Pun Intended: Multi-Agent Translation of Wordplay with Contrastive Learning and Phonetic-Semantic Embeddings for CLEF JOKER 2025 Task 2

당신이 한 언어에서 다른 언어로 농담을 번역하려고 노력하고 있다고 상상해 보십시오. 하지만 그 농담은 하나의 단어가 동시에 두 가지 다른 의미를 갖는 것에 의존하고 있습니다. 영어로 "I'm reading a book on anti-gravity. It's impossible to put down!(중력에 반하는 책을 읽고 있는데, 내려놓기가 불가능하네요!)"라고 말할 수 있습니다. 여기서 유머는 "put down"이라는 구절에서 옵니다. 이 구절은 '손에서 놓다'와 '바닥에 내려놓다'라는 두 가지 의미를 모두 가지고 있습니다. 만약 이를 프랑스어로 직역한다면, 당신은 그 이중적인 의미를 잃게 되고, 농담은 죽어버립니다. 이것이 바로 '언어유희(pun)'의 까다로운 세계입니다. 언어유희란 하나의 단어가 두 가지 의미를 지니거나 다른 단어와 소리가 비슷한 종류의 말장난을 말합니다. 수십 년 동안 컴퓨터는 이 작업에 형편없었습니다. 왜냐하면 컴퓨터는 레시피를 정확하게 따르지만 유머 감각은 없는 로봇처럼, 문자 그대로의 의미에만 충실하도록 훈련되었기 때문입니다. 컴퓨터는 단어를 일대일으로 교체하려고 시도하며, 이는 종종 농담의 핵심(punchline)을 파괴합니다. 하지만 만약 우리가 컴퓨터에게 로봇처럼 굴지 말고 코미디언처럼 행동하도록 가르칠 수 있다면, 즉 농담을 살리기 위해 때로는 번역의 규칙을 깨야 한다는 것을 이해하게 할 수 있다면 어떨까요?

"Pun Intended(의도된 언어유희)"라는 제목의 이 논문은 CLEF JOKER 2025라는 경진대회에 참가한 조지아 공과대학교(Georgia Tech) 연구팀의 보고서입니다. 그들의 목표는 최신이자 가장 강력한 컴퓨터 두뇌(대규모 언어 모델이라고 불리는)를 사용하여 영어 언어유희를 프랑스어로 번역하는 것이었습니다. 그들은 단순히 컴퓨터에게 "번역하라"고 요청하는 대신, 사전적 정의를 넘어 농담의 '정신'을 포착하도록 설계된 3단계 시스템을 구축했습니다.

첫째, 그들은 "베이스라인(baseline)" 접근 방식을 시도했습니다. 이는 단순히 다양한 AI 모델에게 프랑스어 언어유희를 생성하도록 요청하고, 두 번째 AI가 심판 역할을 하여 결과물이 실제로 농담인지 아니면 그저 지루한 문장인지를 확인하게 하는 방식이었습니다. 이것은 친구들에게 농담을 시키고 한 친구가 그것이 재미있으면 고개를 끄덕이는 것과 같았습니다. 이 방식도 어느 정도 작동했지만, 농담이 원래의 이야기에서 너무 멀어지는 경우가 많았습니다.

더 나은 결과를 얻기 위해, 그들은 "가이드가 있는 사고의 연쇄(guided chain-of-thought)" 파이프라인을 구축했습니다. 이것은 컴퓨터에게 지도와 나침반을 주는 것과 같습니다. 그들은 AI가 먼저 까다로운 단어를 식별하고, 그 단어의 두 가지 다른 의미를 찾아낸 다음, "음성-의미 임베딩(phonetic-semantic embeddings)"이라는 특수한 수학적 도구를 사용하도록 가르쳤습니다. 이 도구는 초정밀 귀와 사전을 결합한 것과 같습니다. 이는 컴퓨터가 원래의 영어 단어와 의미가 맞을 뿐만 아니라 소리도 비슷하게 들리는 프랑스어 단어를 찾도록 도와줍니다. 이것은 마치 "cat(고양이)"과 소리는 비슷하지만 뜻은 "dog(개)"인 프랑스어 단어를 찾아내어 농담을 만들 수 있는지 시험해보는 것과 같습니다.

마지막으로, 그들은 "멀티 에이전트(multi-agent)" 시스템을 추가했습니다. 네 명의 서로 다른 심판단이 각기 특정한 임무를 수행한다고 상상해 보십시오. 한 명은 의미가 맞는지 확인하고, 한 명은 번역이 자연스러운지 확인하며, 한 명은 감정을 확인하고, 마지막 한 명은 그것이 본토의 느낌(authentic)을 주는지 확인합니다. 이 심판들은 단순히 점수만 주는 것이 아니라 피드백을 주었습니다. 만약 농담이 별로 재미없거나 번역이 매끄럽지 않다면, 시스템은 내용을 다시 쓰고 다시 시도하여, 판사단이 만족할 때까지 최대 다섯 번까지 반복했습니다.

결과는 매우 흥-미로웠습니다. 연구진이 표준적인 컴퓨터 테스트(새로운 문장이 기존 문장과 단어 대 단어로 얼마나 일치하는지를 측정하는 테스트)를 사용했을 때, 그들의 시스템은 꽤 낮은 점수를 받았습니다. 이는 그들의 시스템이 유머를 살리기 위해 의도적으로 직역을 피했기 때문입니다. 그러나 프랑스어를 유창하게 구사하는 실제 인간 전문가들이 그 농담들을 읽었을 때, 팀의 시스템은 51개 팀 중 1위와 2위를 차지했습니다. 인간들은 그 농담들이 영어 원문과 똑같이 생기지는 않았을지라도, 실제로 재미있고 프랑스어로서 말이 되었기 때문에 그 농담들을 좋아했습니다.

이 논문은 언어유희를 성공적으로 번역하기 위해서, 우리는 완벽한 번역가가 되려고 노력하는 것을 멈추고 창의적인 파트너가 되어야 한다고 제안합니다. 연구진은 최신 AI 모델들이 언어유희가 어디에 있는지 찾아내는 데는 뛰어나지만, 소리와 의미가 적절한 올바른 프랑스어 단어를 찾는 데는 도움이 필요하다는 것을 발견했습니다. 소리와 의미를 살피는 "가이드"와 농담을 다듬는 "심판단"을 결합함으로써, 그들은 컴퓨터가 언어를 가로질러 통하는 농담을 할 수 있다는 것을 보여주었습니다. 그들이 모든 언어유희를 완벽하게 번역하는 문제를 해결한 것은 아니지만, 목표를 "직역의 정확성"에서 "유머러스한 등가성"으로 전환하는 것이 옳은 방향임을 증명했습니다.