A theoretical model of dynamical grammatical gender shifting based on set-valued set function

이 논문은 집합값 집합 함수를 기반으로 한 템플릿 기반 모듈러 인지 모델을 제안하여, 리프어 (Riffian) 를 포함한 다양한 언어에서 명사의 문법적 성 (gender) 이 동적으로 변화하는 패턴을 수학적으로 규명하고 이를 통해 어휘 형성의 새로운 관점을 제시합니다.

핵심

이 논문은 **"단어가 만들어질 때, 왜 성별 (남성/여성) 이 바뀌는가?"**라는 언어학의 난제를 수학적으로 해결하려는 시도입니다.

저자는 리프어 (모로코의 베르베르어) 와 프랑스어 등을 예로 들며, 기존의 언어 이론들이 설명하지 못했던 '성별 변화' 현상을 새로운 수학적 모델로 설명합니다.

이 복잡한 내용을 일반인이 이해하기 쉽게 요리사, 레시피, 그리고 변신 마법에 비유하여 설명해 드리겠습니다.

---

1. 문제: 왜 '사과'는 여성이고 '사과나무'는 남성일까?

언어에는 **문법적 성 (Gender)**이라는 것이 있습니다. 예를 들어 프랑스어에서 '사과 (la pomme)'는 여성이고, '사과나무 (le pommier)'는 남성입니다. 혹은 리프어에서 '손 (남성)'에서 '꽃다발 (여성)'이 만들어지기도 합니다.

기존의 언어학자들은 이렇게 생각했습니다.

• "아마도 '꽃다발'이라는 뜻이 여성스럽기 때문에 여성으로 바뀌는 거겠지." (의미 중심)
• "아마도 뒤에 붙는 접미사 때문이겠지." (형태 중심)

하지만 저자는 **"아니요, 그건 다릅니다"**라고 말합니다.
의미가 같아도 성별이 바뀌는 경우가 있고, 접미사가 없어도 성별이 바뀌는 경우가 있기 때문입니다.

2. 해결책: "템플릿 (레시피) 과 재료 (아이템) 의 분리"

저자가 제안한 핵심 아이디어는 **"단어는 '재료'와 '레시피'가 따로 존재한다"**는 것입니다.

• 재료 (Item): 단어의 핵심 의미 (예: '소', '손', '비')
• 레시피 (Template): 그 단어를 어떻게 포장할지 정하는 규칙 (예: 남성형, 여성형, 복수형, 단수형 등)

[비유: 요리사]

• 기존 이론: "소고기 (재료) 는 원래 남성형이니까 남성형 레시피로 요리해야 해. 그런데 갑자기 여성형 레시피를 쓰면? 그건 소고기가 여성스러워졌기 때문이야."
• 저자의 이론 (TBMC 모델): "소고기 (재료) 는 그냥 소고기일 뿐이야. 중요한 건 어떤 레시피 (템플릿) 를 선택하느냐야.
  • '소고기'라는 재료를 **A 레시피 (남성형)**에 넣으면 '수컷 소'가 되고,
  • 같은 '소고기' 재료를 **B 레시피 (여성형)**에 넣으면 '암컷 소'가 되는 거지.
  • 재료가 변한 게 아니라, 레시피를 바꾼 것이야!"

3. 작동 원리: "수학적 마법 (집합론)"

이 모델은 수학의 '집합 (Set)' 개념을 사용합니다.

• 템플릿은 집합입니다: 예를 들어, '여성형 단수 명사'라는 레시피는 {명사, 단수, 여성, ...}이라는 집합입니다.
• 변화는 '차집합'입니다: 단어의 성별이 남성에서 여성으로 바뀐다는 것은, 레시피에서 {남성}을 빼고 {여성}을 더하는 수학적 연산과 같습니다.

저자는 이 과정을 **h라는 함수 (마법 지팡이)**로 설명합니다.

"단어 (재료) 가 들어오면, h라는 마법 지팡이가 그 단어가 어떤 상황 (변신 과정) 에 있는지 확인하고, 어떤 레시피 (템플릿) 를 입혀야 할지 자동으로 결정해 줍니다."

4. 두 가지 변신 규칙 (그라디언트 조건)

단어가 변할 때, 성별이 바뀌는 경우와 바뀌지 않는 경우가 있습니다. 저자는 이를 두 가지 규칙으로 정리했습니다.

1. 성별이 바뀌는 경우 (비정상 상태):

   • 예: '손 (남성)' → '꽃다발 (여성)'
   • 규칙: 레시피에서 {남성}을 지우고 {여성}을 붙여야 합니다. 수학적으로는 대칭 차 (Symmetric Difference) 연산을 통해 성별 기호만 뒤집는 것입니다.
   • 비유: "이 요리는 색깔을 바꾸는 마법을 써야 해. 빨간색 (남성) 을 지우고 파란색 (여성) 을 칠해!"

2. 성별이 바뀌지 않는 경우 (정상 상태):

   • 예: '비 (남성)' → '비 (남성, 의미만 확장)'
   • 규칙: 레시피를 전혀 건드리지 않습니다. {} (빈 집합) 연산을 합니다.
   • 비유: "이 요리는 색깔을 바꾸지 마. 그냥 그릇만 바꿔서 다른 의미로 팔아."

5. 왜 이 연구가 중요한가요?

이 연구는 언어가 무작위적이지 않다는 것을 증명합니다.

• 기존 생각: "언어는 복잡하고 혼란스러워서 예측할 수 없어. 각 언어마다 다 달라."
• 이 연구의 결론: "아니야, 언어는 수학적 규칙을 따르고 있어. 단어의 의미 (재료) 와 문법적 성 (레시피) 을 분리해서 생각하면, 전 세계의 언어에서 일어나는 성별 변화 현상을 하나의 공식으로 설명할 수 있어."

6. 요약: 한 문장으로 정리

"단어는 고정된 성별을 가진 것이 아니라, 상황에 따라 다른 '문법 레시피 (템플릿)'를 입는 변신아입니다. 이 연구는 그 변신 과정을 수학적으로 완벽하게 설명하는 새로운 지도를 제시합니다."

이 모델은 언어학뿐만 아니라, 인공지능 (AI) 이 언어 패턴을 학습하거나, 복잡한 시스템의 변화를 예측하는 다른 분야에서도 유용하게 쓰일 수 있다고 합니다. 마치 레시피와 재료를 분리해서 생각하면 요리 실패를 줄일 수 있듯, 언어의 복잡한 성별 변화도 이 원리로 이해하면 훨씬 명확해진다는 것입니다.

기술 요약

1. 연구 문제 (Problem)

• 문법적 성별 이동의 복잡성: 전 세계 언어에서 명사의 문법적 성별 (남성/여성) 이 의미적 속성 (예: 가산/불가산) 이나 형태론적 구조와 일치하지 않고 변이하는 현상 (성별 이동, Gender Shift) 이 광범위하게 관찰됩니다. 예를 들어, 프랑스어나 리피안 (Riffian, 베르베르어 계열) 에서 같은 어근이 다른 성별을 취하거나, 가산 명사가 불가산 명사로 변환될 때 성별이 바뀌는 경우가 많습니다.
• 기존 이론의 한계:
  • 기존 언어학 이론들은 대부분 정적 (static) 분석에 머무르며, 성별 이동이 발생하는 동적 과정 (word formation) 을 설명하지 못합니다.
  • '신뢰성 가정 (Faithfulness Presumption)'에 기반한 의미 중심 이론들은 입력 (의미) 과 출력 (형태소) 간의 일대일 대응을 전제하여, 명확한 파생 접미사 없이 성별이 변하는 경우 (예: Conversion) 를 설명하기 어렵습니다.
  • 성별을 파생 접미사로 간주하는 접근법은 성별 이동이 접미사 없이도 발생할 수 있다는 사실과 모순됩니다.
• 핵심 질문: 왜 일부 파생 명사는 성별이 이동하고 (비정상 상태), 다른 일부는 이동하지 않는가 (정상 상태)? 이 과정을 수학적 형식주의로 어떻게 모델링할 수 있는가?

2. 방법론 (Methodology)

저자는 **템플릿 기반 모듈러 인지 모델 (Template-Based and Modular Cognitive model, TBMC)**을 제안하며, 이를 **집합값 집합 함수 (Set-valued set function)**를 사용하여 수학적으로 형식화했습니다.

• TBMC 모델의 구조:
  • 모델은 6 개의 튜플 $\mathbb{M} = \langle W, K, T, f, g, h \rangle$로 정의됩니다.
    • $W$: 항목 (Items, 예: 어근) 의 집합.
    • $T$: 문법적 템플릿 (Grammatical templates) 의 집합.
    • $K$: 템플릿 이동을 결정하는 과거적 요인 (Retrospective determinants) 의 집합.
    • $f$: 역방향 재귀 함수 (항목 $W$를 $K$로 매핑).
    • $g$: 기울기 함수 (Gradient function, $K$를 $T$로 매핑).
    • $h$: 형태 - 구문 전이 함수 ($h = g \circ f$, 항목 $W$를 최종 템플릿 $T$로 매핑).
• 핵심 메커니즘:
  • 항목 - 템플릿 페어링 (Item-Template Pairing): 단어 생성 과정에서 의미 형성 (Meaning formation) 과 문법적 의미 (Grammatical meaning) 는 분리됩니다. 문법적 의미는 별도의 계산 구성 요소인 '항목 - 템플릿 페어링'을 통해 나중에 할당됩니다.
  • 대칭 차 (Symmetric Difference, $\Delta$): 템플릿 이동은 집합의 대칭 차 연산을 통해 계산됩니다.
    • 기울기 조건 1 (Gender Shift): 파생 과정에서 성별이 이동하는 경우, 기본 템플릿 ($t_i$) 과 이동 집합 ($p = \{-F, +M, +F, -M\}$) 의 대칭 차를 통해 새로운 템플릿 ($t_j$) 을 도출합니다. ($t_i \Delta p = t_j$)
    • 기울기 조건 2 (Non-Gender Shift): 성별 이동이 없는 경우 (예: 의미 확장), 이동 집합이 공집합 ($\emptyset$) 이 되어 템플릿이 변경되지 않습니다. ($t_i \Delta \emptyset = t_j$)
• 데이터 및 분석:
  • 주요 분석 대상: 리피안 (Riffian) 언어 (베르베르어) 와 프랑스어.
  • 데이터 수집: Ayt Waryaghel 및 Ayt Said 방언의 명사 (가산, 불가산, 동사 명사화) 데이터.
  • 방법: 고빈도 및 고어적 형태를 배제하고, 초기 템플릿 (Initial templates) 을 식별하기 위해 차원 축소 (Dimension reduction) 기법을 적용했습니다.

3. 주요 기여 (Key Contributions)

1. 새로운 계산 구성 요소 제안: 기존 언어학 이론에서 간과되었던 '항목 - 템플릿 페어링'을 독립적인 계산 모듈로 제안했습니다. 이는 어근과 문법적 템플릿을 매핑하는 동적 과정을 설명합니다.
2. 수학적 형식주의의 도입: 언어 현상 (특히 성별 이동) 을 집합값 집합 함수와 대칭 차 연산을 사용하여 엄밀하게 증명했습니다. 이는 언어 현상을 비선형 동적 시스템으로 해석하는 새로운 접근입니다.
3. 내적 파생 (Intra-lexical Derivation) 의 재정의:
   • 성별 이동이 반드시 파생 접미사에 의해 발생하는 것이 아니라, **템플릿 이동 (Template Shift)**에 의해 발생함을 증명했습니다.
   • Conversion (품사 전환) 이 명사 - 명사 간 파생에서도 적용 가능함을 수학적으로 보였습니다.
4. 통일된 프레임워크: 성별 이동이 있는 경우와 없는 경우를 하나의 모델 (TBMC) 로 통합하여 설명하며, 다양한 언어 (리피안, 프랑스어, 독일어 등) 의 형태론적 변이를 포괄합니다.

4. 연구 결과 (Results)

• 초기 템플릿의 규명: 리피안 언어에서 가산 명사 (Countable) 는 여성/단수/집합적 표지, 불가산 명사 (Uncountable) 는 여성/단수/집합적 표지, 동사 명사화 (Noun of Action) 는 남성/단수/집합적 표지를 기본 (Unmarked) 템플릿으로 가짐을 확인했습니다.
• 성별 이동의 예측 가능성:
  • 비정상 상태 (Non-stationary): 가산 명사가 불가산 명사로, 혹은 그 반대로 변환될 때 (Conversion), 기본 템플릿과 기울기 조건 1 을 적용하면 성별 이동이 정확히 예측됩니다. (예: Riffian 의 a-kemːaʃ(남성, 빔) $\to$ ðɑ-kemːaʃt(여성, 목발))
  • 정상 상태 (Stationary): 의미 확장 (Semantic widening) 이 발생할 때는 기울기 조건 2 (공집합) 가 적용되어 템플릿 (성별 포함) 이 유지됩니다.
• 동적 매핑의 증명: $h(w)$ 함수를 통해 항목이 특정 문법적 템플릿으로 매핑되는 과정이 결정론적 (Deterministic) 임을 보였습니다. 이는 성별 이동이 무작위적이지 않고, 단어 생성 과정의 특정 조건 (템플릿 이동) 에 의해 체계적으로 발생함을 의미합니다.

5. 의의 및 중요성 (Significance)

• 이론적 확장: 기존의 의미 중심 이론이나 정적 형태론을 넘어, 언어의 비선형적이고 동적인 특성을 수학적으로 모델링할 수 있는 토대를 마련했습니다.
• 계산 언어학 및 AI 적용 가능성: TBMC 모델은 대량의 학습 데이터 (Big Data) 나 최적화 기반 학습 (Deep Learning) 없이도, 집합론적 연산을 통해 언어 패턴을 예측할 수 있어, 저자원 언어 (Low-resource languages) 연구나 계산 언어학 모델에 유용한 도구가 될 수 있습니다.
• 보편적 원리 제시: 리피안과 프랑스어 등 서로 다른 어족의 언어에서 관찰되는 성별 이동 현상이 동일한 구조적 패턴 (템플릿 이동) 을 공유함을 보여주어, 언어 보편성 (Linguistic Universals) 에 대한 새로운 통찰을 제공합니다.
• 형태론과 구문론의 연결: 문법적 성별이 단순한 접미사가 아니라, 어휘 항목과 템플릿 간의 동적 매핑 결과임을 강조하여, 형태론과 구문론의 경계를 재정의하는 데 기여합니다.

요약하자면, 이 논문은 집합론과 함수 이론을 활용하여 언어의 문법적 성별 이동이라는 복잡한 현상을 동적 템플릿 매핑으로 설명하는 혁신적인 수학적 모델을 제시했습니다.