AI 에이전트 48개로 NASA lidar 분석해 마야 유적 (재)발견한 후기
My AI agents found an unmapped Maya site?
TL;DR Highlight
에이전트 48개에 lidar 이미지를 맡겼더니 마야 유적을 찾았지만 이미 지도에 있었다
Who Should Read
여러 LLM 에이전트에 이미지 분석을 병렬로 맡겨 보려는 개발자
Core Mechanics
- lidar 데이터를 이미지로 바꿔 에이전트에 맡겼다
- 약 1,200 km²의 lidar 스트립을 이미지로 변환했다.
- 에이전트 48개가 이미지를 하나씩 보며 피라미드·플랫폼·광장을 찾았다.
- 자연 언덕·싱크홀·도로는 걸러내게 했다.
- 전용 모델 없이 사진을 보게 했다
- 별도 모델이나 분류기는 쓰지 않았다.
- 에이전트가 이미지를 직접 보고 정해진 가이드를 따랐다.
- 문헌·기록 대조도 에이전트가 했다
- 글쓴이가 아직 발견 안 된 마을이 있는지 문헌과 기록 검색을 요청했다.
- 몇 시간 뒤 에이전트가 등록 안 된 큰 마을 하나를 보고했다.
- 원문에 따르면 광장, 높이 8–12m 이상의 타원형 피라미드, 안뜰이 있었다.
- 원시 포인트 클라우드로 교차 검증했다
- 에이전트가 raw point cloud를 확인해 형태가 나무가 아닌 지면에 있음을 점검했다.
- 10–17m 숲 아래 지면이 광장·피라미드·안뜰 윤곽을 그렸다.
- 결국 이미 지도에 있었다
- Estrada-Belli et al. 2025 논문에 이 유적이 실려 있었다.
- 에이전트는 문헌 조사에서 이를 놓쳤고 INAH 등록부에만 없었다.
- 글쓴이는 사이트 소재지를 2025년 논문과 대조해 확인했다.
- 보고서 작성과 번역도 에이전트가 맡았다
- INAH 연락 방법과 보고서 작성을 에이전트에 시켰다.
- 회신 확률을 높이려 스페인어로 번역했고 글쓴이는 스페인어를 못해 에이전트를 믿었다.
Community Reactions
- 문헌 조사 누락 지적이 나왔다
- 이미 발견된 것이 뒤늦게 드러난 걸 두고 LLM이 이미 논의된 버그를 새로 찾았다고 주장하는 상황과 비슷하다는 의견이 있었다.
- LLM이 발견의 중요성을 과장해 설득한다는 점이 걱정이라는 의견이었다.
- AI보다 lidar 데이터 덕이라는 의견
- 영국 lidar 지도를 만든 사람은 이 사이트로 로마 빌라·요새 등 수십 건의 새 발견이 있었다고 했다.
- 이 이야기는 AI보다 lidar 커버리지와 데이터 공개 덕이라는 의견이었다.
- 에이전트 구성과 비용에 대한 질문
- 48개 에이전트가 어떻게 조율되고 데이터를 공유했는지 궁금하다는 질문이 있었다.
- 제목과 달리 72시간은 에이전트 작업 시간이 아니라는 지적이 있었다.
- 이미지 비용이 비싸냐는 질문에 Gemini에 물어보니 834장의 1200x1200 이미지라고 한 댓글이 있었다.
- 비슷한 실험을 직접 해 봤다는 경험
- NASA 데이터를 Claude와 1시간 탐색해 미지의 소행성 쌍을 찾았다 생각했는데 올해 이미 발견된 것이었다는 경험이 있었다.
- 검증 없이 믿지 말라는 의견
- 에이전트 출력은 믿지 말고 엄격히 확인해야 한다는 의견이 있었다.
- 마지막 10%는 전문 지식이 필요하다는 의견도 있었다.
How to Apply
- 에이전트 결과에 선행 연구 검증 단계 넣기
- 오늘 에이전트가 낸 발견·버그 보고서 하나를 골라 기존 문헌이나 이슈 트래커에 이미 있는지 다른 에이전트에게 따로 확인시켜라.
- 출처 링크 없는 주장은 미확인으로 표시하라.
- 대용량 시각 데이터는 이미지로 바꿔 병렬 배치 처리하기
- 센서·지도·로그 시각화 데이터는 타일 이미지로 쪼개 여러 에이전트에 나눠 분석시켜라.
- 각 에이전트에 찾을 것과 걸러낼 것을 적은 가이드를 주어라.
- 원시 데이터로 2차 검증시키기
- 이미지에서 후보가 나오면 별도 에이전트가 원시 데이터로 후보가 실제 신호인지 확인하게 하라.
- 확인된 후보만 사람에게 올려라.
Try It
# Claude 또는 ChatGPT에 붙여넣기 (원문 방법의 간이 버전: 이미지 분석 후 선행 연구 검증)
당신은 {{분야}} 분석가입니다. 첨부한 이미지 {{이미지}}에서 {{찾을 대상}}으로 보이는 규칙적 구조를 찾으세요.
제외할 것: {{걸러낼 자연 요소}}
각 후보마다 위치, 근거, 확신도를 표로 정리하세요.
그다음 각 후보가 이미 알려진 것인지 문헌 검색으로 확인하고, 출처 링크가 없으면 '미확인'이라고 쓰세요.
이어서 해 볼 것: 같은 이미지를 다른 모델에 주고 결과를 비교해 보세요.Terminology
관련 논문
LLM으로 리버스 엔지니어링 속도 올리기: 에이전트+Ghidra MCP+가설 디버깅
바이너리를 에이전트에 맡기고 스킬·MD 기록을 붙였더니 수년 걸릴 해킹이 가능해졌다
Metrics-in-the-Loop: 복잡도 피드백이 에이전트가 짜는 코드 구조를 바꾼다
코딩 에이전트에 복잡도 리포트를 매 턴 넣었더니 코드 erosion이 줄고 정확도는 그대로
Gemini 4 Carbon은 왜 이렇게 느린가: 에이전트 트레이스 분석
버그 수정에 Carbon은 1시간, Astra·Opus는 몇 분 걸렸고 원인은 불필요한 작업이었다
Claude Code 팀이 에이전트 작업을 검증하는 방법
E2E·property·differential 테스트와 검증 규칙으로 Claude를 병렬로 돌린다
코딩 에이전트에 자격 증명을 넘기지 않고 돌리기: lend
자격 증명은 노트북에 두고 명령만 Touch ID 승인으로 실행하게 했다
Windows 11이 어떤 코딩 에이전트·개발 도구를 쓰는지 수집한다
Windows 11 DLL 분석 결과, codex·claude 등 사용 여부가 진단 데이터로 올라간다
LLM 추론에서 대화 히스토리가 몰래 치르는 비용
대화 히스토리를 통째로 넣으면 정확도가 20턴 안에 0.6→0.1로 붕괴하고, 검증된 상태 요약은 이를 막았다
Claude Code Projects 개편: 코디네이터가 병렬 스레드를 지휘한다
Claude Code Projects가 코디네이터가 병렬 스레드에 작업을 나눠 PR까지 올리는 구조로 바뀌었다