by
Sep 23. 2019
인공지능 번역시대, 아이 영어 공부 중요한가요?
네, 구글 번역기가 있더라도요.
이 글이 속해있던 브런치 북 <AI 시대, 우리 아이 교육은?>을 책으로 출판하게 되었습니다.
https://wikibook.co.kr/aiedu/
언어는 학문의 목적이 아니라 수단이다.
라는 말을 매주 외치면서 고등학교를 다녔습니다. 그때는 사실 교내에서 영어를 써야 한다 하는 교칙을 잔소리 정도로 여기며 별 의미를 두지 않고 외쳤던 구호였는데, 졸업한 지 거의 10년 후, 연구 석사 2년 과정을 마무리해가는 지금 시점에 이 말에 대해 다시 한번 되새겨 생각하게 되었습니다.
어머니는 나와 술을 한잔하면서 나에게 대학원 생활을 하는 데 있어서 가장 중요한 능력이 무엇인 거 같냐고 물으셨습니다. 저는 주저하지 않고 "언어"라고 답했습니다. 그리고 새삼 어머니가 어렸을 때부터 저의 언어 교육에 신경 써주신 것에 대해 고마움을 느낄 수 있었습니다.
2년 전 제 지식의 한계를 느끼고 머신러닝/인공지능 쪽으로 좀 더 깊이를 더 해보고자 대학원 생활을 시작했습니다. 물론 어렸을 때 쌓아왔던 코딩 능력, 띄엄띄엄했던 수학 공부, 학부 내내 공부했던 엔지니어링 경험, 인턴쉽과 군대에서 쌓은 사회생활 등 모두 도움이 많이 되었습니다. 하지만 미국 대학 지원 명분으로 고등학교 때 즐겁게 시작한 영어 글쓰기가 아니었다면 2년이란 짧은 시간 동안 지금만큼의 성과를 내지 못했을 것 같습니다.
석사 2년 동안 가장 큰 소득은 어떤 가설(아이디어)을 생각해서, 그것을 증명해낼 실험을 설계한 후 실행하고, 그 결과를 논문으로 써내는 것을 배웠다는 것입니다. 이런 구조화를 해내지 못한다면 어떤 일을 하더라도 그것을 설명하기가 힘들어집니다. 당연한 일처럼 보이지만 안타깝게도 주변에 적지 않은 연구생들은 잘 해내지 못합니다. 생각이 명확하지 않으면 그것의 결과물 역시 읽기가 힘들다는 것, 잘 다듬어지지 않은 글을 읽어보신 분들은 공감하실 거라 생각합니다.
운 좋게도 저는 글을 구조화해서 쓰는 연습이 많이 된 상태에서 연구 생활을 시작했고, 첫 일 년은 수많은 논문을 읽으면서 이 분야의 연구들이 어떻게 쓰이는지 파악하는데 시간을 많이 썼습니다. 그러면서 다른 연구자들의 사고방식을 배워갔습니다. 그리고 1년 차 말부터는 최대한 빨리 논문을 써보라는 선배의 조언에 따라, 서툴게라도 제가 결과를 생산하고 논문이라는 그릇에 담아 보는 연습을 시작했습니다. 그 이후에 4편의 논문을 학회에 게재하였고, 졸업 논문이라는 하나의 잘 구조화된 커다란 덩어리로 써낸 후 마무리를 하였습니다.
만약 제 영어 기초가 잡혀있지 않았다면 어떻게 되었을지 정말 아찔합니다. 특히 글을 잘 써도 영어 문법이나 어휘가 받혀주지 않는다면 글 자체가 어색하거나 잘못 표현되기가 너무 쉽습니다. 그렇기 때문에 언어의 문법과 어휘를 자유자대로 사용할 수 있는 것이 중요했습니다.
저는 어렸을 때부터 언어를 배우는걸 너무너무 좋아했습니다. 영어는 어렸을 때 운이 좋게 호주에 2년을 살아서 어렵지 않게 익혔고, 고등학교 때는 3년 내내 스페인어에 흥미를 가지게 되어 재미있게 하다보니 결국에는 선택 심화수업도 듣고 스페인어 선생님께 추천서도 받았습니다. 처음의 목표와는 달리 미국이 아닌 홍콩으로 대학을 왔고, 몇 년 전부터는 중국어를 익혀야겠다는 필요성을 절감하며 공부를 시작했고, 지금도 취미로 독학을 통해 매일 조금씩 열심히 하고 있습니다.
제가 언어 공부를 좋아하는 이유는 아무래도 아직은 초/중급 정도이기 때문에 성장 속도가 빠르고, 실제로 사용하였을 때 받는 쾌감이 있기 때문이 아닐까 싶습니다. 특히 요즘은 중국어를 무척 열심히 하고 있는데, 중국 대륙이나 대만에 놀러 갔을 때나, 전화중국어 선생님이랑 얘기할 때, 제가 표현하고 싶은걸 다 못하면 답답함을 느끼다가도 적절한 단어를 찾으면 무척이나 기쁩니다.
공교롭게도 저의 연구는 언어를 가르치는 것입니다. 사람이 아니라 컴퓨터에게. 자연어 처리 (natural language processing; NLP)은 머신러닝 기술을 통해 감정 분석이라든지 악플 감지라든지 컴퓨터가 사람의 문장의 의도나 내용을 이해할 수 있도록 하는 기술입니다. 더 나가서는 컴퓨터가 직접 문장을 생성하기도 합니다.
특히 이 분야 가장 핫한 문제는 기계 번역(Machine Translation: MT)이라고 할 수 있습니다. 그만큼 사람들이 언어 간의 장벽을 허물고 싶어 하고, 실제로 인공지능을 통해서 그렇게 된다면 상당한 경제적, 문화적 이익을 발생할 것이라고 생각합니다. 그렇기 때문에 NLP 분야의 많은 사람들이 MT 문제를 풀기 위해 몰두하고 있고 있습니다. 여행을 다닐 때, 비즈니스를 할 때, 심지어 시험을 볼 때, 언어 때문에 힘들었던 기억을 누구든 한 번쯤은 있기에, 이 문제가 얼마나 대단하고 중요한지 다들 피부로 충분히 체감하고 계시리라 생각합니다.
이렇게 기계 번역이 발전하는 시대에 살아가는 우리는 이 중요한 질문을 던지지 않을 수 없습니다.
인공지능 통/번역이 있으면 우리는 언어를 배우지 않아도 되는 걸까?
알리바바의 (전) CEO로 지금 IT 시대를 이끄는 사람 중 하나인 마윈 (Jack Ma, 马云)은 그렇지 않다고 합니다. 언어는 단순히 커뮤니케이션 용도가 아니라고 그는 말합니다. 단지 뜻과 의도를 전하는 것이 아니라, 타인의 문화를 이해하기 위한 수단이라고 주장합니다. 언어를 배우지 않고 문화를 이해할 수 없고, 문화를 이해하지 않고는 진정으로 그 사람과 소통한 것이 아니라고 이야기합니다.
https://www.youtube.com/watch?v=lXsa5vPesGU
마윈이 생각하는 영어란?
저는 기계번역도 계속 발전되어야 한다고 생각하지만, 그의 주장에도 역시 동의합니다. 인공지능 개발도 인간의 언어 교육도 계속되어야 하고 그만큼 더 발전해야 합니다. 언어는 딱딱한 부분(문법, 의미 등)도 있지만 생각보다 말랑말랑한 부분(감정, 비유, 생각의 구조화 등)이 많습니다. 비록 제가 감정 분석 등 말랑한 부분을 석사 연구로 하였지만, 아직까지는 인공지능 기술로 진정으로 이러한 말랑말랑한 것을 이해하도록 설계하기는 힘들다고 생각합니다.
예를 들어, 유머, 개그 같은 언어의 유희적인 요소를 생각해볼까요. 유머가 새로운 언어를 배울 때 가장 어려운 것인 이유는 문화적 배경이 쌓여있지 않기 때문이고, 유머는 그런 것들을 함축적으로 표현했을 때 더더욱 재미있기 때문에 모국어가 아닐 때 이해하기 힘든 것입니다. 저 역시 미국/영국의 많은 책, 영화, 드라마, 예능을 보고 나서야 조금은 영어의 유머들을 알아듣고 웃기 시작하였고, 감정 표현 역시 그러합니다. 특히 연인 간의 소통에서 미묘함, 역설, 친밀감 같은 것들은 대부분의 우리들도 어려워할 정도로 말랑한 것들이라 아직은 인간만 이해할 수 있는 지능의 요소라고 생각합니다.
또한, 우리가 언어를 계속 배워야 하는 이유는 사고 능력을 다른 차원으로 넓히기 위함입니다. 어렸을 때 두 개 이상의 언어를 모국어로 하는 아이(bilingual)의 뇌가 좀 더 발달되어 있다는 연구는 생물학적으로 이를 증명합니다. 두 가지의 언어의 관계가 단지 A에서 B로 연결되는 단순한 함수가 아니라, 각각 여러 문화/역사/철학적인 개념을 표현한 차원이라고 생각하면 당연한 얘기입니다. 중국어가 포괄하는 사상과 영어가 포괄하는 사상은 분명 다를 것이고, 둘 다 배운다면 공통된 부분 외에도 각 언어가 가진 특별한 부분도 흡수하는 것입니다. 아마 마윈이 말하는 문화적인 요소도 이런 것이 포함되지 않을까 싶습니다.
게다가 인간은 배움에서 오는 성취감을 매우 중요시하는 동물입니다. 여러 가지 배움이 있겠지만 외국어는 많은 사람들이 중요시하고 관심을 가지는 분야라고 생각합니다. 앞에 저의 경험에 비추어 말했듯이, 초급으로 시작한다면 배움의 속도가 빨라 성취감을 느끼기 쉽기도 하고, 언어 습득을 통해 새로운 세상을 접했을 때 오는 쾌감이 적지 않습니다. 여행을 갔을 때 현지인과 두려움을 무릅쓰고 간단하게라도 말을 걸어 대화가 통했을 때 즐거움을 느꼈던 사람이라면 무슨 말인지 이해가 되실 겁니다. 어떤 사람들에게 언어는 기술이지만, 어떤 사람들에게는 하나의 오지로의 여행일지도 모릅니다. 새로운 세상을 들춰봤을 때 오는 즐거움 같은 것 말입니다.
하지만 현재 언어 교육은 이러한 의미들을 생각하지 않고 설계되어 있는 듯합니다. 단지 언어학적으로 분석된 문법 규칙 (실제로 우리 뇌가 언어를 배우는 방식과 무관하다는 주장도 있죠), 무지막지하게 외워야 하는 어휘로 시작하여 결국에 목표는 대입 영어/TOEIC의 문제를 맞히는 것입니다. 이는 언어를 매우 공학적인 기술로, 사람을 기계로 생각했을 때 적합한 방식이라고 생각합니다. 그렇기 때문에 이러한 평가 방식에서 인공지능에게 (아니 심지어 워드프로세서의 맞춤법 검사에) 점점 뒤처질 수밖에 없습니다.
언어 교육 스타트업 Duolingo. 인터넷을 통해서만 언어를 배울 수 있을까?