Complexity counts: global and local perspectives on Indo-Aryan numeral systems
이 논문은 힌디어, 구자라트어, 벵골어 등 인도아리아어군의 숫자 체계가 전 세계 언어에 비해 훨씬 복잡하고 비투명하며, 종교나 지리적 고립과 같은 요인이 이러한 복잡성의 지속에 기여했을 수 있음을 다양한 데이터와 측정 지표를 통해 분석하고, 효율적 의사소통 압력에도 불구하고 이러한 복잡성이 유지되는 이유를 규명합니다.
원리: "십 (20)"과 "하나 (1)"를 합치면 "스물하나"가 됩니다. 규칙이 명확해서 누구나 쉽게 유추할 수 있죠.
하지만 힌디어나 우르두어의 숫자 체계는 **'미로가 있는 낡은 성'**과 같습니다.
힌디어 예시: 91 은 ek (1) 과 nave (90) 를 합쳐서 ek-nave라고 하지 않습니다. 대신 **iky¯anve**라는 완전히 다른 단어가 나옵니다.
문제점: 1 에서 99 까지의 숫자 중 많은 부분이 "십의 자리 + 일의 자리" 규칙으로 만들어지지 않습니다. 마치 레고 블록을 조립할 때, 20 은 A+B, 21 은 C+D, 22 는 E+F 처럼 각각 다른 조각을 써야 하는 것과 같습니다.
이 논문은 전 세계 언어를 조사한 결과, 인도-아리아어군 (특히 남아시아 지역) 이 이 '불투명한 미로'를 가장 많이 가지고 있다는 사실을 통계적으로 증명했습니다.
2. 왜 이렇게 복잡해졌을까? (역사와 지리의 비유)
그런데 왜 이 언어들만 이렇게 복잡해진 걸까요? 저자는 몇 가지 가설을 제시합니다.
지리적 고립과 '높은 산'의 역할: 연구 결과, **고도가 높은 지역 (히말라야나 힌두쿠시 산맥 등)**에 사는 언어들은 오히려 숫자 체계가 단순해지거나 20 진법 (20 단위) 을 사용하게 되었습니다. 마치 높은 산으로 고립된 마을에서는 외부의 복잡한 규칙이 들어오지 못해, 혹은 생존을 위해 더 단순한 방식을 택한 것처럼 보입니다.
핵심 지역의 '사회적 네트워크': 반면, **인도-아리아어의 핵심 지역 (평야 지대)**은 사람들과의 교류가 활발했습니다. 이 복잡한 숫자 체계가 사라지지 않고 유지된 이유는, 이웃 마을끼리 무역이나 소통을 할 때 "우리가 쓰는 이 복잡한 숫자 규칙을 모두 알아야 한다"는 사회적 압력이 있었기 때문일 수 있습니다. 마치 복잡한 암호를 공유하는 비밀 결사단처럼, 구성원들끼리만 통하는 규칙을 유지하며 오히려 그 규칙을 더 정교하게 다듬었을 가능성이 있습니다.
3. 복잡함 속의 숨겨진 '효율성'
가장 놀라운 점은, 이 복잡한 시스템이 완전히 무작위적이지 않다는 것입니다.
빈도와 복잡성의 트레이드오프: 언어학에는 "자주 쓰는 단어는 불규칙해지고, 잘 안 쓰는 단어는 규칙적이다"라는 법칙이 있습니다. (예: 영어의 go/went는 자주 쓰여 불규칙하고, walk/walked는 규칙적임).
인도-아리아어의 경우: 1~99 까지의 숫자 중 **가장 자주 쓰는 숫자 (낮은 숫자)**일수록 형태가 더 복잡하고 예측 불가능합니다. 하지만 숫자가 커질수록 (100 에 가까워질수록) 오히려 규칙이 조금 더 명확해지거나 예측 가능해집니다.
비유: 이는 마치 가장 많이 쓰는 도구일수록 손잡이가 특이하게 변형되어 있어 익숙한 사람만 다룰 수 있게 만드는 것과 같습니다. 자주 쓰는 숫자일수록 뇌가 더 빠르게 인식하도록 '특수한 형태'로 진화했지만, 드물게 쓰는 큰 숫자는 규칙적으로 만들어 학습 부담을 줄인 것입니다.
4. 결론: 왜 이 연구가 중요한가?
이 논문은 단순히 "힌디어 숫자가 어렵다"는 사실을 알려주는 것을 넘어, 인류가 언어를 어떻게 배우고 유지하는지에 대한 깊은 통찰을 줍니다.
복잡함은 견딜 수 있다: 인간은 생각보다 훨씬 복잡한 규칙 (미로 같은 숫자 체계) 을 일상생활에서 견딜 수 있으며, 이를 학습하고 사용합니다.
효율성의 균형: 아무리 복잡해 보여도, 그 안에는 '소통의 효율성'이라는 보이지 않는 손이 작용하여 불필요한 복잡함은 제거하고, 자주 쓰는 부분은 특화시키는 방향으로 진화했습니다.
새로운 연구 방향: 앞으로 언어의 복잡성을 논할 때, 단순히 "규칙이 있나 없나"를 보는 것을 넘어, **단어들이 서로 어떻게 얽혀 있는지 (통합적 복잡성)**를 살펴봐야 한다는 점을 강조합니다.
한 줄 요약:
"힌디어 등 남아시아 언어의 숫자는 마치 규칙 없는 미로처럼 보이지만, 사실은 자주 쓰는 길은 특이하게 다듬고, 덜 쓰는 길은 규칙적으로 놓아 효율성을 꾀한 지혜로운 설계의 결과물입니다."
이 논문은 인도-아리아어군 (Indo-Aryan languages, 예: 힌디어, 우르두어, 벵골어 등) 의 수명 체계가 가진 독특한 **형태음운론적 복잡성 (morphophonological complexity)**을 전 세계적 및 지역적 관점에서 정량화하고 분석한 연구입니다. 저자 Chundra A. Cathcart 는 이러한 언어들이 1~99 까지의 숫자를 표현할 때 영어나 중국어와 달리 투명하지 않고 (non-transparent), 단순한 규칙으로 조합할 수 없는 불규칙성을 보인다는 점에 주목했습니다.
다음은 논문의 기술적 요약입니다.
1. 연구 문제 (Problem)
수명 체계의 투명성 결여: 대부분의 언어 (영어, 중국어 등) 는 10 단위와 1 단위 (digit) 를 조합하여 숫자를 만드는 투명한 규칙을 따릅니다. 반면, 힌디어/우르두어와 같은 인도-아리아어군은 1~99 까지의 숫자 형태가 매우 불규칙하고 불투명합니다.
예시: 영어의 '91'은 'nine' + 'ty' + 'one'으로 분해 가능하지만, 힌디어의 '91' (iky¯anve) 은 '90' (nave) 과 '1' (ek) 의 단순 합성어로 분해되지 않습니다.
연구의 공백: 기존 연구는 수명 체계가 표현하는 '양 (quantity)'이나 '구조적 규칙성'에 집중했으나, 형태적 불규칙성 (allomorphy) 과 복잡성에 대한 연구는 상대적으로 부족했습니다. 특히 인도-아리아어군의 이러한 복잡성이 왜 발생하고 유지되었는지에 대한 정량적 분석이 필요했습니다.
2. 방법론 (Methodology)
저자는 전 세계 및 남아시아의 수명 데이터를 두 개의 데이터베이스 (UniNum, SAND) 에서 추출하여 다음과 같은 네 가지 정량적 지표를 개발하여 복잡성을 측정했습니다.
최소 설명 길이 (Minimum Description Length, MDL):
베이지안 분할 알고리즘을 사용하여 1~99 의 숫자 형태를 생성하는 데 필요한 최소한의 결합 요소 집합의 길이를 계산합니다. 값이 클수록 시스템이 복잡함을 의미합니다.
N-gram (트리그램) 서프라이설 (Surprisal):
주어진 언어 내 다른 숫자들을 컨텍스트로 했을 때, 특정 숫자 형태의 음소/문자열 시퀀스가 예측 불가능한 정도를 측정합니다.
생산 정확도 (Production Accuracy, LDL 모델):
선형 판별 학습 (Linear Discriminative Learning, LDL) 모델을 사용하여 의미 입력 (십의 자리, 일의 자리) 에서 음향/문자 형태를 생성하는 난이도를 측정합니다.
이해 정확도 (Comprehension Accuracy, LDL 모델):
음향/문자 형태를 입력받아 의미 (숫자 값) 를 분류하는 정확도를 측정합니다.
통계 분석:
주성분 분석 (PCA) 을 통해 위 지표들을 통합하여 '잠재적 복잡성 변수 (PC1)'를 도출했습니다.
계층적 회귀 모델 (Hierarchical Regression) 과 일반화 가법 모델 (GAM) 을 사용하여 복잡성과 지리적 위치, 고도, 20 진법 (vigesimal) 사용 여부, 언어 계열 (Indo-Aryan vs. 기타) 간의 관계를 분석했습니다.
3. 주요 결과 (Key Results)
A. 남아시아와 인도-아리아어군의 복잡성 집중
글로벌 핫스팟: 전 세계 언어 데이터 (UniNum) 분석 결과, 남아시아 지역이 수명 체계의 복잡성 (PC1) 이 가장 높은 지역으로 나타났습니다.
계통적 특성: 남아시아 내에서도 이 복잡성은 인도-아리아어군에 국한된 현상이었습니다. 드라비다어군 (Dravidian) 등 다른 어군은 상대적으로 투명한 수명 체계를 유지하고 있습니다.
외부 유입: 복잡성이 높은 비인도-아리아어는 대부분 인도-아리아어에서 수명 체계를 차용한 경우였습니다.
B. 복잡성의 유지와 소실 요인
지리적/사회적 요인: 복잡성은 인도-아리아어의 핵심 지역 (Core area) 과 섬 지역 (스리랑카, 몰디브) 에서 유지되었으나, **고지대 (힌두쿠시 지역)**로 갈수록 복잡성이 감소하거나 사라졌습니다.
20 진법 (Vigesimality) 의 영향: 고지대 언어들은 10 진법에서 20 진법 체계로 전환하면서 불규칙성이 소실되었습니다. 통계적으로 20 진법 사용 여부가 복잡성 감소의 가장 강력한 예측 변수였습니다.
역사적 배경: 고대 산스크리트어는 비교적 투명했으나, 중세 인도-아리아어 (Apabhramsa) 이후 불규칙성이 급격히 증가했습니다. 이는 언어 접촉이나 사회적 위계 구조보다는 핵심 지역의 밀집된 사회적 네트워크가 불규칙성을 유지하는 데 기여했을 가능성이 제기됩니다.
C. 의사소통 효율성의 원리 준수
빈도와 복잡성의 트레이드오프: 인도-아리아어는 전체적으로 매우 복잡하지만, 빈도수 (또는 숫자의 크기) 와 복잡성 사이에는 역상관 관계가 존재했습니다.
더 자주 쓰이는 숫자 (낮은 숫자) 는 더 불규칙하고 복잡하며, 덜 쓰이는 숫자 (높은 숫자) 는 상대적으로 규칙적이고 투명해집니다.
이는 전 세계 언어에서 관찰되는 '빈도가 높은 형태는 불규칙하여 구별성을 높인다'는 효율성 원리 (Communicative Efficiency) 를 따르고 있음을 보여줍니다.
극단적 아웃라이어: 인도-아리아어는 효율성 원리를 따르지만, 그 복잡성 수준은 전 세계 언어 중 가장 극단적인 아웃라이어 (extreme outlier) 로 분류됩니다.
4. 주요 기여 (Key Contributions)
정량적 측정 도구의 개발: 수명 체계의 '형태적 복잡성'을 MDL, 서프라이설, LDL 모델 등을 통해 정량화하는 새로운 방법론을 제시했습니다.
인도-아리아어군의 재평가: 인도-아리아어군이 다른 영역 (굴절 등) 에서는 규칙적일 수 있으나, 수명 체계에서는 전 세계적으로 가장 복잡한 형태적 불규칙성을 보인다는 사실을 데이터로 입증했습니다.
진화적 메커니즘 규명: 복잡성이 어떻게 발생하고 (역사적 음운 변화 + 유추), 어떻게 유지되거나 소실되었는지 (지리적 고립, 20 진법 전환) 에 대한 실증적 증거를 제시했습니다.
효율성 원리의 확장: 복잡한 시스템이라도 사용 빈도에 따라 불규칙성이 분포된다는 '효율적 의사소통'의 보편적 원리가 극단적인 사례에서도 유효함을 보였습니다.
5. 의의 및 시사점 (Significance)
언어 복잡성 연구의 확장: 기존 연구가 간과했던 '통합적 복잡성 (Integrative Complexity, 즉 형태 간의 예측 불가능성)'을 언어 복잡성 논의의 핵심 축으로 끌어올렸습니다.
인지 및 학습 연구: 복잡한 수명 체계를 가진 언어의 화자 (특히 아동) 가 어떻게 수 개념을 습득하는지에 대한 연구 (예: 후속 함수 mastery 의 어려움) 와 연결될 수 있습니다.
문화와 언어의 상호작용: 특정 문화적, 사회적 요인이 언어의 구조적 복잡성 유지에 어떻게 영향을 미치는지 이해하는 데 중요한 사례를 제공합니다.
미래 연구 방향: 심리언어학적 실험과 자연어 코퍼스를 통해 이러한 복잡성이 실제 화자의 처리 (processing) 에 미치는 영향을 규명하고, 향후 영어 차용 등으로 인한 시스템 변화 방향을 예측할 수 있는 기초를 마련했습니다.
요약하자면, 이 논문은 인도-아리아어군의 수명 체계가 단순한 '불규칙성'을 넘어, 정량적으로 측정 가능한 고도의 복잡성을 가지며, 이는 지역적, 역사적, 사회적 요인에 의해 형성되었으나 여전히 의사소통 효율성의 보편적 원리 하에 작동하고 있음을 증명했습니다.