북극에서 가장 빠른 길보다 덜 해치는 길을 고르는 법

오늘 다룰 연구는 An Autonomous GeoAI Agent for Arctic Eco-Navigation이며, arXiv에 2609.09374 번호로 공개된 논문입니다. 이 연구가 내세우는 주장은 한 문장으로 정리됩니다. 북극 항로 결정을 단일 목적 최적화가 아니라 운영과 물리와 생태와 공동체 기준을 함께 다루는 사람 참여형 멀티에이전트 문제로 다시 설계해야 한다는 것입니다. 원문 링크는 제목 아래에 걸어 두었습니다.

저는 이 논문을 읽기 전까지 북극 항로 이야기를 들으면 얼음이 얼마나 녹았는지부터 떠올렸습니다. 그런데 첫 장을 넘기면서 생각이 바뀌었습니다. 얼음이 녹아 길이 열리는 것과 그 길을 어떻게 지나야 하는지는 전혀 다른 문제였기 때문입니다. 갈 수 있다는 사실이 곧 가도 된다는 뜻은 아닙니다. 그래서 저는 이 논문에서 가장 흥미롭게 본 부분을 길의 유무가 아니라 길의 모양을 고르는 방식으로 잡았습니다.

가장 빠른 길이 가장 좋은 길은 아닙니다

바닷길에서 빠르다는 말은 보통 연료가 적게 들고 시간이 짧다는 뜻으로 받아들여집니다. 그런데 북극에서는 이 계산이 곧바로 어긋납니다. 빨리 가려고 돌아가면 해빙 밀도가 높은 구간을 더 오래 지나야 할 때가 있고, 연료를 아끼려고 직선에 가깝게 가면 민감한 생태 구간을 가로지를 때가 있기 때문입니다. 그렇다면 빠르다는 기준 하나로 항로를 고르면, 정작 조심해야 할 구간에 더 오래 머무는 선택을 하게 될까요?

저는 여기서 멈칫했습니다. 우리가 평소에 쓰는 내비게이션은 대부분 시간이 답이기 때문입니다. 늦게 도착하면 손해이고 빨리 도착하면 이득이라는 가정이 깔려 있죠. 하지만 북극 항로에서는 빨리 도착했는데 생태 서식지를 길게 스치고 지나왔다면 그 항로를 잘 골랐다고 말하기 어렵습니다. 도착 시간은 좋아 보이지만 그 뒤에 남는 부담이 따로 있기 때문입니다.

생각해보면 사람도 비슷한 선택을 자주 합니다. 출근길에 빠른 도로가 공사 구간을 지나야 한다면, 몇 분 늦더라도 돌아가는 편이 마음이 편할 때가 있죠. 북극 항로는 그 선택을 훨씬 큰 규모에서 묻습니다. 선박의 입장에서는 몇 시간 차이일 수 있지만, 생태계의 입장에서는 회복에 오래 걸리는 교란일 수 있기 때문입니다. 저는 이 간극을 숫자로 줄이는 시도가 아니라 구조로 풀려는 시도라고 봅니다.

북극 항로가 열리면 선택지가 아니라 질문이 늘어납니다

해빙이 줄면서 계절적으로 열려 있는 기간이 길어졌다는 이야기는 이제 낯설지 않습니다. 배가 다닐 수 있는 날이 늘어나면 물류의 가능성도 늘어납니다. 그런데 이 논문이 짚는 지점은 그 다음입니다. 다닐 수 있는 날이 늘수록 어디를 지나고 어디를 피해야 하는지에 대한 판단이 더 자주 필요해진다는 것이죠. 길이 열린다는 것은 자유가 늘어난다는 뜻이기도 하지만, 책임져야 할 결정이 늘어난다는 뜻이기도 합니다.

여기서 재미있는 질문이 생깁니다. 접근성이 좋아지면 항해는 더 쉬워질까요, 아니면 더 어려워질까요? 표면적으로 보면 쉬워집니다. 얼음이 줄었으니까요. 실제로는 그렇지 않습니다. 새로 열린 구간마다 해빙 상태와 생태 민감도와 인근 공동체와의 거리를 따로 따져야 하기 때문입니다. 예전에는 얼음 때문에 가지 않던 곳이 이제는 갈 수 있는 곳이 되면서, 판단해야 할 경우의 수가 함께 늘어난 셈입니다.

저는 이 대목을 읽으면서 지도 앱 초창기가 떠올랐습니다. 길이 많아졌다고 모두가 더 빨리 도착한 것은 아니었습니다. 오히려 어떤 길은 학교 앞을 지나고, 어떤 길은 주거지를 가로질렀습니다. 그래서 우리는 나중에 경유지 제외나 스쿨존 회피 같은 선택지를 갖게 되었죠. 북극 항로도 비슷한 단계를 밟고 있습니다. 갈 수 있는 길이 생겼으니, 이제는 어떤 길은 가지 않는 선택을 설계할 차례입니다.

지금까지 항로 최적화가 보지 않던 것들

기존 항로 연구가 시간과 연료와 항해 위험을 열심히 다뤄왔다는 점은 분명합니다. 선박 운영의 입장에서는 당연한 우선순위이기도 합니다. 문제는 그다음입니다. 그 기준만으로 항로를 고르면 생태와 공동체에 대한 영향은 계산식 바깥에 남습니다. 보지 않아서 없는 것이 아니라, 보지 않아서 계산에 들어가지 않은 것입니다.

이 차이는 생각보다 중요합니다. 최적화는 목표에 들어간 것만 좋아지게 만듭니다. 연료만 줄이라고 하면 연료는 줄어듭니다. 그런데 그 과정에서 물범 서식지 옆을 오래 지나가게 되어도, 그 사실은 점수에 나타나지 않습니다. 그래서 결과만 보면 훌륭한 항로처럼 보일 수 있습니다. 연료는 적고 시간은 짧으니까요. 하지만 평가의 틀을 넓히면 같은 항로가 전혀 다르게 보입니다.

저는 이 숫자보다 그 뒤의 구조가 더 중요하다고 봅니다. 이 논문이 기존 방법을 틀렸다고 말하는 것이 아니라, 문제 정의가 좁았다고 말하는 방식이 마음에 들었습니다. 저희가 새로운 AI 아키텍처를 볼 때도 benchmark 숫자만 보지는 않습니다. 실제로 무엇이 바뀌었고, 그 변화가 시스템에서 어떤 비용 구조를 만드는지를 함께 봅니다. 이 논문도 같은 태도입니다. 항로를 더 빨리 찾는 방법이 아니라 항로를 판단하는 기준 자체를 넓히자는 제안이기 때문입니다.

자율이라고 해서 배가 혼자 결정한다는 뜻은 아닙니다

자율이라는 말을 들으면 많은 분들이 배가 스스로 판단해서 움직이는 장면을 떠올립니다. 그런데 이 연구가 말하는 자율은 그 그림과 거리가 있습니다. 여기서 자율에 가까운 쪽은 사람이 매번 손으로 자료를 모으고 지도를 겹치지 않아도 되도록, 에이전트들이 준비 과정을 맡는다는 의미에 가깝습니다. 결정 자체를 기계에 넘긴다는 뜻이 아니라, 결정을 위한 준비를 기계가 나누어 맡는다는 뜻이죠.

이 구분이 왜 필요할까요? 생태 영향이나 공동체 부담처럼 가치 판단이 들어가는 문제는 점수로만 밀어붙이기 어렵기 때문입니다. 어느 서식지를 얼마나 피해야 하는지, 인근 공동체와 어느 정도 거리를 두어야 하는지는 기술적인 답만으로 정해지지 않습니다. 그래서 이 연구는 consequential한 가치 판단을 사람의 손에 남깁니다. 자동화가 판단을 대신하는 것이 아니라, 사람이 판단할 수 있도록 선택지를 정리해 주는 쪽을 택합니다.

저는 이 설계를 읽으면서 일종의 오답 노트처럼요, 라는 비유가 아니라 관제탑 비유가 떠올랐습니다. 관제탑이 조종사를 대신해 비행기를 조종하지는 않습니다. 대신 날씨와 활주로와 주변 교통을 정리해서 조종사가 고를 수 있게 보여주죠. 이 시스템의 에이전트들도 비슷합니다. 지리 데이터를 모으고 항로 후보를 만들고 선택을 돕는 일을 나누어 맡되, 마지막 판단의 자리는 비워 둡니다.

여러 에이전트가 나눠 맡는 일의 흐름

이 시스템은 하나의 큰 모델이 모든 일을 처리하는 방식이 아닙니다. 여러 전문화된 에이전트가 지리공간 데이터의 수집과 준비, 다목적 항로 생성, 스카이라인 기반 의사결정 지원을 나누어 맡습니다. 얼핏 보면 일을 쪼갠 것처럼 보이지만, 실제로는 문제의 성격에 맞게 일을 나눈 것입니다. 북극 항로처럼 데이터 종류가 다르고 판단 기준이 여러 개인 문제에서는 한 모델이 전부를 잘하기 어렵기 때문입니다.

데이터 쪽 에이전트의 역할을 먼저 생각해 보겠습니다. 항로 판단에는 운영 자료와 물리 환경 자료와 생태 자료와 공동체 관련 자료가 함께 필요합니다. 좌표계가 다르고 해상도가 다르고 갱신 주기도 다릅니다. 이 자료들을 그냥 겹치면 지도가 어긋납니다. 그래서 수집과 준비를 맡는 에이전트가 필요합니다. 지도를 그리기 전에 지도의 눈금을 맞추는 일이라고 할 수 있죠. 이 과정이 부실하면 뒤의 항로가 아무리 정교해도 밑바탕이 흔들립니다.

다음으로 항로 생성 에이전트는 여러 목적을 함께 만족하려는 후보들을 만듭니다. 여기서 목적이 하나가 아니라는 점이 중요합니다. 시간을 줄이면서 연료도 아끼고 위험도 낮추고 생태 노출도 줄이는 일은 한 방향으로만 밀어서 풀리지 않습니다. 그래서 여러 방향의 후보가 필요합니다. 마지막으로 의사결정 지원 쪽은 그 후보들을 정리해서 사람이 비교할 수 있게 보여줍니다. 저는 이 흐름을 보고 공장이 아니라 편집실에 가깝다고 느꼈습니다. 찍어낸 답을 내놓는 것이 아니라, 고를 수 있는 원고를 가지런히 내놓는 방식이기 때문입니다.

물고기 서식지와 물범 서식지를 지도 위에 올리면 달라지는 판단

이 논문에서 제가 눈여겨본 대목은 생태 기준을 추상적인 말로 두지 않았다는 점입니다. Essential Fish Habitat처럼 어류에게 중요한 서식지와 물범의 중요 서식지를 노출 기준으로 명시합니다. 다시 말해, 항로가 그런 구간을 얼마나 스치는지를 실제로 계산에 넣는다는 뜻입니다. 생태를 생각하자는 구호가 아니라, 생태 구간 통과 길이를 잴 수 있는 변수로 올린 것이죠.

그렇다면 지도 위에 이런 구간이 올라오면 판단이 어떻게 달라질까요? 예를 들어 두 항로를 놓고 보겠습니다. 하나는 6시간 빠르고 대신 민감 서식지를 길게 스치고, 다른 하나는 6시간 느리지만 서식지를 거의 건드리지 않습니다. 예전 틀에서는 첫 번째가 이기기 쉽습니다. 시간과 연료가 눈에 보이니까요. 하지만 생태 노출이 점수판에 올라오는 순간 두 번째 항로가 다시 보입니다. 느리다는 단점과 덜 해친다는 장점이 같은 화면에 놓이기 때문입니다.

여기서는 조금 조심해서 읽을 필요가 있습니다. 서식지를 피했다고 해서 생태 영향이 사라지는 것은 아니기 때문입니다. 소음이나 배출처럼 스치지 않아도 퍼지는 영향도 있고, 계절에 따라 민감도가 달라지는 구간도 있습니다. 논문이 모든 영향을 다 풀었다고 읽기보다는, 적어도 지도 위에 올릴 수 있는 노출부터 계산에 넣었다고 읽는 편이 정확합니다. 저는 그래서 이 부분을 과장된 해결책이 아니라 측정 가능한 출발점으로 평가했습니다. 운영의 아침을 지켜주는 장치처럼, 이 기준은 항해의 계절을 지켜주는 표시가 되기 때문입니다.

정답 하나가 아니라 고를 수 있는 선택지를 보여주는 이유

여러 목적이 서로 부딪힐 때 정답 하나를 내놓는 방식은 편리하지만 위험합니다. 어떤 가중치를 썼는지에 따라 답이 바뀌는데, 그 가중치가 화면에 보이지 않기 때문입니다. 이 연구가 스카이라인 기반 의사결정 지원을 쓰는 이유도 여기에 있습니다. 미리 점수를 합쳐서 하나를 고르는 대신, 서로 양보할 수 없는 좋은 후보들을 추려서 보여주고 사람이 고르게 하는 것이죠.

스카이라인을 처음 접하는 분들을 위해 비유를 들어보겠습니다. 중고차를 고른다고 생각해 보세요. 가격이 싸면서 연식이 좋으면서 주행거리가 짧은 차는 없습니다. 그래서 우리는 어느 차도 다른 차보다 모든 면에서 낫지 않은 후보들만 남기고, 그중에서 고릅니다. 가격이 조금 비싸도 주행거리가 짧은 차, 연식은 조금 되어도 가격이 많이 싼 차처럼요. 항로도 같습니다. 시간이 짧으면 생태 노출이 길어지고, 생태 노출이 짧으면 시간이 길어지는 식입니다. 스카이라인은 그 교환관계의 앞자리에 있는 후보들을 남기는 방식입니다.

문제는 그다음입니다. 선택지가 많으면 오히려 고르기 어려워지지 않을까요? 그래서 정리 방식이 중요합니다. 후보가 수십 개라도 교환관계가 눈에 보이면 판단은 쉬워집니다. 이 구간을 2시간 더 돌아가면 서식지 통과가 얼마나 주는지, 반대로 1시간 아끼면 공동체 인근을 얼마나 가까이 지나게 되는지가 보이기 때문입니다. 저는 이 장치가 숫자를 더 보여주는 도구가 아니라, 책임질 수 있는 선택을 돕는 도구라고 봅니다. 실제 시스템 관점에서 보면 다음 질문이 바로 생깁니다. 이 선택 화면이 항해사의 실제 판단 시간 안에 들어갈 만큼 가볍게 동작할까요?

사람이 쥐고 있어야 하는 판단은 따로 있습니다

이 연구가 사람 참여를 강조하는 대목은 장식이 아닙니다. 생태계 영향과 공동체 부담처럼 결과를 되돌리기 어려운 판단은 자동화에 맡기기 어렵기 때문입니다. 기계는 교환관계를 계산할 수 있지만, 어느 서식지를 어느 정도까지 조심해야 하는지에 대한 무게는 사회가 정해야 합니다. 그래서 시스템은 후보를 만들고 사람은 무게를 정합니다. 계산과 판단의 분업이라고 할 수 있죠.

좋은 건 알겠는데, 이걸 실제로 어떻게 운영할까요? 항해 중에 갑자기 논쟁적인 선택을 사람에게 던지면 부담이 커집니다. 그래서 이런 시스템은 출항 전 계획 단계에서 빛을 발할 가능성이 큽니다. 미리 여러 계절 조건과 해빙 시나리오에 대해 후보들을 보고, 어떤 원칙으로 고를지 정해두는 것이죠. 현장에서는 그 원칙을 따르되, 예외가 생기면 다시 선택 화면을 여는 방식입니다. 이렇게 보면 사람 참여는 매 순간 버튼을 누르는 일이 아니라, 기준을 정하고 예외를 다루는 일에 가깝습니다.

개인적으로 인상 깊었던 점은, 이 분업이 AI의 한계를 인정하는 것처럼 보이면서 실제로는 AI의 자리를 더 분명하게 만든다는 것입니다. AI가 가치 판단까지 하겠다고 나서면 신뢰를 잃기 쉽습니다. 반면 어디까지 계산했고 어디부터 사람의 몫인지를 분명히 하면, 오히려 현장에서 쓰기 쉬워집니다. 투명하다는 말이 흔히 모델 내부를 여는 것으로 오해되는데, 여기서는 판단 과정이 보이는 것에 가깝습니다. 어떤 후보가 있었고 무엇을 포기하고 무엇을 택했는지가 남기 때문입니다.

재현할 수 있다는 말이 주는 신뢰

이 연구는 프로젝트 페이지와 코드를 공개해 재현과 재사용을 돕겠다고 밝힙니다. 짧은 문장이지만, 저는 이 대목을 가볍게 넘기지 않았습니다. 지리공간 문제에서는 데이터 전처리 방식에 따라 결과가 크게 달라지기 때문입니다. 같은 항로 생성 방법이라도 해빙 자료를 어떻게 맞추고 생태 구간을 어떻게 겹쳤는지에 따라 답이 달라집니다. 그래서 코드와 자료 흐름이 열려 있다는 것은 결과의 점수보다 과정의 믿음을 주는 일입니다.

여기서 한 가지 현실적인 질문이 생깁니다. 공개된 코드가 있으면 누구나 같은 항로를 바로 얻을 수 있을까요? 꼭 그렇지는 않습니다. 북극 자료는 계절과 해역에 따라 달라지고, 계산 환경에 따라서도 결과가 흔들릴 수 있습니다. 하지만 재현 가능성이 주는 가치는 같은 숫자을 뽑는 데 있지 않습니다. 다른 해역과 다른 계절에 같은 틀을 가져다 쓸 수 있다는 데 있습니다. 틀이 열려 있어야 다음 연구자가 자신의 해역에 맞게 바꿀 수 있기 때문입니다.

저는 이 태도가 북극이라는 주제와 잘 어울린다고 봅니다. 북극은 특정 회사의 바다도 특정 연구실의 바다도 아닙니다. 여러 나라의 선박이 지나고 여러 공동체가 기대어 사는 곳이기 때문입니다. 그래서 항로를 고르는 틀도 닫힌 상자보다 열린 작업대 모양이 어울립니다. 누가 어떤 자료로 어떤 후보를 만들었는지가 보이면, 논쟁도 생산적이 됩니다. 이 항로가 정말 덜 해치는지, 아니면 덜 해치는 것처럼 보이는지를 따질 수 있기 때문입니다.

북극에서 길을 묻는 일이 앞으로 던지는 질문

지금까지의 이야기를 한 줄로 모으면 이렇습니다. 이 연구는 북극 항로를 더 빨리 찾는 기술이 아니라, 덜 해치면서도 운항할 수 있는 선택을 고르는 틀에 가깝습니다. 운영과 물리와 생태와 공동체 기준을 한 화면에 올리고, 에이전트들이 준비와 생성과 정리를 나누어 맡고, 사람은 마지막 무게를 다는 구조죠. 그래서 읽을수록 기술 논문이라기보다 항해의 문법에 대한 제안처럼 느껴집니다.

그렇다면 사람의 역할은 무엇일까요. 저는 이 질문이 이 논문의 끝이 아니라 시작이라고 봅니다. 스카이라인으로 선택지를 보여줘도, 어떤 교환을 받아들일지는 여전히 사람의 몫이기 때문입니다. 예를 들어 물범 서식지를 10km 더 돌아가는 대신 연료가 얼마나 더 드는지 알 수 있게 되면, 우리는 그 숫자를 보고 결정해야 합니다. 그 결정을 내리는 기준은 항해술 책에 있지 않습니다. 우리가 바다와 맺고 싶은 관계에 달려 있죠.

제가 앞으로 보고 싶은 것은 세 가지입니다. 먼저 계절과 해빙 시나리오에 따라 선택지가 어떻게 바뀌는지 보고 싶습니다. 같은 항로라도 9월과 11월은 전혀 다른 길일 수 있기 때문입니다. 다음으로 항해 현장의 시간 안에 이 선택 과정이 들어가는지 보고 싶습니다. 출항 전에는 여유가 있지만, 현장에서는 몇 분 안에 판단해야 할 때가 있기 때문입니다. 마지막으로 공동체의 목소리가 기준에 어떻게 들어오는지 보고 싶습니다. 지도 위의 거리만으로 부담을 다 잴 수는 없기 때문입니다. 이 논문이 열어준 자리를 다음 연구들이 어떻게 채울지 지켜보고 싶습니다.