태국어 뉴스를 읽다 보면, 문맥상 사람 이름인 것 같은 단어가 엉뚱한 일반 명사로 번역되거나 여러 조각으로 쪼개져 혼란을 겪는 경우가 있습니다. 한국어도 문장 속에서 이름을 분리하는 것이 쉽지 않지만, 태국어는 고유한 언어적 특성 때문에 컴퓨터가 사람 이름을 파악하기가 특히 까다로운 언어에 속합니다. 단순 사전 매핑 방식의 기계 번역이 마주하는 한계와 그 이유를 살펴보았습니다.
1. '대문자(Capitalization)'가 없는 언어의 특성
영어와 같은 라틴 문자 기반 언어는 사람 이름이나 도시 이름 등 고유명사의 첫 글자를 항상 대문자로 씁니다(예: Lisa, Seoul). 컴퓨터는 문맥을 깊이 이해하지 못해도, "문장 중간에 대문자가 나왔으니 고유명사일 가능성이 높다"고 비교적 수월하게 짐작할 수 있습니다.
하지만 한국어와 태국어에는 대문자라는 개념 자체가 없습니다. 더욱이 태국어는 단어와 단어 사이에 띄어쓰기도 하지 않기 때문에, 컴퓨터 입장에서는 어디서부터 어디까지가 이름인지 글자의 경계를 찾는 것부터가 커다란 과제입니다.
2. 사전 기반 기계 번역이 겪는 현실적인 어려움
단어 사전에만 의존하는 전통적인 기계 번역 방식은 다음과 같은 태국어 이름의 특성 앞에서 자주 한계에 부딪힙니다.
태국에서는 자연물이나 좋은 의미의 일상 단어로 이름을 짓는 경우가 흔합니다. 예를 들어 '비(Rain)'를 뜻하는 흔한 여성 이름인 ฝน(폰)이나 '보석(Gem)'을 뜻하는 พลอย(플로이)가 문장에 등장하면, 사전 중심 번역기는 "비가 밥을 먹는다", "보석이 안 간다고 말했다"처럼 사람 대신 사물이나 날씨가 행동하는 엉뚱한 문장으로 직역해 버리기 쉽습니다.
'비단/실'을 뜻하는 고운 이름인 ไหม(마이)의 경우, 태국어에서 질문 끝에 붙는 의문사(~입니까?)와 철자가 같습니다. 그래서 "마이가 고양이를 좋아한다"라는 평서문을 단순 기계 번역기에 넣으면, 사람 이름이 의문사로 오인되어 "고양이를 좋아합니까?"라는 질문으로 바뀌며 문장의 주어(사람)가 통째로 사라져 버리는 현상이 일어납니다.
또한 일상에서 본명 대신 부르는 짧은 애칭인 หมู('돼지')나 นก('새'), 그리고 글로벌 스타인 리사(ลิซ่า)처럼 외래어 고유명사의 경우에도, 사전에 미리 등재되어 있지 않으면 기계어가 자모를 임의로 분해하여 엉뚱한 태국어 단어로 끼워 맞추려 듭니다. 세상의 모든 사람 이름과 애칭을 사전에 미리 전부 넣어두는 것은 현실적으로 불가능하기 때문입니다.
3. 현대 인공신경망(AI)은 어떻게 보완할까?
이러한 한계 때문에 현대 인공지능 번역(NMT)은 단순 사전을 찾는 대신 문장 전체의 문맥(Context)을 함께 살핍니다.
- 뒤따르는 서술어 확인: 단어 뒤에 '전화하다', '인터뷰하다', '방문했다' 같은 사람의 행동을 나타내는 동사가 오면, 앞의 단어가 사물이 아니라 '사람(주어)'일 확률이 높다고 판단합니다.
- 호칭 표지 인식: 단어 앞에
นาย(미스터),นาง(미세스),ครู(선생님),ดร.(박사) 같은 직함이나 호칭이 붙어 있으면 뒤이어 나오는 단어를 이름으로 보호하여 소리 나는 대로 음차합니다.
4. 타이탄의 노력과 솔직한 한계
타이탄(ThaiTan) 역시 독해 과정에서 인명이 부자연스럽게 조각나지 않도록 여러 가지 보완책을 적용해 두고 있습니다. 자주 쓰이는 주요 인명 데이터와 사회적 직함·호칭 규칙을 엔진에 연계하여, 독해 화면에서 이름이 무분별하게 쪼개지는 현상을 줄이고자 시도하고 있습니다.
하지만 솔직하게 말씀드리면, 타이탄의 인명 인식 로직은 아직 많이 부족합니다. 문맥에 따라 일상 단어로도 쓰이고 이름으로도 쓰이는 모호한 어휘나, 새롭게 등장하는 인명과 애칭을 규칙만으로 100% 빈틈없이 가려내는 것은 여전히 매우 어려운 일입니다.
💡 완벽하지는 않지만, 태국어 기사를 읽으실 때 인명이 어색하게 쪼개져 독해의 흐름이 끊기지 않도록 계속해서 규칙을 점검하고 보완해 나가고 있습니다. 읽으시면서 이름이 부자연스럽게 나뉘는 경우를 발견하시면 언제든 편하게 알려주세요. 차분하고 꾸준하게 다듬어 가겠습니다.