문법 기반 방법론, 저자 분석에서 AI와 동등하거나 더 나은 성능을 보이다

맨체스터 대학교의 새로운 연구는 복잡한 AI가 항상 언어 분석 작업에 더 나은 결과를 낸다는 가정에 도전합니다. Andrea Nini 박사가 이끄는 연구진은 고급 AI 시스템과 비슷하거나 더 나은 성능을 보이는 문법 기반 저자 검증 방법인 LambdaG를 개발했습니다.

LambdaG 작동 방식

LambdaG는 대규모 기계 학습 모델에 의존하기보다 문법 패턴을 분석합니다. 이 방법은 다음과 같은 특징을 측정하여 개별 글쓰기 스타일의 통계적 프로필을 구축합니다:

• 기능어 사용 ("it", "of", "the"와 같은 단어)
• 문장 구조
• 구두점 패턴
• 기타 문법적 습관

연구진은 이러한 특징들이 각 저자에게 독특한 행동 서명을 생성한다고 설명하며, 이는 개인이 독특한 필체나 걷기 패턴을 개발하는 방식과 유사합니다.

성능 결과

이 연구는 LambdaG를 실제 시나리오를 반영하도록 설계된 12개의 실제 글쓰기 데이터셋에서 테스트했습니다:

• 이메일
• 온라인 포럼 게시물
• 소비자 리뷰

대부분의 경우, LambdaG는 신경망 기반 접근법을 포함한 여러 확립된 저자 검증 시스템보다 더 높은 정확도를 달성했습니다. 이 방법은 대부분의 테스트 데이터셋에서 선도적인 AI 시스템과 동등하거나 더 나은 성능을 보였습니다.

AI 시스템에 대한 주요 장점

현재 많은 저자 검증 시스템이 방대한 데이터셋으로 훈련된 복잡한 AI 모델에 의존하는 반면, LambdaG는 다음과 같은 여러 실용적 이점을 제공합니다:

• 더 큰 투명성: 많은 AI 모델이 블랙박스로 작동하는 것과 달리, 어떤 문법 패턴이 결정에 영향을 미쳤는지 보여줍니다
• 더 낮은 계산 비용: 대형 AI 모델의 광범위한 컴퓨팅 자원이 필요하지 않습니다
• 설명 가능성: 법적 조사와 같은 고위험 환경에 적합하도록 결론에 대한 명확한 설명을 제공합니다

잠재적 응용 분야

연구진은 이 방법의 여러 실용적 사용 사례를 확인했습니다:

• 법의학 언어학
• 범죄 수사
• 온라인 학대 탐지
• 학문적 진실성 모니터링

Nini 박사는 다음과 같이 언급했습니다: "저자 분석과 같은 문제를 해결하려면 복잡한 AI가 필요하다는 가정이 점점 커지고 있지만, 우리의 연구 결과는 반드시 그렇지 않다는 것을 보여줍니다. 언어가 실제로 어떻게 작동하는 과학에 기반을 둔 접근 방식을 통해, 우리는 더 투명하면서도 동등하거나 종종 더 나은 결과를 달성할 수 있습니다."

이 연구는 Humanities and Social Sciences Communications에 DOI: https://doi.org/10.1057/s41599-025-06340-3로 게시되었습니다.