Auditable Authenticity: A Four-Domain Conjunctive Rule for Chinese White Porcelain, Benchmarked Against Machine Learning on Published Archaeometric Data
본 논문은 네 가지 증거 영역에 걸쳐 중국 백자의 진위 여부를 판별하기 위해, 블랙박스 형태의 머신러닝 모델보다는 정확도가 약간 낮으나 보정된 고신뢰도 예측에 국한될 경우 대등한 성능을 달성함으로써 모든 판단의 협력 구조를 드러내는 투명한 대안을 제공하는, 감사 가능하고 비보상적인 결합 규칙을 제안한다.
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
박물관에 서서 순백의 자기 그릇 하나를 바라보고 있다고 상상해 보십시오. 훈련되지 않은 눈에는 그저 아름다운 물건일 뿐입니다. 하지만 전문가에게 그것은 흙과 불로 쓰인 하나의 문서입니다. 그릇의 이야기는 단순히 그 형태나 제작 시기에 있는 것이 아니라, 그것을 구성하는 바로 그 원자 속에 있습니다. 과학자들은 이미 도자기의 화학적 구성, 즉 몸체와 유약에 포함된 특정 광물의 혼합 비율이 그것이 어디서 언제 만들어졌는지를 밝혀낼 수 있다는 사실을 알고 있습니다. 고고측정학(archaeometry)이라 불리는 이 분야는 형광 X선 분석과 같은 도구를 사용하여 이러한 화학적 지문을 읽어냅니다. 그러나 여전히 고질적인 문제가 남아 있습니다. 이 데이터를 분석하는 가장 강력한 컴퓨터 프로그램들이 '블랙박스'라는 점입니다. 이 프로그램들은 어떤 그릇이 특정 가마에서 나왔다고 높은 확신을 가지고 말할 수는 있지만, 그 '이유'는 설명하지 못합니다. 증거를 보여주지 않은 채 단 하나의 답만을 제시하기 때문에, 인간 전문가가 그 논리를 검증하거나 물체의 어떤 부분이 결론에 도달하게 했는지 이해하는 것을 불가능하게 만듭니다. 잘못된 추측이 값진 유물을 오인하게 하거나 정교한 위작을 찾아내지 못하게 만들 수 있는 문화유산의 세계에서, 답을 아는 것만큼이나 그 근거를 아는 것도 중요합니다.
이것이 바로 리시동(Shidong Li)이 새로운 중국 백자 연구를 통해 해결하고자 했던 과제입니다. 그의 목표는 정확하면서도 투명한, 즉 컴퓨터의 정밀함을 잃지 않으면서도 인간 전문가의 사고방식을 모방하는 방법을 만드는 것이었습니다. 전문가는 전통적으로 네 가지 뚜렷한 증거의 선, 즉 재료(점토의 성분), 공정(형성 및 소성 방식), 형태(모양과 장식), 그리고 시간(역사적 맥소) 사이의 일치 여부를 살펴봄으로써 물체를 감정합니다. 만약 화학적 성분은 하나를 가리키는데 형태는 다른 것을 가리킨다면, 인간 전문가는 의구심을 갖습니다. 그들은 강력한 화학적 일치가 약한 물리적 일치를 상쇄하도록 내버려 두지 않습니다. 리는 이러한 세심한 교차 검증 논리를 컴퓨터를 위한 공식적인 규칙으로 변환했습니다. 이 새로운 시스템은 컴퓨터가 모든 증거의 무게를 한꺼번에 달아 하나의 점수를 산출하게 하는 대신, 사용 가능한 모든 증거가 동일한 결론을 가리킬 것을 요구합니다. 이는 마치 엄격한 문지기처럼 작동합니다. 만약 단 하나의 증거라도 서로 어긋나거나 너무 미약하다면, 시스템은 최종 결론을 내리기를 거부하고, 억지로 추측하는 대신 해당 물체를 추가 검토 대상으로 분류합니다.
이 아이디어를 테스트하기 위해, 연구자는 이미 다른 과학자들에 의해 측정된 두 개의 실제 자기 컬렉션에 이 규칙을 적용했습니다. 첫 번째 그룹은 세 가지 다른 역사적 시기를 아우르는 유명한 정요(Ding kiln) 출신의 도자기 69점으로 구성되었습니다. 두 번째 그룹은 시대와 용도(민용 또는 황실용)에 따라 네 그룹으로 나뉜 경덕진(Jingdezhen) 출신의 37점이었습니다. 컴퓨터는 사용 가능한 화학 데이터만을 사용하여 이 조각들을 올바른 그룹으로 분류하도록 요청받았습니다. 결과는 새로운 투명한 규칙이 매우 훌륭하게 수행되었음을 보여주었습니다. 정요 컬렉션의 경우, 약 90%의 조각에 대해 시기를 정확히 식별했습니다. 더 까다로운 경덕진 컬렉션에서는 약 82%의 정확도를 보였습니다. 가장 강력한 '블랙박스'형 컴퓨터 프로그램들은 전반적으로 약간 더 높은 정확도를 보였지만, 그 이유는 설명하지 못했습니다. 그러나 새로운 규칙은 다른 프로그램들이 할 수 없었던 일을 해냈습니다. 바로 자신이 확실하다고 판단하는 특정 하위 집합을 식별해 낸 것입니다. 시스템이 "확신할 수 없다"라고 말하며 어려운 사례들을 건너뛰도록 허용했을 때, 남은 확정된 답변들의 정확도는 더욱 높아져 정요 조각의 경우 92% 이상에 도달했습니다.
결정적으로, 이 연구는 이 방법이 존재하지 않는 패턴을 만들어내지 않는다는 것을 입증했습니다. 연구자는 과학적으로 명확한 답을 찾을 수 없다고 여겨지는 두 가지 데이터 세트에 이 시스템을 테스트했습니다. 한 사례는 동일한 고고학 유적지의 서로 다른 구덩이에서 나온 조각들이었고, 다른 사례는 비슷한 시기에 매우 가까운 곳에서 만들어진 세 개의 서로 다른 가마에서 나온 조각들이었습니다. 두 시나리오 모두 화학적 차이가 너무 미미하여 그룹을 구분할 수 없었습니다. 새로운 규칙은 다른 컴퓨터 프로그램들과 마찬가지로 이 그룹들을 구분하는 데 실패했으며, 무작위 확률보다 나은 성과를 내지 못했습니다. 이는 매우 중요한 발견인데, 시스템이 단순히 추측하거나 노이즈 속에서 가짜 연결 고리를 찾아내는 것이 아님을 보여주기 때문입니다. 시스템은 증거의 한계를 존중합니다. 만약 화학이 답을 쥐고 있지 않다면, 시스템은 잘못된 답을 자신 있게 내놓는 대신 이를 인정합니다.
이 연구는 이 투명한 방법이 모든 문제에 대해 절대적으로 가장 강력한 예측 도구는 아닐지라도, 감정(authentication)에 있어 필수적인 이점을 제공한다고 결론짓습니다. 즉, 판단의 구조를 드러낸다는 것입니다. 이를 통해 전문가는 어떤 증거의 선이 일치하고 어떤 것이 누락되었는지 정확히 볼 수 있습니다. 연구자는 현재의 테스트가 주로 화학적 데이터에 의존했는데, 이는 물체의 형태나 소성 과정에 대한 상세한 기록이 화학적 결과와 함께 발표되는 경우가 드물기 때문이라고 언급했습니다. 궁극적인 목표는 분석된 모든 물체가 화학, 물리적 측정, 형태 묘사, 그리고 역사적 맥락이라는 완전한 데이터 패키지와 함께 제공되어, 이 네 가지 단계의 검증이 온전한 힘을 발휘할 수 있는 미래를 만드는 것입니다. 현재로서는, 이 연구는 컴퓨터 시스템이 단순히 답을 주는 것을 넘어 자신의 과정을 보여줌으로써, 과학적 검증의 엄격함을 다시 인간 전문가의 손으로 돌려주는 것이 가능하다는 것을 보여줍니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.