AI 엔지니어, 미해독 문자 '선형 A(Linear A)' 해독 주장
AI 엔지니어, 미해독 문자 '선형 A(Linear A)' 해독 주장
이 글은 독학 AI 엔지니어이자 아마추어 언어학자인 톰 디 미노(Tom Di Mino)가 100년 넘게 미해독 상태였던 청동기 시대 미노아 문명-선형 A(Linear A) 문자를 해독했다고 주장하는 내용을 분석한 노트입니다.
1. 원문 핵심 내용
톰 디 미노는 선형 A가 성경 히브리어의 전신이 되는 멸종된 셈어(Semitic language)라고 주장합니다. 이는 라틴어가 이탈리아어의 전신인 것과 유사한 관계라는 설명입니다.
해독의 핵심 논리와 방법론
- 패턴 인식: 선형 B(Linear B, 이미 해독된 문자)와 겹치는 부분을 활용하여, 한 줄의 문장에서 첫 단어를 제외한 나머지 단어들이 모두 알려진 경우를 분석했습니다.
- 어근(Root) 발견: 특정 기도문 비문에서 5개의 기호는 알려져 있고 하나(
*301)만 모르는 동사를 발견했고, 이를 통해 '거주하다/목초지를 만들다'라는 뜻의 셈어 어근 "nawaya" (N-W-Y)를 찾아냈습니다. - 교차 검증: 이렇게 도출된 번역 결과가 이후의 히브리어 기도문 구조와 일치하며, 선형 B의 기존 번역 문제들까지 해결한다는 점을 들어 자신의 이론을 뒷받침합니다.
AI(Claude Code)의 역할
단순히 "해독해줘"라고 요청한 것이 아니라, 다음과 같은 도구적 용도로 AI를 활용했습니다.
- 체계적 정리: 기호들을 체계적으로 분류하고 정리하는 엔진과 방법론 구축.
- 가설 테스트: 언어학적 가설을 빠르게 테스트하고 검증.
- 확장 가능성: 이러한 AI 기반 기법을 다른 미해독 문자(예: 인더스 문자)에도 적용할 수 있을 것으로 기대합니다.
현재 성과
- 기호 판독: 전체 102개 기호 중 37개(선형 A 전용 기호 13개 포함)의 판독법 제시.
- 어휘집: 영어로 번역된 383개의 선형 A 용어 사전 구축.
- 학술 초안: 'Ya Diktu'라는 제목의 문법 논문 초안 작성 및 럿거스/케임브리지 대학 전문가 검토 중.
2. 커뮤니티 반응 (HN)
Hacker News 커뮤니티에서는 기대감보다는 강한 회의론과 학술적 의구심이 지배적입니다.
주요 비판 및 논쟁점
- 언어학적 모순 (셈어 가설에 대한 의문): 셈어는 보통 자음 중심의 '삼자음 어근(triliteral root)' 체계를 가지며 모음을 생략하는 경우가 많습니다. 그런데 선형 A가 자음+모음의 음절 문자(syllabary) 형태라는 점이 셈어라는 주장과 배치된다는 지적이 있습니다.
- 데이터 부족: 선형 A의 전체 말뭉치(corpus)가 너무 작아(약 7,500개 기호, 1,500개 비문), 통계적으로 유의미한 해독이 어렵고 '상상에 기반한 끼워 맞추기'가 될 위험이 큽니다.
- 재현성 문제: LLM(Claude)은 확률적(stochastic) 시스템이므로, 동일한 프롬프트를 넣어도 결과가 달라질 수 있습니다. 구체적인 프롬프트와 방법론이 공개되지 않은 상태에서는 과학적 재현성이 없다는 비판이 제기되었습니다.
- 역사적 전례: 과거에도 성경이나 특정 신화에 기반해 고대 문자를 해독했다고 주장했다가 오류로 판명 난 사례(예. 파이스토스 원판 해독 주장들)가 많음을 경고합니다.
긍정적/대안적 시각
- AI의 가능성: 비록 이번 사례는 의심스럽지만, LLM이 '가상 로제타 스톤' 역할을 하여 데이터가 부족한 고대 문자의 패턴을 찾아내는 도구가 될 수 있다는 점에는 공감하는 분위기입니다.
- 인더스 문자 적용: 인더스 문자(Indus script)와 같이 더 오래된 미해독 문자에 이러한 AI 접근법을 적용해 보자는 제안이 있었습니다.
3. 새로운 시각
- AI는 '해독자'가 아니라 '가설 생성기': 이번 사례에서 AI는 정답을 맞힌 것이 아니라, 인간이 생각지 못한 언어적 연결 고리(가설)를 빠르게 생성하고 구조화하는 역할을 했습니다. 즉, AI의 진정한 가치는 '정답 도출'이 아니라 '탐색 범위의 확장'에 있습니다.
- 데이터 희소성 vs 모델 성능: 아무리 강력한 LLM이라도 학습 데이터(말뭉치)가 절대적으로 부족한 영역에서는 '환각(Hallucination)'과 '끼워 맞추기'의 경계가 모호해집니다. 이는 AI 기반 연구에서 '검증 가능한 증거'의 중요성을 다시금 일깨워줍니다.
- 학제간 융합의 필요성: AI 엔지니어의 패턴 인식 능력과 정통 언어학자의 문법적 검증 능력이 충돌하는 지점에서 진정한 해독이 일어날 것입니다. AI가 제시한 패턴을 언어학적 제약 조건(예. 셈어의 자음 체계)으로 필터링하는 워크플로우가 필수적입니다.
4. 자녀/미래 영향
- 아인, 석현, 은한에게:
- 도구의 올바른 사용법: AI에게 "답을 알려줘"라고 하는 대신, "내 가설을 테스트할 수 있는 시스템을 만들어줘"라고 요청하는 톰 디 미노의 방식이 훨씬 강력한 도구 활용법임을 알려주세요.
- 비판적 사고의 중요성: 누군가 "해독했다"라고 주장할 때, HN 유저들처럼 "왜 셈어인데 모음이 있지?"라고 근본적인 모순을 찾아내는 비판적 시각이 진정한 지적 성장으로 이어진다는 점을 가르쳐주세요.
- 끈기와 호기심: 100년 된 수수께끼에 도전하는 아마추어의 열정이 AI라는 현대적 도구를 만났을 때 어떤 가능성이 열리는지 보여주는 좋은 사례입니다.
관련 노트
- [[AI-assisted-research]]
- [[Linguistics-and-AI]]