무한불확실성속단어학습

초록

이 논문은 무한히 많은 후보 의미가 존재하는 상황(Quine의 무한 참조 불확실성)에서도, 학습자가 각 후보 의미의 plausibility를 약하게라도 순위 매길 수 있다면 교차 상황 학습을 통해 단어 의미를 성공적으로 습득할 수 있음을 수학적으로 증명한다. 따라서 ‘똑똑한’ 학습 제약이 아니라 매우 약한 확률적 제약만으로도 단어 학습이 가능함을 보여준다.

상세 분석

본 연구는 ‘무한 참조 불확실성’이라는 철학적·인지적 난제를 형식화함으로써, 기존의 교차 상황 학습 모델이 가정하던 유한 의미 공간을 무한 의미 공간으로 확장한다. 핵심 가정은 두 가지이다. 첫째, 학습자가 매 노출 시 실제 의미(목표 의미)를 반드시 후보 집합에 포함한다는 전제(Assumption 1). 둘째, 비목표 의미(우발 의미) 각각이 일정 확률로 누락될 수 있다는 전제(Assumption 2)이다. 이때 의미 후보들의 발생 확률 분포가 ‘plausibility ranking’—즉, 의미마다 사전적 가능성 순위가 존재—을 갖는다면, 시간이 충분히 흐를수록 목표 의미만이 모든 노출에서 일관되게 등장하는 유일한 후보가 된다.

수학적 증명은 확률론적 수렴 이론을 이용한다. 후보 의미 집합을 무한 집합 ℳ이라 하고, 각 의미 m∈ℳ가 i번째 노출에서 추출될 확률을 p_i(m)라 두면, 목표 의미 t에 대해 p_i(t)>0이며, 다른 의미 m≠t에 대해서는 Σ_i p_i(m)가 유한값을 초과하지 않도록 설정한다. 이렇게 하면 무한 시계열에서 t가 무한히 많이 관찰되는 반면, 각 우발 의미는 유한 번만 관찰될 확률이 1이다. 따라서 교차 상황 학습자는 “모든 노출에 공통적으로 나타난 의미”를 선택함으로써 t를 정확히 추론한다.

흥미로운 점은 ‘plausibility ranking’이 매우 약해도 충분하다는 것이다. 즉, 목표 의미가 다른 의미보다 약간이라도 더 자주 추출되면(예: p_i(t)=ε+δ, p_i(m)=ε, δ>0) 수렴이 보장된다. 이는 기존 연구가 요구한 강력한 제약(예: 한 번의 노출에 단 하나의 후보만 남기는 휴리스틱)과는 대조적이며, 실제 아동이 사용하는 다양한 약한 힌트—주의 집중, 통사적 카테고리, 부분-전체 편향 등—가 충분히 학습을 가능하게 할 수 있음을 시사한다.

또한, Assumption 1을 완화한 경우에도 학습이 가능함을 보인다. 목표 의미가 가끔 누락되더라도, 누락 확률이 충분히 낮다면 장기적으로 목표 의미가 가장 빈번히 등장하는 후보가 된다. 이는 ‘단일 노출에서 정확히 추론한다’는 전통적 실험 설계와는 다른 관점을 제공한다.

결과적으로, 이 논문은 Quine이 제기한 “무한 의미 후보 때문에 단어 학습이 불가능하다”는 직관을 정량적으로 반박한다. 핵심은 학습자가 의미 후보를 전혀 배제하지 못하더라도, 의미들의 사전적 plausibility 순위가 존재한다면 교차 상황 통계가 충분히 강력한 학습 메커니즘이 된다는 점이다. 이는 ‘스마트한’ 인지적 제약을 가정하던 기존 이론의 부담을 ‘덜 똑똑한’ 통계적 집계로 전이시켜, 약하고 불확실한 확률적 힌트를 탐구하는 새로운 연구 프로그램을 제시한다.