당신이 보물섬의 조밀하고 복잡한 지도를 읽으려고 노력하고 있다고 상상해 보세요. 어떤 사람들에게 그 지도는 정상적으로 보이지만, 다른 이들에게는 잉크가 꿈틀거리고, 선들이 서로 뭉쳐지며, 단어들이 이해되려고 몸부림치는 것처럼 느껴집니다. 이것이 많은 난독증 환자들이 겪는 경험입니다. 그들이 지도의 '아이디어'를 이해하지 못하는 것이 아니라, 단지 '시각적 혼란'과 텍스트를 해독해야 하는 속도 때문에 어려움을 겪는 것입니다. 컴퓨터 과학 분야에는 컴퓨터에게 읽고 쓰는 법을 가르치는 자연어 처리(NLP)라는 분야가 있습니다. 최근 우리는 이러한 컴퓨터에게 텍스트를 더 단순하게 재작성할 수 있는 강력한 도구인 거대 언어 모델(LLM)을 제공했습니다. 하지만 여기 함정이 있습니다. 만약 당신이 컴퓨터에게 복잡한 역사 시험 문제를 "단순화"하라고 요청한다면, 컴퓨터는 당신이 답을 찾는 데 필요한 바로 그 단서들을 실수로 삭제하거나, 질문의 의미를 완전히 바꿔버릴 수도 있습니다. 이는 마치 지나치게 의욕이 앞선 친절한 가이드가 투어를 더 쉽게 만들려다가, 실수로 지도를 버리고 보물이 그냥 "저기 있다"라고 말해버리는 것과 같습니다.

"Beyond Simplification(단순화를 넘어)"이라는 제목의 이 논문은 특정 문제를 다룹니다. 어떻게 하면 중요한 내용을 실수로 삭제하지 않으면서 난독증이 있는 사람들을 위해 교육용 텍스트를 읽기 쉽게 만들 것인가 하는 문제입니다. 저자들은 단순히 텍스트를 "단순화"하는 기존 방식이 학교 공부에는 위험하다고 주장합니다. 대신, 그들은 DFT-GEN이라는 새로운 시스템을 제안합니다. 이 시스템을 단순한 지우개가 아니라, 어떤 책을 재배치하고 어떤 페이지를 그대로 둘지 정확히 아는 매우 조직적인 사서라고 생각해보세요. 이 시스템은 디지털 에이전트 팀을 사용하여 먼저 텍스트를 분석한 다음, 신중하게 다시 작성하고, 마지막으로 중요한 정보가 유실되지 않았는지 엄격한 규칙에 따라 검토합니다. 그들은 이를 영어와 중국어로 된 수천 개의 시험 문제에 테스트했습니다. 결과는 그들의 방식이 "보물 지도"를 온전하게 유지하면서도 보물로 가는 길을 훨씬 더 명확하게 만드는 데 훨씬 더 뛰어나다는 것을 보여줍니다. 그들은 다른 방법들이 텍스트를 더 짧게 만들 수는 있지만, 종종 시험을 제대로 풀 수 없게 만든다는 것을 발견했습니다. 반면, DFT-GEN은 답을 찾을 수 있는 상태를 유지하면서도 독자가 그곳에 도달하기 위해 들이는 노력을 크게 줄였습니다.

문제점: "너무 단순한" 함정

오랫동안 연구자들은 컴퓨터를 사용하여 텍스트를 읽기 쉽게 만들려고 노력해 왔습니다. 아이디어는 간단합니다. 긴 복잡한 문장을 잘게 나누고, 큰 단어를 작은 단어로 바꾸면, 짜잔—읽기 쉬워진다는 것입니다! 하지만 이 논문의 저자들은 특히 난독증이 있는 학생들에게 이러한 접근 방식에 중대한 결함이 있음을 발견했습니다.

그들은 실제 난독증 환자들과 그들을 돕는 전문가들과 대화를 나누었습니다. 전문가들은 놀라운 말을 했습니다. "아이디어를 수준 낮게 만들지 마세요(Don't dumb down the ideas)." 난독증이 있는 학생은 "광합성"이나 "조약"이라는 단어가 무엇인지 정확히 알 수도 있지만, 단지 텍의 내용이 눈이나 뇌를 압도하지 않는 방식으로 제시되기를 원할 뿐입니다. 만약 컴퓨터가 텍스트를 너무 단순화하면, "광합성"이라는 단어를 제거하고 "식물이 먹는 법"으로 바꿀 수 있습니다. 그렇게 되면 학생은 수업에 필요한 실제 어휘를 배울 수 없게 됩니다. 이는 마치 운전대를 복잡해 보인다는 이유로 제거하여 누군가에게 운전을 가르치려는 것과 같습니다. 차 안에 앉아 있기는 편하게 만들었을지 모르지만, 결국 자동차를 망가뜨린 것입니다.

이 논문은 학교 시험이나 교육 자료의 경우, 단순히 텍스트를 짧게 만드는 것보다 충실도(fidelity)(원래의 의미와 사실을 정확하게 유지하는 것)가 더 중요하다고 주장합니다. 질문을 바꿔버린다면, 당신은 학생을 돕는 것이 아니라 시험 자체를 바꾸고 있는 것입니다.

해결책: DFT-GEN과 "설계자" 팀

이를 해결하기 위해 저자들은 DFT-GEN이라는 시스템을 구축했습니다. 단일 컴퓨터에게 "이것을 다시 써줘"라고 요청하는 대신, 그들은 전문적인 역할을 가진 건설 현장처럼 작동하는 워크플로우를 만들었습니다.

1. 설계자 (The Architect - 계획가): 먼저, 디지털 에이전트가 텍스트를 살펴보고 청사진을 만듭니다. 아직 아무것도 다시 쓰지 않습니다. 단지 "이 문장은 너무 길다", "이 단어는 반드시 유지해야 할 핵심 용어이다", "이 숫자는 건드려서는 안 되는 점수이다"라고 지목할 뿐입니다. 이는 벽돌을 한 장 놓기도 전에 설계도를 그리는 건축가와 같습니다.
2. 작가 (The Writer - 건축가): 다음으로, 작가 에이전트가 청사진을 따릅니다. 작가는 문장을 더 짧고 명확하게 다시 쓰지만, 특별한 규칙이 있습니다. 바로 "보호된 구간(protected spans)"(핵심 단어, 숫자, 인용구)을 있는 그대로 유지해야 한다는 것입니다. 이는 방을 더 넓게 보이게 하기 위해 벽을 밝은 색으로 칠할 수는 있지만, 하중을 견디는 기둥은 옮길 수 없는 건축가와 같습니다.
3. 평가자 및 정제자 (The Evaluator and Refiner - 검사관): 텍스트가 다시 작성되면, 검사관이 확인합니다. 의미를 유지했는가? 실수로 가짜 사실을 추가하지 않았는가? 만약 대답이 "아니오"라면, 텍스트는 다시 시도하기 위해 "정제(Refiner)" 에이전트에게 돌아갑니다. 그들에게는 수정할 기회가 몇 번 주어집니다. 만약 여전히 제대로 하지 못한다면, 시스템은 인간이 확인할 수 있도록 빨간 깃발을 올립니다. 이는 컴퓨터가 자신 있게 틀린 답을 내놓지 않도록 보장합니다.
4. 난독증 접근성 컨트롤러 (The Dyslexia Accessibility Controller - 시각 디자이너): 이것이 비법입니다. 단어들이 완벽하더라도 텍스트가 여전히 지저분해 보일 수 있습니다. 이 시스템의 일부는 "결정론적 컨트롤러(deterministic controller)"로, 즉 페이지 형식을 구성하는 엄격하고 변하지 않는 규칙을 따릅나다. 문단을 짧은 덩어리로 나누고, 줄 사이의 간격을 넓히며, "질문"과 "출처 자료"를 분리합니다. 이들은 무엇이 좋아 보일지 추측하는 것이 아니라, 전문가들이 난독증 독자에게 도움이 된다고 말한 레시피를 따릅니다. 이는 사람이 압도당하는 것을 멈추기 위해 백색 공간이 얼마나 필요한지 정확히 아는 그래픽 디자이너와 같습니다.

결과: 희생 없는 속도

연구팀은 이 시스템을 역사, 지리, 생물학 등을 다루는 2,280개의 시험 스타일 문제(중국어 1,117개, 영어 1,163개)에 대해 테스트했습니다. 그들은 DFT-GEN을 일반적인 텍스트 단순화 도구, 상용 도구, 그리고 단순히 똑똑한 AI에게 "이것을 더 쉽게 만들어줘"라고 요청하는 방식 등 다른 방법들과 비교했습니다.

결과는 명확했습니다:

• 사실의 안전한 보존: 시스템이 원래의 의미와 과업 요구사항을 얼마나 잘 유지했는지 측정했을 때, DFT-GEN은 안전 진단 지표인 DCFI에서 0.90 이상의 높은 점수를 기록했습니다. 사실을 안전하게 유지하는 능력이 동일한 다른 시스템들과 비교했을 때, DFT-GEN은 영어에서 93%, **중국어에서 64%**의 확률로 승리했습니다. 이는 다른 도구들이 사실을 잘 유지할 수는 있어도, 난독증 독자가 훑어보기 쉬운 방식으로 텍스트를 구성하는 데는 실패한다는 것을 의미합니다. DFT-GEN은 이 두 가지를 모두 성공했습니다.
• 인간 테스트: 또한 20명의 난독증 성인을 대상으로 소규모 파일럿 연구를 실시했습니다. 참가자들은 텍스트를 읽고 질문에 답했습니다. 결과에 따르면, DFT-GEN을 사용했을 때 참가자들은 다음과 같은 성과를 보였습니다:
  • 작업을 훨씬 빠르게 완료했습니다 (원래 텍스트의 약 300초 대비 약 168초).
  • 노력의 부담이 훨씬 적었습니다 (원래 6.4점 대비 7점 만점에 1.3점).
  • 거의 항상 정답을 맞혔습니다 (94~96%의 정확도).
  • 도구를 다시 사용할 의사가 매우 높았습니다 (7점 만점에 6.8점).

반면, 다른 "단순화" 도구들은 텍스트를 읽는 속도는 빠르게 만들었지만, 도구가 단서들을 삭제했기 때문에 참가자들의 정확도는 낮아졌습니다. 이는 트레이드오프였습니다. 다른 도구들은 빠르지만 부정확했고, DFT-GEN은 빠르면서도 정확했습니다.

이것이 왜 중요한가

이 논문은 난독증 환자를 돕기 위해 단순히 텍스트를 "단순화"하는 것에만 의존해서는 안 된다고 시사합니다. 어려운 단어를 제거하면 학습 내용까지 제거될 수 있기 때문입니다. 대신, 우리는 텍스트를 어떻게 제시할 것인가를 바꿔야 합니다. 중요한 사실을 안전하게 지키고 시각적 레이아웃(간격, 덩어리 나누기, 강조)을 재배치함으로써, "읽기 내용"을 바꾸지 않고도 "읽기 마찰"을 줄일 수 있습니다.

저자들은 이것이 만능 해결책은 아니라는 점을 주의 깊게 언급합니다. 파일럿 연구 규모가 작았고 특정 유형의 시험 문제에 집중되었다는 점을 명시했습니다. 또한 외국어를 배우는 것과 같은 일부 과업의 경우, 실제로 텍스트가 어려워야 하므로 전혀 단순화해서는 안 된다는 점도 지적했습니다. 하지만 역사나 과학처럼 복잡한 아이디어를 이해하는 것이 목표인 과목에서는, DFT-GEN이 내용을 저하시키지 않으면서도 자료를 접근 가능하게 만드는 유망한 방법을 제공합니다. 이는 때때로 누군가의 읽기를 돕는 최선의 방법은 단어를 바꾸는 것이 아니라, 페이지가 보이는 방식을 바꾸는 것임을 상기시켜 줍니다.