No Humans! Autonomous Development and Execution of a Forensic 3D Workflow by a General-Purpose AI Agent
본 연구는 범용 AI 에이전트가 원시 데이터로부터 최종 보고서에 이르기까지 복잡한 법의학적 3D 신장 재구성 워크플로우를 자율적으로 개발하고 실행할 수 있음을 입증하며, 부분적인 정확도를 달age했으나 이는 엄격한 인간의 검증 없이는 기술적 완결성이 과학적으로 올바른 결과를 보장하지 못한다는 점을 강조한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
법과학은 종종 물리적 흔적으로부터 사건을 신중하게 재구성하는 데 의존하며, 이는 전문가들이 현장이 어떻게 보였고 그 안에서 어떤 일이 일어났는지를 조각 맞추듯 구성해 나가는 과정이다. 특히 까다로운 과제 중 하나는 보안 카메라가 정밀한 측정을 위해 설계되지 않은 경우가 많다는 점을 고려할 때, 단 한 장의 사진이나 몇 프레임의 비디오만으로 사람의 키를 결정하는 것이다. 이를 해결하기 위해 전문가들은 전통적으로 이미지를 레이저 스캐너로 생성된 방의 3차원 지도와 결합하고, 전문 소프트웨어를 사용하여 디지털 인간 모델을 사진 속 인물과 정렬한다. 이 과정에는 기하학, 해부학, 그리고 카메라 렌즈의 특수한 왜곡에 대한 깊은 지식이 필요하다. 목표는 인간의 신체로서 물리적으로 가능한 범위 내에서 사진과 일치하는 디지털 포즈를 찾는 것이며, 이를 통해 바닥에서 머리 끝까지의 높이를 측정할 수 있다. 수십 년 동안 이것은 카메라 보정부터 디지털 골격 조정에 이르기까지 모든 단계를 인간 전문가가 안내해야 하는 작업이었다.
최근 한 실험은 대담한 질문을 던졌다. 범용 인공지능 에이전트에게 규칙에 대한 설명과 원시 데이터만을 주었을 때, 인간의 도움 없이 이 전체 과정을 처음부터 스스로 구축하고 실행할 수 있는가? 취리히 법과학 연구소의 연구진은 정교한 AI 시스템에 통제된 방 안에서 촬영된 네 장의 서로 다른 이미지로부터 사람의 키를 재구성하라는 복잡한 법과학적 과제를 부여함으로써 이 테스트를 수행했다. AI에게는 미리 작성된 코드도, 준비된 3D 모델도, 소프트웨어 사용법에 대한 단계별 지침도 주어지지 않았다. 대신, 레이저 스캔 데이터, 마커가 포함된 참조 사진, 테스트 대상자의 네 장의 이미지, 그리고 실험실의 표준 품질 규칙을 기술한 문서가 제공되었다. AI는 스스로 컴퓨터 코드를 작성하고, 디지털 인간 신체를 생성하며, 카메라의 위치를 파악한 다음, 사진 속 인물에 모델을 맞추려고 시도하는 동시에 전체 보고서를 생성해야 했다.
결과는 새로운 종류의 자율성을 보여주는 시연이었다. AI는 레이저 스캔과 이미지를 처리하기 위한 필요한 소프트웨어를 작성하며 완전한 워크플로우를 성공적으로 개발했다. 움직이는 관절을 가진 디지털 인간 모델을 구축했고, 카메라의 위치와 렌즈 왜곡을 계산했으며, 네 장의 사진 각각에 모델을 맞추려고 시도했다. 이 과정 전반에 걸쳐 인간의 개입은 AI가 할당된 컴퓨팅 시간을 다 써서 멈췄을 때 계속하라는 간단한 프롬프트를 입력하는 것뿐이었다. 시스템은 측정값과 시각적 증거가 포함된 상세한 보고서를 생성했으며, 이는 단순히 지시를 따르는 것을 넘어 작업을 수행하는 데 필요한 도구까지 스스로 발명할 수 있는 법과학 기술자처럼 행동했음을 보여주었다.
하지만 이 실험은 현재 기술의 한계 또한 드러냈다. AI가 전체 기술적 파이프라인을 완수하기는 했지만, 최종 측정값의 정확도는 엇갈렸다. 신발을 신은 상태에서 측정한 피험자의 실제 키는 175cm였다. AI는 네 장의 이미지로부터 네 개의 별도 키 추정치를 산출했는데, 각각 176.65cm, 175.96cm, 161.30cm, 169.27cm였다. 두 개의 추정치는 실험실의 표준 목표를 충족할 만큼 실제 키에 근접했으나, 네 개 전체의 평균은 170.8cm로 요구되는 정확도에 미치지 못했다. 더 중요한 점은 AI가 생성한 디지털 신체가 일관성을 유지하지 못했다는 것이다. 모두 동일한 인물을 나타내야 함에도 불구하고, 다리의 길이, 어깨 너비, 몸통의 크기가 이미지마다 크게 변했다. 어떤 경우에는 AI가 올바른 해부학적 위치를 찾는 대신, 사진에 맞추기 위해 신체 비율을 조정하는 것처럼 보였다.
이는 AI가 복잡한 코딩과 계산을 처리할 수는 있지만, 인간 전문가가 내리는 미묘하고 직관적인 판단에는 여전히 어려움을 겪고 있음을 시사한다. 인간 조사관은 사람이 자세를 바꾼다고 해서 다리 길이가 변하지 않는다는 것을 알지만, AI는 이미지를 해결하기 위해 이러한 치수를 변경하기도 했다. 연구진은 AI가 평면적인 사진으로부터 깊이와 자세의 모호함을 항상 해결할 수 없으며, 이로 인해 카메라 시점에서는 올-바르게 보이지만 다른 각도에서 볼 때는 해부학적으로 불안정한 디지털 모델을 만든다는 것을 발견했다. 시스템은 모든 내부 기술 점검을 통과했지만, 일관되게 정확한 재구성을 만들어내는 데는 실패했다.
이 연구는 법과학 업무가 수행되는 방식이 전환점에 와 있다고 결론짓는다. 범용 AI 에이전트는 이제 고차원적인 문제 설명을 받아 코드를 작성하거나 소프트웨어를 운영할 필요 없이 실행 가능한 워크플로우로 바꿀 수 있다. 이러한 능력은 가까운 미래에 법과학 분석의 많은 기술적 구현과 실행이 기계에 의해 처리될 수 있음을 시사한다. 그러나 인간 전문가는 계산을 수행하는 역할이 아니라, 문제를 정의하고, 경계를 설정하며, 결정적으로 결과를 검증하는 역할을 위해 여전히 필수적일 것이다. AI는 다리를 놓을 수는 있지만, 인간이 발 디딜 곳을 확인하지 않고는 아직 그 다리를 건너갈 만큼 신뢰받을 수는 없다. 이 실험은 기술적 완수가 반드시 정답을 보장하는 것은 아니며, 당분간 증거를 해석하는 최종 책임은 인간에게 남아 있어야 한다는 것을 보여준다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.