TL;DR

  • 언어학에서 AI를 인간의 언어 능력을 모델링하는 데 그치지 않고 이론을 구성하고 평가하는 공동 과학자로 활용하는 Co-Linguistics를 제안함.
  • 1960년대 이후 언어학에서 발전한 이론은 형식 언어 이론이나 모형 이론을 통해 수학적으로 형식화할 수 있는 경우가 많음.
  • AI는 기존 이론을 명시적으로 정리하고 경쟁 이론을 비교하며, 프로그램 유도(program induction) 방식으로 새 이론을 제안할 수 있음.
  • AI는 데이터에 폭넓게 접근해 이론의 핵심 예측을 찾고 검증하는 과정을 가속하며, 이는 능동 학습(active learning)과 연관됨.
  • 이론 구성과 평가의 순환적 개선에서도 언어학자의 과학적 방향 설정과 개념적 평가, 실험 참여자의 역할이 계속 중요함.

연구 개요

  • 논문은 대형 언어 모델(LLM)을 인간의 언어 능력을 모델링하는 대상으로 보는 기존 연구와 구별되는 AI 활용법으로 Co-Linguistics를 제안함.
  • Co-Linguistics는 AI를 언어학 이론을 구성하고 평가하는 공동 과학자로 활용하는 접근임.
  • 논문 정보: Emmanuel Chemla, Benjamin Spector, Alexandros Kalomoiros, Philippe Schlenker가 작성했으며, arXiv:2609.37635로 2026년 9월 29일 제출됨.
  • 분야는 계산과 언어(Computation and Language, cs.CL)이며, DOI는 https://doi.org/10.48550/arXiv.2609.37635임.

언어학 이론과 AI의 역할

  • 1960년대 이후 언어학은 원칙적으로 수학적 형식화가 가능한 이론을 발전시켜 왔으며, 이론은 형식 언어 이론이나 모형 이론의 언어로 기술되는 경우가 많음.
  • 수학 분야의 AI 혁명은 언어학에도 영향을 미치지만, 언어학자의 목표는 새로운 정리를 증명하는 일이 드묾.
  • 언어학의 주된 목표는 경험적 진술을 도출하는 데 가장 적합한 공리 집합을 찾는 일임.
  • AI는 기존 이론을 완전히 명시하고 경쟁 이론을 비교하며, 더 나아가 새 이론을 제안함으로써 연구를 가속할 수 있음.
  • 기계 학습에서 새 이론 제안은 프로그램 유도와 관련됨.

이론 평가와 인간의 역할

  • AI는 방대한 데이터에 접근해 이론의 핵심 예측을 식별하고 검증하는 일을 가속할 수 있으며, 이 과정은 기계 학습의 능동 학습과 관련됨.
  • 이론 평가에서 이론 구성으로 이어지는 순환은 언어학 이론의 반복적이고 어쩌면 자율적인 개선으로 이어질 수 있음.
  • 언어학자는 과학적 방향을 제시하고 이론을 개념적으로 평가하는 데 계속 중심적 역할을 함.
  • 대형 언어 모델이 다룰 수 없는 경험적 예측을 평가하려면 실험 참여자도 필요함.