보는 것은 보는 것이다: AI는 빠르게 에이전트로 변신해야 한다

1980년대에, 나치 수집가라고 불리는 한 사람이 독일의 한 출판사에 '히틀러 일기' 60권을 가져왔습니다.

출판사는 이 일기를 230만 달러에 매입하고 재판권을 몇몇 외국 신문사에 판매했습니다.

그중에서도 타임스는 여러 전문가를 초대해 히틀러의 원고 사본을 샘플로 사용하여 메모 식별을 실시했습니다. 전문가들은 이것이 사실이라고 결론지었습니다. 이건 히틀러의 필체예요!

그러나 이후 자외선 검사를 통해 이 일기장의 종이에 1954년에만 사용된 특수 성분이 포함되어 있음이 밝혀졌습니다.

이 일기장은 확실히 위조품인데, 전문가들의 필적 감정 결과도 틀린 걸까?

사실 그렇지 않습니다. 최종 조사 결과, 비교에 사용된 실제 데이터 세트는 소위 "원고"였기 때문에 그런 것으로 밝혀졌습니다. 사실, 그것 역시 그 사기 수집가에 의해 위조된 것이었습니다.

필체는 사람의 독특한 필기 습관을 반영할 수 있는 특별한 흔적입니다. 필적 식별은 두 개 이상의 메모를 비교하고 식별하여 같은 사람이 썼는지 확인하는 과정입니다.

필적 식별은 예술 작품, 계약서, 유언장 등에 대한 분쟁을 처리하는 데에도 자주 사용됩니다.이제 AI를 통해 필적 식별을 통해 국적을 직접 확인할 수 있습니다.

이 알고리즘을 통해 AI는 사람이 손으로 쓴 영어 텍스트를 분석하여 그 사람의 국적을 판별할 수 있습니다.

현재 이 기술은 참가자의 국적이 말레이시아, 이란, 중국, 방글라데시, 인도의 5개국에 속하는지만 판별할 수 있습니다.

연구진은 이들 국가에서 100명을 실험 대상으로 선정하여 기계 학습을 위한 데이터 세트로 500줄 분량의 영문 기사를 손으로 작성하도록 요청했습니다.

"COLD(Cloud Of Line Distribution)"라는 도구를 통해연구자들은 각 글자를 선으로 나누고 선이 얼마나 곧은지, 굽은지를 측정하여 국적을 알아낼 수 있었습니다.

실험 결과 COLD는 머신 러닝 알고리즘과 잘 호환되는 것으로 나타났습니다. 이 방법은 국적을 판별하는 데 있어 기존 방법 대부분보다 효과적이며, 일부 국가의 경우 예측 정확도가 두 배 이상 향상되었습니다.

COLD가 국적을 판별하는 데는 다양한 국가의 글쓰기 습관이 핵심입니다.

예를 들어중국인은 정사각형 글자를 쓰는 데 익숙하고 영어 글자를 쓸 때 직선을 더 많이 사용하는 반면, 인도인은 곡선을 쓰는 데 익숙하기 때문에 글자를 쓸 때 곡선 부분이 더 많습니다.

COLD는 텍스트 분석에 특별히 사용되는 도구입니다. 필기체 분석에 응용하는 것 외에도 비디오 및 차량 번호판 이미지와 같은 분야에서 임의의 텍스트를 감지하는 데 널리 사용됩니다.

이 방법을 사용하면 텍스트 특징을 분석한 다음 랜덤 포레스트를 기반으로 텍스트를 분류하고 해당 극좌표 영역에서 밀집점을 생성할 수 있습니다.

이러한 점들은 무작위로 분포된 것이 아니라, 가장 유사한 국가와 무한히 가깝습니다. 따라서 캐릭터의 분포가 바뀌면 국가별 분포도 바뀌게 됩니다. 데이터가 충분히 풍부하다면 SVM(지원 벡터 머신)을 통해 쉽게 결론을 도출할 수 있습니다.

이전에는 필적 분석에 대한 연구를 거의 듣지 못했는데, 아마도 그 응용 시나리오가 결정되지 않았기 때문일 것입니다.

그러나 중국, 인도, 말레이시아의 연구자들은 이 기술이 경찰이 범죄 수사를 수행하는 데 도움이 될 수 있으며 일반적인 이미지 인식 기술보다 더 효과적이라고 믿고 있습니다.

전통적인 법의학적 식별 방법

실제로 경찰은 다양한 수사 분야에 생체 인식 기술을 활용해 왔으며, 얼굴 인식은 가장 흔히 사용되는 방법 중 하나입니다. 필기 인식 기술의 등장은 어느 정도 이 기술을 강력하게 보완할 것입니다.

하지만 이 기술은 아직 실험 단계에 있으며, 실제 상황에서 사용할 수 있을지 여부는 아직 고려되지 않았습니다.

대부분의 생체 인식 기술과 마찬가지로 필기 인식도 이 기술이나 유사한 기술이 제기하는 개인정보 보호나 시민권 문제에 직면합니다.

또한, 머신러닝에 사용되는 데이터가 편향으로 인해 잘못된 결정을 내리지 않도록 보장하는 방법도 시급히 해결해야 할 문제입니다.