Quantifying the cross-linguistic effects of syncretism on agreement attraction

이 글은 간단한 언어와 일상적인 비유를 사용하여 해당 논문을 설명한 것입니다.

큰 그림: 만찬 테이블에서의 혼동

주인 (동사) 이 영빈객 (주어 명사) 과 악수를 해야 하는 만찬 파티에 있다고 상상해 보세요. 보통은 쉽습니다. 주인이 영빈객을 바라보며 "안녕하세요, 단수 손님!" 또는 "안녕하세요, 복수 손님들!"이라고 말하면 되니까요.

하지만 때로는 그들 사이에 제 3 의 인물이 서 있습니다 (유인 명사). 이 제 3 의 인물은 시끄럽고 산만합니다. 주인이 혼란에 빠지면 영빈객 대신 시끄러운 제 3 의 인물과 실수로 악수를 할 수도 있습니다. 언어학에서 이러한 실수를 **일치 유인 (agreement attraction)**이라고 부릅니다.

예시:

• 올바른 문장: "캐비닛의 열쇠 (단수) 는 녹이 슬었습니다."
• 잘못된 문장: "캐비닛들 (복수) 의 열쇠 (단수) 는 녹이 슬었습니다."
• 무슨 일이 일어났을까요? 주인 (동사 are) 이 복수형인 cabinets(캐비닛들) 에 산만해져서 진짜 영빈객인 key(열쇠) 를 보기를 잊어버렸습니다.

미스터리: 왜 어떤 언어는 더 혼란스러워할까?

연구자들은 이상한 점을 발견했습니다. 영어, 독일어, 러시아어와 같은 일부 언어에서는, 산만하게 만드는 단어가 영빈객의 "제복" (형태소) 과 정확히 똑같이 보일 때 이러한 혼란이 자주 발생합니다. 이를 **동형 (syncretism)**이라고 합니다.

• 동형: 두 명의 서로 다른 사람이 정확히 같은 제복을 입고 있는 상황을 상상해 보세요. 빠르게 훑어보면 구별할 수 없습니다.
• 이론: 산만하게 만드는 단어가 실제 주어와 같은 제복을 입고 있다면, 주인은 매우 혼란스러워하고 실수를 저지릅니다.

하지만 터키어나 아르메니아어와 같은 다른 언어에서는 단어가 비슷해 보이더라도 이러한 혼란이 발생하지 않습니다. 프랑스어의 경우 정반대입니다. 단어가 비슷할 때 혼란이 덜 발생합니다.

질문: 왜 같은 제복을 입는 것이 영어에서는 혼란을 일으키지만 터키어에서는 그렇지 않을까요? 이 논문은 최종적인 답을 가지고 있지는 않지만, 이를 조사하기 위한 새로운 도구를 사용합니다.

새로운 도구: "슈퍼 독자" (대형 언어 모델)

수천 명의 인간에게 문장을 읽고 실수를 하게 하는 것 (시간이 매우 오래 걸림) 대신, 저자들은 **대형 언어 모델 (LLMs)**을 사용했습니다. 이는 인터넷상의 거의 모든 것을 읽은 초고속, 초지능 로봇이라고 생각하시면 됩니다.

저자는 로봇이 얼마나 혼란스러워하는지 보기 위해 두 가지 특정 "감각"을 사용했습니다.

1. 놀람 (Surprisal, "잠깐, 뭐?" 미터):

   • 로봇이 문장을 읽었을 때 동사가 주어와 일치하지 않으면 놀라야 합니다 (마치 인간이 "잠깐, 그건 들리는 게 이상해!"라고 말하는 것처럼).
   • 로봇이 실수에 대해 덜 놀란다면, 이는 로봇이 인간처럼 산만하게 만드는 단어에 속았다는 뜻입니다.
   • 비유: 개가 짖을 것으로 예상했는데 고양이가 야옹하면 놀라게 됩니다. 하지만 개가 야옹할 것으로 예상했는데 고양이처럼 생긴 개가 야옹하면 속았기 때문에 덜 놀랄 수 있습니다.

2. 주의 엔트로피 (Attention Entropy, "집중" 미터):

   • 이는 로봇의 주의가 얼마나 퍼져 있는지를 측정합니다.
   • 로봇이 실제 주어에만 집중하고 있다면, 그 주의는 날카롭습니다 (낮은 엔트로피).
   • 로봇이 혼란스러워하며 주어와 산만하게 만드는 단어 모두를 보고 있다면, 그 주의는 흩어집니다 (높은 엔트로피).
   • 비유: 시끄러운 방에서 한 사람의 목소리에 집중하려고 한다고 상상해 보세요. 그 사람에게 집중하면 목소리가 선명하게 들립니다. 하지만 방 안의 모든 사람의 목소리에 집중하기 시작하면 주의가 흩어집니다.

그들이 발견한 것

연구자들은 영어, 독일어, 러시아어, 터키어 등 네 가지 언어에서 로봇을 테스트했습니다.

• 영어 & 독일어: 로봇은 인간과 정확히 같은 행동을 했습니다. 산만하게 만드는 단어가 주어와 같은 "제복" (동형) 을 입고 있을 때, 로봇은 속았습니다. 그들의 "잠깐, 뭐?" 미터는 낮아졌고 (실수에 덜 놀랐음), "집중" 미터는 흩어졌습니다.

  • 판단: 로봇 시뮬레이션이 여기서 완벽하게 작동했습니다.

• 터키어: 인간은 터키어에서 "같은 제복"에 속지 않습니다. 로봇도 동의했습니다! 로봇도 속지 않았습니다. "제복"은 중요하지 않았습니다.

  • 판단: 로봇 시뮬레이션이 여기서도 완벽하게 작동했습니다.

• 러시아어: 이것이 까다로운 부분입니다. 인간은 러시아어에서 두 가지 방식으로 속습니다:

  1. 산만하게 만드는 단어가 주어와 비슷할 때 (일반적인 속임수).
  2. 단수형 단어가 복수형 단어처럼 보일 때 (기이한, 역방향 속임수).
     로봇은 첫 번째 부분은 정확히 파악했습니다 (표준 제복에 속함). 하지만 두 번째 부분에서는 실패했습니다. 그들은 "역방향" 제복에 속지 않았습니다.
  • 왜? 저자들은 로봇이 누가 누구인지 파악하기 위해 문장 구조 (구문) 전체를 보는 데 더 능숙한 반면, 인간은 단어의 표면적 모습에만 더 쉽게 속아 넘어갈 것이라고 추측합니다.

결론

이 논문은 이러한 "슈퍼 독자" (LLMs) 가 일부 언어에서 인간이 문법 때문에 혼란스러워하는 방식을 모방하는 데는 뛰어나지만, 모든 언어에서는 그렇지 않다고 결론 내립니다.

• 좋은 소식: 로봇들은 영어와 독일어와 같은 언어에서는 "비슷하게 보이는 것"이 실제로 혼란을 일으킨다는 것을 확인시켜 주었습니다.
• 나쁜 소식: 러시아어와 같은 언어에서는 로봇이 인간이 속는 특정 속임수에 너무 똑똑해서 넘어가지 않습니다. 그들은 문장 구조의 "큰 그림"에 너무 의존합니다.
• 큰 미스터리: 왜 인간과 로봇이 서로 다른 언어에서 이러한 "제복"에 다르게 반응할까요? 논문은 일부 언어는 의미를 파악하기 위해 단어의 모양 (형태소) 에 크게 의존하는 반면, 다른 언어는 단어 순서에 더 의존하기 때문일 수 있다고 제안합니다.

간단히 말해: 이 연구는 AI 를 사용하여 "비슷하게 보이는 것"이 일부 언어에서 문법 혼란을 일으킨다는 것을 증명했지만, 동시에 AI 는 인간과 기계가 이러한 혼란을 약간 다른 방식으로 처리할 수 있음을 보여주었습니다.