실종된 여객기를 찾다

대서양에 추락한 에어 프랑스 447편을 많은 노력에도 불구하고 1년 이상 찾지 못하였지만, 베이즈정리를 활용하여 단 1주일 만에 찾았다.

탑승객과 승무원 228명을 태운 채 리오 데 자네이로를 출발하여 파리로 가던 에이프랑스 447 여객기가 대서양에서 악천후를 만나 사라졌다. Reston, Virginia 소재 한 회사에 근무하는 Lawrence Stone 등은 추락 후 거의 2년이 지난 시점에서 잔해를 찾는 임무를 맡았다. 

그들은 단 일주만에 사고 직후 수색했던 장소이며 마지막으로 알려진 위치로부터 멀지 않은 장소를 지목했고 바로 그 장소 인근, 해저 14,000 피트에서 잔해를 발견했다.  

그들이 사용한 방법이 바로 베이즈 추론(Bayesian inference)이었다. 추락 장소와 관련된 모든 사전 정보와 실패한 탐색 노력으로부터 획득한 정보를 모두 반영하여 잔해가 있을 만한 위치에 대한 확률분포를 도출하였다. 이는 여객기에서 나온 마지막 GPS 위치, 그 위치에서 비행한 것으로 예측되는 거리, 지표면에서 발견된 사체의 위치(표류 속도를 고려한) 등 수많은 요인들에 의해 결정된다. 

기존 탐색에서도 이런 정보를 활용하였지만 잔해를 찾지 못했다. 실패와 성공을 가른 핵심은 사후분포(posterior distribution)의 도출이다. 실패한 탐색 중 첫번째 탐색에서는 잔해의 파면이나 사체를 찾는데 집중하였고, 두번째 탐색에서는 음향비행기록장치이나 조종석 음성기록장치 등으로부터의 신호를 탐색(acoustic search)을 하였고,  세번째와 네번째는 수중음파탐지기(side-scanning sonar)를 활용하였다. 특히 acoustic search는 잔해가 발견된 위치를 거의 확실하게 탐색하였음에도 불구하고 최종적으로 실패했다. 

이점이 매우 중요하다. Stone과 동료는 음파탐지장치(acoustic beacon)의 실패확률도 고려했는데, 이 것이 잔해를 발견하게 된 결정적 요인이다. 요점은 베이지안 추론 자체가 문제를 해결하는 것이 아니라 증거를 평가하고 의미를 해석하며 그것들을 Bayesian 모델로 통합하는 분석자의 능력이 핵심적 역할을 한다는 것이다. 

출처: How Statisticians Found Air France Flight 447 Two Years After It Crashed Into Atlantic (MIT Technology Review, May 27, 2014)