의미론을 정보로 재정의한다: 물리적·의미적 정보의 이분법적 고찰

초록

본 논문은 의미(semantics)를 인간 언어의 전유물이라기보다 “특수한 형태의 정보”로 정의한다. 물리적 정보와 의미적 정보를 구분하고, 바르-힐렐·카르납의 고전 이론을 현대 정보학에 맞게 재구성한다. 정보는 “설명·텍스트·이야기”로서 정의되며, 데이터‑물리정보‑의미정보 사이의 관계를 명확히 밝힌다. 이를 통해 정보·지식·기억·학습·의미와 같은 난해한 개념들을 일관된 체계로 통합한다.

상세 분석

이 논문은 의미론을 기존의 언어학적·철학적 틀에서 탈피시켜, 정보 이론의 한 영역으로 재배치한다는 점에서 혁신적이다. 저자는 먼저 “정보”를 전통적인 샤논식 신호량이 아니라, 인간이 인식하고 서술할 수 있는 “설명(description)”, “텍스트(text)”, “이야기(story)” 등 의미를 내포한 서술적 단위로 정의한다. 이러한 정의는 정보가 단순히 비트의 집합이 아니라, 해석 가능한 의미 구조를 포함한다는 전제에 기반한다.

다음으로 물리적 정보와 의미적 정보를 명확히 구분한다. 물리적 정보는 관측 가능한 데이터, 즉 센서값, 전압, 온도 등 물리적 현상에 대한 측정값으로서, 통계적 엔트로피와 직접 연결된다. 반면 의미적 정보는 이러한 물리적 데이터가 해석자에 의해 특정 맥락(context)과 배경지식(background knowledge) 속에서 의미를 부여받을 때 생성된다. 즉, 동일한 물리적 데이터라도 서로 다른 해석자나 다른 상황에서는 전혀 다른 의미적 정보를 생산한다는 점을 강조한다.

바르-힐렐과 카르납의 고전 논의를 재조명하면서, 저자는 “의미적 정보는 물리적 정보의 하위 집합이 아니라, 물리적 정보 위에 얹혀지는 독립적인 차원”이라고 주장한다. 이는 의미가 물리적 현상에 종속되지 않으며, 오히려 의미적 구조가 물리적 데이터의 선택·조합·재구성을 가능하게 한다는 의미다.

논문은 또한 데이터‑물리정보‑의미정보 사이의 변환 과정을 모델링한다. 데이터는 원시 관측값이며, 이를 통계적 처리와 압축을 거쳐 물리적 정보로 전환한다. 이후 의미적 정보는 인지적 과정(예: 패턴 인식, 개념 매핑, 스키마 적용)을 통해 물리적 정보에 의미를 부여한다. 이 과정에서 “기억(memory)”은 과거 의미적 정보의 저장소로, “학습(learning)”은 새로운 물리적 정보를 기존 의미 구조에 통합하는 메커니즘으로 정의된다.

결과적으로, 저자는 “정보=물리적 정보+의미적 정보”라는 식을 제시하고, 이를 통해 정보, 지식, 기억, 학습, 의미와 같은 추상적 개념들을 일관된 체계 안에 끌어들인다. 이러한 프레임워크는 인공지능, 데이터 과학, 인지 과학 등 다양한 분야에서 의미론적 처리와 정보 관리의 새로운 패러다임을 제공한다.