이 논문은 **"브라질의 인공지능 (AI) 이 모든 브라질 사람의 말을 이해할 수 있을까?"**라는 중요한 질문에서 시작합니다.
간단히 비유하자면, 이 논문은 **"AI 가 브라질이라는 거대한 오케스트라의 모든 악기를 듣고 연주할 수 있도록 해야 한다"**는 주장입니다. 지금의 AI 는 오케스트라의 가장 유명한 바이올린 소리만 듣고 배우고 있어서, 나머지 악기들의 소리를 무시하거나 왜곡하고 있다는 것입니다.
주요 내용을 쉬운 비유와 함께 설명해 드릴게요.
1. 문제: "우리는 모두 같은 말을 한다"는 착각
브라질 헌법에는 "포르투갈어가 공식 언어"라고 되어 있습니다. 하지만 이는 마치 **"우리는 모두 같은 음악을 듣는다"**고 말하는 것과 같습니다.
현실: 브라질에는 포르투갈어 외에도 원주민 언어, 아프리카계 언어, 이민자 언어, 수화 (Libras) 등 정말 다양한 언어가 공존합니다.
AI 의 실수: 현재의 AI 는 이 다양성을 모릅니다. 마치 한 가지 악기 (표준 포르투갈어) 소리만 녹음해서 학습한 AI가, 다른 악기 소리를 들으면 "이건 노이즈야"라고 무시하거나, 엉뚱하게 해석해버리는 것과 같습니다.
2. 위험: "표준"이라는 이름의 독재
AI 가 학습할 때, 가장 많이 기록된 '표준 포르투갈어'만 선택하면 어떤 일이 일어날까요?
악순환: AI 는 표준어를 더 잘 배우게 되고, 그 결과 AI 가 만든 답변도 표준어만 쓰게 됩니다.
차별: 그러면 표준어를 쓰지 않는 사람들 (방언을 쓰거나 소수 언어를 쓰는 사람) 은 AI 와 소통할 수 없게 됩니다. 마치 비디오 게임에서 '초보자 모드'만 존재하고, '전문가 모드'나 '지역별 모드'가 없어서 다른 스타일의 플레이어가 게임을 할 수 없는 상황과 같습니다.
결과: AI 가 편견을 학습하게 되어, 특정 방언을 쓰는 사람을 무시하거나 조롱하는 답변을 내놓을 수 있습니다.
3. 해결책: "브라질 언어 다양성 플랫폼" 만들기
저자 (라켈 마이스터 코 프레타그) 는 이렇게 제안합니다.
도서관 짓기: 현재 브라질의 언어학자들은 수년 동안 다양한 지역의 말을 기록하고 연구해 왔습니다. 하지만 이 자료들이 창고 구석에 쌓여 있거나, 각자 따로 흩어져 있어 AI 가 쓸 수 없습니다.
공유 창고: 이 모든 자료를 하나로 모을 수 있는 **'브라질 언어 다양성 플랫폼'**을 만들어야 합니다. 이는 마치 전국 각지의 독특한 레시피를 모두 모아 한 권의 거대한 요리책으로 만드는 작업과 같습니다.
AI 교육: 이 거대한 요리책 (데이터) 을 AI 에게 먹여 학습시켜야 합니다. 그래야 AI 는 수도의 말뿐만 아니라 시골의 사투리, 원주민의 언어, 수화까지 모두 이해하고 존중하는 **'진정한 브라질 AI'**가 될 수 있습니다.
4. 결론: AI 는 모두를 위한 것이어야 합니다
이 논문의 핵심 메시지는 **"AI 가 국가의 주권을 지키려면, 소수자의 목소리까지 포함해야 한다"**는 것입니다.
비유: 브라질 AI 를 거대한 국기라고 상상해 보세요. 지금의 AI 는 국기의 빨간색 부분 (표준어) 만 그려져 있습니다. 하지만 진짜 브라질 국기는 빨강, 노랑, 초록, 파랑 등 모든 색이 어우러져야 아름답습니다.
요청: AI 개발자들은 기술만 잘 만드는 게 아니라, 브라질이라는 사회의 다채로운 색깔을 모두 담아낼 수 있도록 데이터를 수집하고 학습시켜야 합니다. 그래야 AI 는 특정 집단만 위한 도구가 아니라, 모든 브라질 국민을 위한 '친구'가 될 수 있습니다.
한 줄 요약:
"브라질의 AI 가 진짜 브라질 사람이 되려면, 수도의 말뿐만 아니라 시골의 방언, 원주민의 언어, 수화까지 모두 듣고 이해할 수 있도록 '다양한 목소리'로 학습시켜야 합니다."
논문 기술 요약 (한국어)
제목: 언어적 다양성과 디지털 포용: 브라질형 AI 를 위한 과제 저자: Raquel Meister Ko. Freitag (페데랄 대학교 세르지페, 브라질) 주제: 생성형 AI 와 대규모 언어 모델 (LLM) 개발에 있어 브라질의 언어적 다양성 (다언어 및 방언) 을 반영하지 않을 때 발생하는 편향 문제와 이를 해결하기 위한 브라질형 AI 전략.
1. 문제 제기 (Problem)
언어적 편향과 배제: 생성형 AI 의 발전은 인간의 언어적 다양성을 위협하고 있습니다. 현재 LLM 은 특정 언어 (주로 표준어) 에 치우친 데이터로 학습되어, 소수 언어나 비표준 방언 (사회적으로 낙인찍힌 변이형) 을 배제하거나 지워버리는 '선택 편향 (selection bias)'을 심화시킵니다.
브라질의 현실: 브라질 정부는 2024-2028 년 '브라질 AI 계획'에서 "국가적 주권을 강화하기 위해 브라질의 문화, 사회, 언어적 다양성을 포괄하는 포르투갈어 기반의 고급 언어 모델 개발"을 목표로 제시했습니다.
핵심 모순: 그러나 브라질 헌법과 현실은 포르투갈어 외에도 원주민 언어, 이민자 언어, 수화 (Libras), 크레올어 등 다양한 언어가 존재함을 인정하고 있습니다. 하지만 AI 개발 및 국가적 담론에서는 '단일 언어 (포르투갈어)' 신화가 지배적이며, 이는 소수 언어와 비표준 포르투갈어 변이형을 AI 에서 배제하여 기존의 사회적 편견과 위계를 재생산하는 결과를 초래합니다.
2. 방법론 (Methodology)
사회언어학적 분석: 이 논문은 기술적 실험보다는 사회언어학 (Sociolinguistics) 이론과 브라질 내 50 년간의 연구 성과를 기반으로 한 질적 분석을 수행합니다.
법적 및 제도적 검토: 브라질 헌법 (1988), Libras 인정법 (2002), 국가 언어 다양성 인벤토리 (INDL) 등 언어 다양성을 인정하는 법적 근거를 분석하여 AI 정책의 방향성을 재검토합니다.
현황 진단: 현재 브라질 내 언어 데이터가 어떻게 수집되고 있는지, 그리고 LLM 학습을 위한 데이터셋 구성에서 어떤 결함 (비체계적 저장, 표준어 위주) 이 있는지 진단합니다.
3. 주요 기여 (Key Contributions)
브라질형 AI 의 정의 확장: 브라질의 '국가적 주권'을 위한 AI 는 단순히 '포르투갈어'를 사용하는 AI 가 아니라, 브라질 내 다중 언어 (다언어) 와 포르투갈어의 다양한 사회방언 (다양한 변이형) 을 모두 포괄하는 AI 여야 함을 주장합니다.
데이터 인프라 제안 (플랫폼 구축): 현재 산발적으로 저장된 사회언어학 데이터 (현장 조사, 녹음, 전사 자료 등) 를 체계화하기 위해 '브라질 언어 다양성 플랫폼 (Plataforma da Diversidade Linguística Brasileira)' 구축을 제안합니다.
이 플랫폼은 ABRALIN(브라질 언어학회) 과 ANPOLL(언어학 석박사 과정 협회) 의 협력 하에 운영될 예정이며, 메타데이터 표준과 저장 가이드라인을 마련합니다.
윤리적 AI 프레임워크: AI 의 공정성, 형평성, 다양성, 포용성 원칙을 언어 데이터 선택 단계에서 적용해야 함을 강조합니다. 특정 '고급' 변이형만 학습시키면 하위 계층의 언어가 더 이상 marginalize(주변화) 될 수 있음을 경고합니다.
4. 결과 및 제안 (Results & Recommendations)
단일 언어 신화 타파: 브라질 AI 는 포르투갈어 하나만 학습해서는 안 되며, 원주민 언어, 이민자 언어, 수화, 그리고 포르투갈어의 지역적/사회적 방언까지 포함해야 합니다.
데이터 수집 및 공유 체계화:
기존 연구 자료 (논문, 석/박사 학위 논문 등) 에 포함된 고품질 언어 데이터를 체계적으로 아카이빙해야 합니다.
일반 대중이 언어적 표현을 접할 수 있도록 하고, 전문가는 LLM 학습을 위해 이 데이터를 활용할 수 있도록 하는 공통 리포지토리가 필요합니다.
편향 완화: 소수 언어와 비표준 변이형에 대한 학습 데이터가 부족하면 AI 가 기존의 사회적 위계 (표준어 우월, 비표준어 열등) 를 학습하고 재생산하게 됩니다. 이를 막기 위해 의도적으로 다양성이 확보된 데이터셋 구성이 필수적입니다.
5. 의의 (Significance)
사회적 정의와 기술의 결합: 이 논문은 AI 기술 개발이 단순한 공학적 과제가 아니라, 사회적 정의와 언어적 인권이 걸린 문제임을 강조합니다.
정책적 영향력: 브라질 정부의 AI 계획 (2024-2028) 이 실제 실행 단계에 들어설 때, '다양성'이 단순한 슬로건이 아닌 구체적인 데이터 전략 (소수 언어 및 방언 포함) 으로 구현되어야 함을 촉구합니다.
글로벌 시사점: 브라질의 사례는 전 세계적으로 소수 언어와 방언이 가진 AI 학습 데이터의 부재 문제를 해결하기 위한 모델이 될 수 있으며, 윤리적이고 포용적인 AI 개발의 중요성을 재조명합니다.
결론적으로, 이 논문은 브라질형 AI 가 진정한 '국가 주권'을 확보하기 위해서는 포르투갈어라는 단일 언어의 틀을 깨고, 브라질 사회가 가진 복잡한 언어적 다양성 (다언어 및 다방언) 을 학습 데이터에 충실히 반영해야 한다고 역설합니다. 이를 위해 사회언어학자들이 축적한 데이터를 체계화할 국가적 플랫폼 구축이 시급한 과제로 제시됩니다.