로 Newton이 프랑스어 연금술 문헌을 라틴어로 자유롭게 옮긴 구절의 출처를 식별함 분산된 발견의 연결: 서로...