DH2026 Opening QnA
DH2026 기조강연 질의응답 (Q&A)
1. 한문 고전 해석에서의 AI 할루시네이션 및 오류 검증 (Verification of AI Hallucination)
Q.How do you verify AI hallucinations and interpretation errors when LLMs process Classical Chinese? What is your verification strategy in CCTI and AI Classical Translation Studies to prevent researchers from being misled by plausible AI errors?
Q.LLM이 한문 고전을 해석할 때 발생하는 할루시네이션(환각)이나 오류를 어떻게 검증합니까? 연구자가 AI의 잘못된 번역에 속지 않도록 돕는 CCTI와 AI 고전번역학만의 검증 방안이 궁금합니다.
A.When forced to answer without sufficient data, making vague or incorrect statements is true for both AI and humans. The reason we single out AI for hallucination is simply that AI delivers wrong answers with utter confidence, making it easy for us to be fooled. In the world of classical interpretation, however, encountering someone who confidently presents a completely different reading happens all the time. Rather than fearing this as a fatal flaw, it is vital to develop the critical capacity to question the grounds and context of that logic. In AI Classical Translation Studies, rather than merely judging whether AI's answer is right or wrong, we inspect the foundational data behind that answer. We check what was missed or wrongly adopted. We then provide structured data supporting our alternative interpretations, guiding the AI to generate refined results that address our doubts. All data exchanges between humans and AI occur in structured formats to minimize misunderstanding.
In our pilot courses, students were most thrilled when they suspected an AI hallucination. Not because "AI was wrong and human was right," but because they had just found a meaningful problem for self-directed inquiry. The essence of classical education is building an eye to discover clues of doubt in existing readings. We view AI hallucination not as an obstacle, but as the very starting point of our intellectual journey.
A.데이터가 부족할 때 답변을 강요받으면 모호하거나 잘못된 답을 내놓는 것은 AI나 인간이나 마찬가지입니다. 다만 AI는 오답일 때도 항상 당당하게 말하기 때문에 인간이 속기 쉬울 뿐이지요. 사실 고전 해석의 세계에서는 자신과는 전혀 다른 해석을 상대방이 자신 있게 말하는 일이 무수히 일어납니다. 이를 할루시네이션으로 두려워하기보다, 그 판단의 근거와 문맥을 의심하고 확인하는 능력을 키우는 것이 중요합니다.
"AI 고전번역학"에서는 AI 답변의 맞고 틀림을 단순히 따지기보다, 그 답변을 생성한 기초 데이터를 확인합니다. 누락되거나 잘못 채택된 데이터가 없는지 살펴보고, AI와 다른 나의 해석을 뒷받침하는 근거를 구조적 데이터로 제공하여 AI가 향상된 결과를 내도록 유도합니다. 또한 인간과 AI 간의 데이터 교류를 모두 XML과 같은 구조적 형식으로 진행하여 오해를 방지합니다.
실제 수업에서 학생들은 AI의 해석에서 할루시네이션 의심 정황을 발견했을 때 가장 신나했습니다. "AI는 틀렸고 내가 맞았다"는 우월감 때문이 아니라, 이제부터 자기주도적으로 탐구해야 할 흥미로운 일거리가 생겼기 때문입니다. 고전인문학 교육의 본질은 기존 해석에서 의심의 실마리를 발견하는 안목을 키우는 것입니다. 저희는 AI의 할루시네이션을 장애물이 아니라, 인문학적 탐구 활동의 출발점으로 삼고자 합니다.
2. 공공 AI 연구 환경 인프라 및 운영 구상 (Public AI Research Environment)
Q.You emphasized the need for a "Public AI Research Environment like a university library." What is your concrete model for this infrastructure, and who should fund and operate it?
Q."도서관과 같은 공공 AI 연구 환경"의 구축이 필요하다고 강조하셨습니다. 이를 실현하기 위한 구체적인 인프라 모델과 예산·운영 주체에 대한 교수님의 구체적인 구상이 궁금합니다.
A.Humanities scholars are accustomed to solo work—independent research, solo teaching, and sole authorship. However, asking them to independently build and maintain an "AI collaboration environment" is simply impossible. An AI research environment must be provided as shared public infrastructure, much like a university library. A researcher should be able to log in just once—as in CCTI—to access servers, run DBMS, call AI APIs, visualize data, and generate Wiki documents seamlessly. Building this is the duty of universities and public research funding agencies.
In preparing our program, beyond curriculum design and faculty training, we had to assemble a practical "infrastructure package" combining cloud servers, DBMS, Wiki, XML processors, and AI API sockets. Korea has several state-funded Classical Chinese translation institutions. My immediate goal is to share this infrastructure package across these institutions. Based on these outcomes, I plan to propose to Korean educational policy authorities the creation of a nation-wide Public AI Research Environment for the Humanities. Publicly funded research institutes, such as the Academy of Korean Studies, could lead this initiative. Naturally, this cannot be achieved alone; it requires the active support and collaboration of the KADH and the global DH community gathered here today.
A.인문학 연구자는 개인 연구, 단독 강의, 단독 저작이라는 "1인 활동"에 매우 익숙합니다. 하지만 그들의 교육과 연구를 위한 "AI 협업 환경"을 만드는 일까지 개인이 홀로 수행하는 것은 불가능합니다. AI 협업 환경은 대학의 "도서관"처럼 당연히 제공되어야 하는 공공 인프라여야 합니다. 연구자는 CCTI처럼 한 번의 로그인으로 서버에 접속하고, DBMS를 구동하며, AI API를 호출하고, 데이터를 시각화하여 위키 문서를 생성할 수 있어야 합니다. 이 환경을 조성하는 것은 대학이나 국가 차원의 공공 학술 지원 기관이 맡아야 할 역할입니다.
저희는 이번 강좌를 준비하면서 교육과정과 교원 훈련뿐만 아니라 클라우드 서버, DBMS, Wiki, XML 프로세서, AI API가 통합된 “실습 인프라 패키지”를 먼저 구축해야 했습니다. 한국에는 국가 지원을 받는 한문고전 번역 기관들이 여럿 있습니다. 저는 일차적으로 이 기관들이 저희의 인프라 패키지를 공동 활용하도록 추진할 것입니다. 나아가 이 성과를 모델로 삼아 인문학 전체에 적용할 수 있는 "공공 AI 연구 환경(Public AI Research Environment for Humanities)" 조성을 정부 교육정책 당국에 공식 제안할 계획입니다. 한국학중앙연구원과 같은 국가 재정 지원 기관들이 이를 주도할 수 있겠지요. 물론 이 일은 저 혼자 할 수 없으며, 오늘 이 자리에 모이신 KADH 및 글로벌 DH 학자 여러분의 적극적인 지지와 참여가 절실합니다.
3. 반AI 정서 극복 및 디지털 교수법 (Overcoming Anti-AI Sentiment)
Q.How did you address the anti-AI sentiment among traditional humanists, and what was the most effective educational methodology to bring them into the digital environment?
Q.전통 인문학자들의 AI에 대한 저항감(Anti-AI Sentiment)을 극복하고 그들을 디지털 세계로 이끌어내기 위해 교육 현장에서 적용하신 가장 효과적인 방법론은 무엇이었습니까?
A.While anti-AI sentiment certainly exists among traditional scholars, so too does a growing desire to master digital technologies. In our courses, we carefully designed a pathway for them to step into the digital realm naturally. Our core principle was never to teach data processing in isolation, as standalone tech training offers little value to humanists. Instead, all technical instruction was embedded directly into the process of interpreting the exact classical texts researchers were working on with AI.
Historically, traditional humanists struggled to enter the digital world due to three absences: 1) the lack of tailored educational programs, 2) the lack of qualified instructors, and 3) the lack of technical infrastructure. Their hesitation is not their fault. Resolving these three systemic gaps must be pursued as a national digital transformation agenda for the future of humanities education.
A.LLM 등장 이후 전통 인문학자들에게 AI에 대한 경계심과 저항감이 커진 것은 사실이지만, 동시에 디지털 기술을 다루고 싶다는 강한 열망도 생겨났습니다. "AI 고전번역학"에서는 이들이 자연스럽게 디지털 환경에 진입하도록 도왔습니다. 핵심은 "데이터 처리 기술"을 독립된 과목으로 가르치지 않는 것이었습니다. 그것은 인문학자들에게 거의 도움이 되지 않기 때문입니다. 대신 연구자가 지금 당장 해석하고자 하는 실제 텍스트를 가지고, AI와 대화하는 과정에서 기술이 어떻게 활용되는지 깨닫게 하는 방식으로 진행했습니다.
그동안 전통 인문학자들의 디지털 진입이 어려웠던 원인은 세 가지입니다: 1) 적절한 교육 프로그램의 부재, 2) 전문 교육 인력의 부재, 3) 기술적 인프라의 부재. 즉, 인문학 연구자들과 학생들이 디지털 세계에 들어오지 못한 것은 그들의 게으름이나 저항 때문이 아니라 사회적 준비가 부족했기 때문입니다. 이 세 가지 결핍을 해결하는 것이야말로 미래 인문학을 위한 국가적 디지털 전환의 핵심 과제입니다.
4. 개별 연구 데이터 축적 및 버티컬 AI 구축 (Building Vertical AI)
Q.How can research data generated by individual scholars lead to the development of domain-specific Vertical AI? What is the bridge between individual data accumulation and specialized AI?
Q.개별 연구자가 생산한 소규모 연구 데이터가 어떻게 특정 학문 분야의 전문 AI(Vertical AI) 구축으로 이어질 수 있는지, 데이터 축적과 전문 AI 개발의 연결고리가 궁금합니다.
A.Building specialized Vertical AI by aggregating individual research data requires sustained team collaboration and an institutional control tower. Yet, no matter how large the architecture, the quality improvement of AI always originates from the critical contributions of individual scholars. AI Classical Translation Studies provides a structured path for humanists to generate and accumulate "vetted interpretive data" essential for building Vertical AI in classical scholarship. When scholarly contributions are preserved in standardized databases, the aggregate integration and training of specialized AI models become vastly more precise and efficient.
A.개별 연구자의 데이터를 모아 특정 분야의 전문 AI(Vertical AI)로 발전시키려면, 다수 연구자의 지속적인 공동 연구와 이를 총괄할 기관 차원의 컨트롤 타워가 반드시 필요합니다. 그러나 시스템이 아무리 거대해도, AI의 지식 품질을 높이는 출발점은 항상 개인 연구자의 학술적 기여에서 시작됩니다. "AI 고전번역학"은 고전학 분야의 전문 AI 구축에 필수적인 "검증된 해석 데이터"를 인문학자가 스스로 생성하고 축적하도록 만드는 실천적 시도입니다. 학자들의 비평과 고찰이 표준화된 구조(XML, DBMS) 안에서 데이터베이스로 적재되면, 향후 이를 종합 집적하여 전문 Vertical AI 모델에 학습시키는 과정이 훨씬 더 정밀하고 수월해질 것입니다.
5. 타 학문 분야 및 타 문화권 확장 가능성 (Scalability to Other Disciplines)
Q.Do you believe the methodology of "AI Classical Translation Studies" and the CCTI model can be expanded beyond East Asian classics to European classics, Middle Eastern texts, or other humanities disciplines?
Q.제시해주신 "AI 고전번역학" 방법론과 CCTI 모델이 동양학(한문)을 넘어 서양 고전, 중동 문헌, 혹은 다른 분과 인문학 연구에도 보편적으로 확장될 수 있다고 보십니까?
A.The ultimate goal of AI Classical Translation Studies is to build the capacity for humanistic reflection and practice within an AI environment. This educational objective and core methodology can certainly be applied to European classics, Middle Eastern manuscripts, and other humanities disciplines. However, because every discipline possesses its own unique traditions and contexts, educational platforms like CCTI must be tailored to those specific characteristics. Crucially, the design and implementation of these domain-specific tools must be led by the scholars who teach and research in those exact fields. This is precisely why I call upon digital humanists today to step forward as designers and leaders in shaping humanities education for the AI generation.
A."AI 고전번역학"의 궁극적인 교육 목표는 인문학적 성찰과 비평 활동을 AI 기반 디지털 환경에서 주체적으로 실천하는 능력을 키우는 것입니다. 이 목표와 기본 방법론은 유럽, 중동의 고전 문헌 연구나 타 분야 인문학 연구에도 똑같이 적용될 수 있습니다. 다만, 모든 학문은 저마다의 고유한 배경과 특수성이 있으므로, CCTI와 같은 도구는 각 학문 분야의 특성에 맞게 다듬어져야 합니다. 여기서 가장 중요한 사실은 그 교육 도구의 설계와 구현을 해당 분야의 연구와 교육을 담당하는 학자들이 직접 이끌어야 한다는 점입니다. 이것이 제가 오늘 이 자리에 계신 디지털 인문학자 여러분께 "AI 세대를 위한 인문학 교육 프레임워크 설계를 주도해 달라"고 강력히 요청드린 이유입니다.