앞으로의 역사 연구에 있어서 인공지능(AI)의 역할은 더욱 커질 것으로 예상된다. AI는 기계 학습과 딥러닝을 통해 방대한 양의 데이터를 분석하고, 인문학자들이 찾아내지 못했던 연결고리와 패턴을 식별할 수 있는 도구로 사용되고 있다. 이러한 발전은 과거 문헌의 해독과 분석을 더욱 용이하게 만들어주고, 역사 연구에 새로운 관점을 제시하며, 정보의 활용 방식을 변화시키고 있다.

앞으로의 역사 연구에 있어서 인공지능(AI)의 역할은 더욱 커질 것으로 예상된다. AI는 기계 학습과 딥러닝을 통해 방대한 양의 데이터를 분석하고, 인문학자들이 찾아내지 못했던 연결고리와 패턴을 식별할 수 있는 도구로 사용되고 있다. 이러한 발전은 과거 문헌의 해독과 분석을 더욱 용이하게 만들어주고, 역사 연구에 새로운 관점을 제시하며, 정보의 활용 방식을 변화시키고 있다.

예를 들어, 오스트리아 과학아카데미의 요하네스 프리저-카펠러 교수는 14세기 비잔틴 교회의 결정을 기록한 사료를 조사하며 머신러닝을 활용했다. 프리저-카펠러는 주교들 간의 관계를 디지털 방식으로 체계화하고, 네트워크 분석 소프트웨어를 사용하여 이들의 관계를 재구성함으로써 교회 영향력의 숨겨진 패턴을 발견했다. 이와 같은 방법으로 과거의 역사 기록 사이의 연결고리를 찾아내고, 문서들을 단편적으로 분석했을 때 발생하는 모순을 바로잡을 수 있다고 한다.

또한, 막스플랑크 과학사연구소의 마테오 발레리아니 교수는 16세기 천문학 교과서를 디지털화하여 그 광범위한 데이터 세트에서 유럽 지식의 진화를 추적하는 연구를 진행했다. 이를 위해 발레리아니는 텍스트의 다양한 표현 방식을 무시하고 내용이 되는 숫자를 기준으로 유사한 표를 감지해 군집화하는 신경망 아키텍처를 개발했다. 이를 통해 종교 개혁 이후 유럽이 종교적으로 분열되는 동안 과학지식이 통합되고 있음을 확인할 수 있었다.

또 다른 사례로는 딥마인드의 야니스 아사엘과 베네치아 카포스카리 대학교의 박사후 연구원 테아 소머쉴드가 개발한 이타카라는 신경망 기술을 사용하여 비문에서 지워진 부분을 재구성하고 텍스트에 날짜와 장소를 부여하는 작업을 수행한다. 이를 통해 고대 그리스 법령에 관한 비문을 분석하고, 기원전 421년으로 추정되던 연대를 정확히 확인할 수 있었다.

하지만 AI를 역사 연구에 도입함으로써 발생하는 일부 문제점들도 있다. 예를 들어, 인공지능 기반의 딥페이크와 역사 챗봇은 잘못된 정보를 제공할 위험이 있으며, 머신러닝 시스템의 작동 방식을 이해하기 어려운 '블랙박스' 문제가 있다. 또한, 인공지능이 가진 편견이나 오류를 역사 기록에 반영할 수도 있다.

따라서, AI를 활용한 연구를 수행할 때는 설계와 학습 과정에서 인문학자의 역할이 필요하며, AI가 제공하는 결과를 신중하게 검토해야 한다. 또한, AI가 가진 한계와 오류에 대해 인식하고, 설명 가능한 AI 모델을 활용하여 결과를 해석할 수 있도록 해야 한다.

이러한 점을 고려하면서, AI를 활용한 연구에는 다음과 같은 조치들을 취할 수 있다:

1. 학계와 협력하여 AI 모델의 개발과 학습 과정에 인문학적인 관점을 반영한다.
2. 설명 가능한 AI 모델을 사용하여 결과를 해석하고, 오류와 편견을 최소화한다.
3. 학자들은 AI가 제공하는 정보를 신중하게 검토하고, 필요에 따라 추가적인 분석과 연구를 수행한다.

이러한 조치들을 통해 AI는 역사 연구에 새로운 기회와 도전을 제시하면서도, 인문학자들의 지식과 통찰력을 보완하는 유용한 도구로 활용될 수 있을 것이다.