Georeferencing Non-Gazetteered Place Names using Biological Specimen Records

당신이 탐정이 되어 미스터리를 풀고 있다고 상상해 보십시오. 하지만 당신이 찾는 것은 실종된 사람이 아니라, 어떤 지도에도 존재하지 않는 장소입니다. 이것이 바로 **지리 참조(georeferencing)**의 세계입니다. 지리 참조는 단어로 된 위치 설명을 컴퓨터가 사용할 수 있는 실제 좌표(위도와 경도 같은)로 변환하는 과학의 한 분야입니다. 보통은 이 과정이 쉽습니다. 텍스트에 "파리"라고 적혀 있다면, 컴퓨터는 **지명 사전(gazetteer)**이라 불리는 디지털 장소 사전을 찾아 그 정확한 지점을 찾아냅니다. 하지만 텍st에 사전에는 없는 장소가 언급되면 어떻게 될까요? 예를 들어 100년 전의 옛 이름, 이웃들만 아는 지역적 별명, 혹은 "개울 근처의 큰 참나무 나무"처럼 공식적인 이름이 없는 특정 지점 같은 것 말입니다. 이것들은 **비사전적 지명(non-gazetteered place names)**이라고 불립니다. 이들은 마치 기계 속의 유령과 같습니다. 공식 참조 도서에 누락되어 있기 때문에 컴퓨터가 볼 수 없는 실제 장소들입니다. 이는 매우 중요합니다. 오래된 편지부터 과학 기록에 이르기까지 수백만 개의 역사적 기록들이 이러한 보이지 않는 이름들로 가득 차 있으며, 이로 인해 우리가 접근하거나 활용할 수 없는 귀중한 지리적 지식이 봉인되어 있기 때문입니다.

이 논문은 이러한 숨겨진 장소들의 보물 창고를 파헤칩니다. 바로 **생물 표본 기록(biological specimen records)**입니다. 이것은 식물, 곤충, 균류를 수집해 온 과학자들의 현장 노트라고 생각하면 됩니다. 새로운 종을 발견했을 때, 그들은 발견한 위치를 상세히 기록했는데, 이때 종종 지역적이고 비공식적인 랜드마크 이름을 사용했습니다. 연구진은 다음과 같은 거대한 질문을 던졌습니다. "수천 개의 오래된 노트에 흩어진 단서들을 이용해 이 '유령' 장소들이 실제로 어디인지 알아낼 수 있을까?" 그들은 표본 기록을 하나의 거대한 퍼즐처럼 다루었습니다. 만약 한 노트에는 식물이 "카브스탠드(Cabstand) 북쪽"에서 발견되었다고 적혀 있고, 다른 노트에는 "카브스탠드 남쪽"에서 발견되었다고 적혀 있다면, 그리고 우리는 그 식물들이 채집된 정확한 좌표를 알고 있다면, 우리는 역으로 추적하여 "카브스탠드"가 어디에 있어야 하는지를 찾아낼 수 있습니다. 이 단서들을 결합하여, 연구팀은 세 가지 서로 다른 탐정 전략을 사용하여 이 사라진 장소들의 위치를 확정하려고 시도했습니다: 엄격한 규칙 준수 방식, 수학 기반의 확률 방식, 그리고 현대적인 인공지능(AI) 방식입니다.

사라진 장소들의 미스터리

이야기는 뉴질랜드의 앨런 헤르바리움(Allan Herbarium)에서 가져온 방대한 데이터 모음에서 시작됩니다. 연구진은 13,000개 이상의 디지털 식물 표본 기록을 살펴보았습니다. 그들은 텍스트에서 지명을 스캔한 다음, 이를 공식 정부 지도 데이터베이스와 대조했습니다. 예상했던 대로, 그들은 어떤 공식 지명 사전에도 존재하지 않는 수백 개의 이름을 발견했습니다. 이것들이 바로 **비사전적 지명(NGPs)**입니다. 어떤 것들은 옛 농장 스테이션이었고, 어떤 것들은 옛 삼각점(측량 표식)이었으며, 어떤 것들은 특정 학교나 찻집처럼 단순한 지역 커뮤니티의 장소였습니다.

문제는 이 이름들에 좌표가 없다는 것이었습니다. 이를 해결하기 위해 팀은 자신들에게 비밀 무기가 있다는 것을 깨달았습니다. 그것은 바로 **중복성(redundancy)**입니다. 현장 생물학의 세계에서 과학자들은 종종 같은 일반 구역 내에서 많은 샘플을 수집합니다. 이는 동일한 숨겨진 지명 명칭이 각기 다른 설명과 함께 수십 개의 서로 다른 노트에 등장할 수 있음을 의미합니다. 한 노트에는 "카브스탠드 근처에서 발견"이라고 적혀 있을 수 있고, 다른 노트에는 "카브스탠드에서 북쪽으로 1마일 지점"이라고 적혀 있을 수 있습니다. "카브스탠드"가 지도에는 없더라도, 그 주변의 표본들은 존재합니다. 표본이 발견된 정확한 위치를 알면, 연구진은 이 누락된 지명의 위치를 역설계(reverse-engineer)할 수 있습니다.

퍼즐을 푸는 세 가지 방법

암호를 풀기 위해 팀은 각기 다른 개성을 가진 세 가지 접근 방식을 테스트했습니다.

1. 엄격한 규칙 준수자 (결정론적 방법, Deterministic Method)
지시사항을 완벽하게 따르지만, 지시가 약간이라도 모호해지면 혼란에 빠지는 로봇을 상상해 보십시오. 이 방법은 누락된 장소의 가능한 위치 주위에 엄격한 "상자"를 그리려고 시도했습니다. 만약 노트에 "북쪽으로"라고 적혀 있다면, 로봇은 선을 하나 긋고 "장소는 이 선보다 위에 있어야 한다"라고 말했습니다. 만약 다른 노트에 "남쪽으로"라고 적혀 있다면, 또 다른 선을 그었습니다. 답은 이 선들이 교차하는 지점이어야 했습니다.

• 결과: 이 방법은 매우 까다로웠습니다. 만약 단서들이 완벽하게 일치하지 않으면(오래된 노트는 종종 모호하기 때문에 자주 발생함), 로봇은 포기하고 "해결할 수 없다"라고 말했습니다. 해결하려 했던 365곳 중 108곳에 대해 위치를 찾지 못했습니다. 성공했을 때조차도 아주 정확하지는 않았습니다.

2. 수학 천재 (확률적 방법, Probabilistic Method)
이 접근 방식은 일기 예보관과 더 비슷했습니다. 딱딱한 선을 긋는 대신, 수학을 사용하여 특정 지점에 위치할 가능성을 계산했습니다. 이 방법은 모든 단서를 하나의 "투표"로 취급했습니다. "동쪽으로 1km"라는 노트는 동쪽 1km 지점에 강력한 투표권을 행사했습니다. "근처"라는 노트는 더 부드럽고 넓은 투표권을 행사했습니다. 컴퓨터는 가장 높은 총점을 얻은 지점을 찾기 위해 모든 투표를 합산했습니다.

• 결과: 이 방법이 우승자였습니다. 이 방법은 모든 장소의 위치를 성공적으로 찾아냈습니다. 가장 정밀했으며, 중앙 오차(median error)는 1.43km였습니다. 이는 절반의 경우, 추측된 위치가 실제 지점으로부터 1.43km 이내였다는 것을 의미합니다. 또한 36%의 확률로 실제 위치와 1km 이내의 오차를 보였습니다.

3. AI 탐정 (LLM 방법, LLM Method)
이 방법은 거대 언어 모델(고급 AI)을 사용하였으며, 노트의 원문 텍els와 좌표를 주고 "알아내 보라"고 요청했습니다. AI는 단서들을 읽고, 관계(예: "북쪽" 또는 "근처")를 이해하며, 위치를 추측하기 위한 정신적 계산을 수행해야 했습니다. 연구진은 심지어 AI에게 자신의 추론 과정을 설명하도록 요청했는데, 이는 놀랍게도 AI가 더 잘하게 만드는 데 도움이 되었습니다.

• 결과: AI는 강력한 경쟁자였습니다. 모든 장소의 위치를 찾아냈으며 평균 오차가 매우 낮았는데, 이는 AI가 크고 엉뚱한 실수를 거의 하지 않았음을 시사합니다. 그러나 수학 천재만큼 정밀하지는 않았습니다. 중앙 오차는 1.80km였으며, 실제 위치와 1km 이내의 오차를 보이는 경우는 **31%**였습니다.

단서들이 알려주는 것들

연구는 이러한 방법들이 서로 다른 유형의 단서를 어떻게 처리하는지에 대한 흥elli로운 패턴을 발견했습니다.

• 거리가 중요합니다: 노트에 "북쪽으로 1km"라고 적혀 있으면 모든 방법이 더 잘 작동했습니다. 거리는 확실한 닻 역할을 했습니다.
• 방향만으로는 까다롭습니다: 만약 노트에 숫자 없이 그냥 "북쪽"이라고만 적혀 있다면, 수학 천재는 조금 더 고전했습니다. 왜냐하면 "북쪽"은 몇 미터에서 수백 킬로미터까지 어디든 될 수 있기 때문입니다. 그러나 AI는 숫자가 없어도 적절한 거리를 추측하는 데 놀라울 정도로 뛰어났는데, 아마도 사람들이 사물을 묘사하는 방식에 대한 학습 데이터를 활용했기 때문일 것입니다.
• "근처"의 문제: 가장 흔한 단서는 단순히 "근처"였습니다. 이것은 모호합니다. 수학 천재는 "근처"를 표본 주변의 흐릿한 원으로 처리함으로써 이를 잘 다루었습니다. AI 역시 잘 해냈지만, 때때로 세상이 돌아가는 방식에 대한 자신의 내부 지식에 의존했는데, 이는 양날의 검입니다(운 좋게 맞출 수도 있지만, 잘못된 가정에 근거해 틀릴 수도 있기 때문입니다).

결론

논문은 AI가 믿을 수 없을 정도로 똑똑하고 유연하지만, 전통적인 수학적 모델링(확률적 방법)이 지상의 특정 지점을 찾는 데 있어서 여전히 정밀함의 왕이라는 결론을 내립니다. AI는 좋은 추측을 하고 사고 과정을 설명하는 데 뛰어나지만, 가능한 가장 정확한 위치가 필요하다면 수학 기반의 접근 방식이 승리합니다.

연구진은 이 방법이 모든 것을 해결하는 마법의 해결책은 아니라고 신중하게 밝히고 있습니다. 이 방법들은 여러 개의 단서(동일한 장소를 언급하는 노트가 최소 3개 이상)가 있고 표본의 좌표가 정확할 때 가장 잘 작동합니다. 또한 그들은 자신들의 테스트가 정답을 미리 알고 있는 "의사(pseudo)" 데이터셋에서 수행되었으므로, 실제 적용 시에는 다른 과제가 있을 수 있다고 언급했습니다.

궁극적으로, 이 연구는 오래된 현장 노트가 현대 지도에 없는 장소를 언급한다고 해서 그 기록들을 버릴 필요가 없다는 것을 증명합니다. 이러한 기록들을 단서의 네트워크로 다룸으로써, 우리는 이 "유령" 장소들을 다시 불러내어 디지털 지도의 빈틈을 채우고 우리 세계의 지리적 역사를 보존할 수 있습니다. 다음에 "옛날 방앗간 근처에서 발견됨"이라는 노트를 보게 된다면, 충분한 다른 노트들이 있다면 그 방앗간이 정확히 어디에 있었는지 찾아낼 수 있다는 것을 알게 될 것입니다.