AI에 입혀진 구글어스, ‘가짜 위성사진’ 우려 현실화…첨단 기술의 두 얼굴

AI가 새롭게 적용된 구글어스 위성사진 서비스가 불러온 ‘가짜 위성사진’ 논란은 현재 기술 진보의 그림자를 단적으로 보여주는 사례다. 최근 구글은 자사 위성지도 서비스의 이미지 품질 개선과 자동화 강화를 목적으로 생성형 인공지능(Generative AI) 엔진을 접목했다. 이는 기존 위성 데이터의 미세한 결함이나 노이즈 제거, 구름·연무 등 장애물 자동 보정, 데이터 갱신 빈도 확대 등 긍정적 기대를 낳았다. 하지만 서비스 개편이 적용된 지 단 하루 만에 외신과 글로벌 커뮤니티를 중심으로 “존재하지 않던 위성사진이 새로 생성됐다”, “실제와 다른 오도(誤導) 이미지가 확인됐다”는 문제 제기가 잇따랐다. 미디어들은 AI의 합성·보정 과정에서 실제와 다르거나, 아예 실재하지 않는 지형지물, 인공 구조물이 나타나는 사례를 속속 확인했다. 구글 측도 급히 사실관계 파악과 추가 검증에 나섰지만, 기술적 신뢰성에 대한 논의가 수면 위로 떠올랐다.

생성형 AI의 원리는 대규모 데이터셋 학습 기반 이미지 생성이다. 지도나 위성사진 분야에 적용될 경우, AI는 수많은 지리 정보, 과거·현재 위성 이미지, 각종 센서 데이터, 지형정보시스템(GIS) 자료를 학습해 ‘최적화된’ 이미지를 합성한다. 이 과정에서 데이터 품질이나 레이블링 오류가 있으면, 실제와 다르게 왜곡된 정보를 그대로 ‘현실처럼’ 그려낼 위험이 있다. 예컨대 위성 사진에서 검은 부분이나 구름에 덮인 공간이 있을 때, AI가 주변 환경을 분석해 그 공간을 ‘있을 법한’ 모습으로 추정·합성하는데, 실제로는 존재하지 않는 구조물(예: 가상 건물, 잘못된 도로)이 덧입혀질 수 있다. 구글이 이번에 선보인 최신 AI 기반 위성사진 엔진도 이런 방식으로 현실성과 일관성을 강조하면서, 실제 데이터가 부족하거나 불확실한 구간에선 AI의 추론에 의존하게 된다. 구글뿐 아니라 마이크로소프트, 애플 등 글로벌 지도 서비스 업체들이 최근 AI 합성 기반 업데이트 강화에 나서면서 유사 사례가 전 세계에서 보고되고 있다.

실제 AI 지도·위성사진 부문에서 나타난 주요 오류 유형은 ▲기존 지형에 없는 신설 건물이나 도로 출현 ▲지형 왜곡(산, 하천 굴곡 등) ▲교통 인프라, 시설물 중복 ▲구름/연무로 가려진 공간 임의 합성 등이다. 특히 최근 사례에서는 경쟁 지도 서비스에도 등재되지 않은 대형 인공섬, 실제로 존재하지 않는 도로나 고속도로 등이 덧그려졌다. 전문가들은 위성 지도를 전문적으로 활용하는 연구기관이나 정부, 국방 등에서는 깊이 있는 검증 체계가 있지만, 일반 사용자는 오보·오류 여부 파악이 어렵기에 “정보 신뢰성의 심각한 훼손”이 우려된다고 진단했다. 외신들은 “AI 위성사진 신뢰 위기”라며, 가짜뉴스·조작사진·허위 정보 확산 문제와 외려 결합될 수 있다고 지적한다. 일례로 분쟁지역, 개발도상국, 재난 대비·복구 등 필수적인 데이터 신뢰성이 요구되는 곳에서는 AI의 ‘합성/추론’ 오류가 실제 현장 대응에 위험 요인으로 작용한다.

기술 산업적 관점에서 본다면, AI 지도·위성사진에 대한 투자는 앞으로도 확대될 것이다. 대규모 위성 데이터 처리 효율화, 신속한 정보 갱신, 인프라 감시와 같은 서비스는 여전히 AI 자동화에 의존할 수밖에 없다. 하지만 이 과정에서 데이터 신뢰성과 검증 가능한 레퍼런스 체계, 인간 주도형(휴먼 인더루프, human-in-the-loop) 검증 강화가 필수적이라는 지적이 설득력을 얻고 있다. 특히 오픈소스 위성정보 플랫폼이나 국제 협의체 등 다양한 검증 수단을 통해 ‘AI가 적절하게 그려낸 정보인지, 실제 존재하는지를, 다층적으로 확인하는 체계’가 필요하다. 구글 역시 AI 기반 지도 서비스의 신뢰 회복을 위해 실제 위성 데이터와 AI 보정 데이터 이중 제공, 오류 신고와 신속한 롤백 시스템 구축 등을 검토 중인 수준이다.

가짜 위성사진 파장이 거세지면서 법적·사회적 논의도 불가피해졌다. 정부와 각종 공공기관, 데이터 인증 단체 등은 “AI가 합성/편집한 정보를 어떻게 공표할 것인가, 신뢰할 수 있는 ‘진짜’ 데이터와 구분할 절차적 기준이 무엇인가”를 빠르게 논의해야만 한다. 특히 국가 안보, 자연재해, 도시 설계·교통 등 공공 부문에서는 ‘실제성 검증’이 생명이다. AI가 생성한 위성 데이터 활용 시, 이 정보가 어디까지가 사실이며, 어디부터 AI 추론·합성 결과인지를 분명하게 표기하고, 오류 발생 시 신속하게 안내하는 ‘신뢰 프로토콜’ 마련이 시급하다. 이미 유럽연합(EU), 미국 등은 자체 위성·항공 데이터 검증, AI 지도 조작 감시, 거짓 정보 확산시 응급 차단 프로세스 구축 등에 착수했다.

AI와 지도 서비스의 융합은 분명 데이터 활용을 혁신하지만, 기술 신뢰성의 상시 검증과 데이터 관리 거버넌스 구축이 필수다. 때로는 ‘똑똑한 AI’라지만, 예측이 불확실한 공간에선 ‘똑똑한 오류’ 역시 손쉽게 양산될 수 있다. 진짜와 가짜, 현실과 추론의 경계를 가르는 투명한 기준과 사회적 합의가, 앞으로의 지도 산업·위성 데이터 시대에서 무엇보다 소중하게 다루어져야 할 이슈가 된 셈이다.

— 이도현 ([email protected])