서울교육대학교 韓國初等敎育 제31권 제4호 DOI http://dx.doi.org/10.20972/Kjee.31.4.202012.

213
The Journal of Korea Elementary Education
Vol. 31, No. 4, 213-224 December 2020

알파고와 파파고: 인공지능과 영어교육의 관계*

*

윤여범**

< 요 약 >
우리가 일상생활에서 가장 자주 그리고 가깝게 접할 수 있는 인공지능으로 자동차의 내비게이션을
예로 들 수 있다. 내비게이션의 현재 기능을 보면 불과 수년 전에는 예상하기 어려웠던 것이 많이 있
다. 이처럼 최근 우리 사회의 거의 모든 분야에 영향을 주고 있는 인공지능의 발전 속도는 놀라울 정
도이다. 본 논문에서는 인공지능의 발전과 인공지능이 영어교육에 끼치는 영향에 대해 알아보기 위해
알파고(AlphaGo)와 파파고(Papago)를 중심으로 논의하고자 한다. 알파고는 2016년 프로기사를 대
표하는 이세돌 9단에게 승리함으로써 바둑계뿐만 아니라 일반인들에게도 인공지능의 대명사라고 할
정도로 널리 알려지게 되었다. 바둑의 어려움과 심오함을 감안하면, 등장한 지 불과 3년 이내에 인간
대표에게 승리를 거둔 알파고의 능력에 놀라움을 넘어 두려움을 느낄 정도이다. 알파고의 더욱 놀라운
점은 자체적인 학습 능력을 갖추고 있어서 수천 년 역사에서 인간이 두지 않은 수를 창의성 있게 둘
수 있다는 점이다. 번역 인공지능인 파파고 또한 최근에 발전을 계속하고 있다. 아직까지는 번역 대상
언어 간의 문화적 차이와 관용적 용법 등을 번역하는 데 있어서는 한계점이 분명하지만, 어휘가 아무
리 어렵고 문장 구조가 아무리 복잡해도 사실적 글을 번역하는 속도와 정확도는 매우 우수하다. 최근
에 발전을 거듭하고 있는 챗봇(chatbot)과 함께, 번역기는 우리나라의 영어교육 환경에서 효과성이 지
속적으로 입증되고 있다. 이에 따라 영어교육의 대표적인 목표가 의사소통능력의 향상이라는 사실에도
점차적인 변화가 일어나고 있다. 예를 들어, 번역기의 결과물을 자신의 상황에 맞게 수정할 수 있는 능
력이 더욱 요구되고 있다. 또한 영어 자체에 대한 구사력과 테크놀로지를 활용할 수 있는 능력도 필수
역량으로 부각되고 있다. 인공지능 시대의 영어교육 환경은 더욱 빠르게 변화하고 있으며, 이러한 변
화는 교사에게는 교과 내용에 대한 지식뿐만 아니라 테크놀로지 활용에 대한 지식도 요구하고 있다.

주제어: 알파고, 영어교육, 인공지능, 파파고

* 이 논문은 2020년도 서울교육대학교 교내연구비 지원으로 연구되었으며, 교내학술대회 발표 원고를 수정･보완하였음.

** 서울교육대학교 교수, ybyoon@snue.ac.kr

- 213 -
 I. 서론

인공지능(AI: Artificial Intelligence)이라는 용어가 처음 사용된 것은 1956년 미국 다트머스 대학교에서

개체된 학회(The Dartmouth Summer Research Project on Artificial Intelligence)에서였다. 이후 인공
지능은 1996년 딥블루(Deep Blue)가 인간 챔피언을 상대로 체스에 도전한 것을 비롯하여 성공과 실패를 거
듭하며 지속적으로 발전하고 있었다. 최근에는 많은 분야에서 비약적인 발전을 이루고 있는 인공지능의 대표
적인 예로 왓슨(Watson)을 들 수 있다. 왓슨은 의학, 법률 등 많은 분야에서 우리사회에 공헌하고 있으며
2011년 퀴즈 프로그램에서 인간 챔피언을 상대로 완승함으로써 인공지능의 능력을 여실히 보여주었다. 그러
나 불과 5년 후인 2016년에 알파고(AlphaGo)가 보여준 능력은 왓슨의 성과를 훨씬 뛰어넘는 것이었다.
알파고는 최고를 의미하는 ‘알파’(alpha)와 바둑을 의미하는 한자인 ‘기’(碁)의 일본어식 발음 ‘고’(go)를 조
합하여 만든 것이며, 최고의 바둑 프로그램 개발을 목표로 한 것이다. 잘 알려진 바와 같이, 2016년 알파고의
바둑계 데뷔는 성공적인 정도가 아니라 경이로울 정도였다. 체스를 비롯한 다른 보드 게임들과는 비교할 수 없
을 정도로 난이도가 높은 바둑은 인공지능의 도전이 아직까지는 힘들 것이라는 예상과 달리, 알파고는 인간 챔
피언에게 완승을 거두었다. 이후 알파고는 인공지능의 대명사처럼 불리게 되었다. 예를 들어, 법원의 판결이
부정확하다고 느끼면 알파고 판사를 도입해야 한다는 주장이 나오기도 하고, 프로 스포츠의 심판이 오심을 할
때마다 알파고 심판 도입의 필요성 이야기가 자주 나온다. 이처럼 알파고는 우리 사회의 거의 모든 분야에 끼
치는 인공지능의 영향을 대표한다고 할 수 있다.
최근 인공지능이 우리 사회에 끼친 많은 영향의 하나로 번역기의 발달을 들 수 있다. 알파고가 인간을 상대
로 바둑에 도전하고, 왓슨이 인간을 상대로 퀴즈 프로그램에 도전한 것이라면, 번역기는 인간의 언어에 대한
도전이라고 할 수 있다. 알파고와 왓슨의 발전만큼이나 최근 번역기도 많은 발전을 이루고 있다. 2017년 공식
출시된 파파고(Papago)는 기계번역(machine translation) 방법을 활용하여 번역의 정확도를 더욱 높여가고
있다. 불과 수년 전에는 어색하게 번역되었던 관용 표현도 무난하게 번역한다.
번역기는 우리의 일상생활에 많은 편리함을 제공함과 동시에 기존의 영어교육에도 큰 영향을 끼치고 있지만
(심창용, 이재희, 2018), 인간의 언어에는 바둑보다 훨씬 더 많은 변수가 있어서 알파고의 바둑 능력이나 왓슨
의 퀴즈 풀이 능력만큼의 완벽한 번역 능력을 기대하기에는 시기상조라고 할 수 있다. 그러나 알파고와 왓슨에
서 볼 수 있는 인공지능의 발전 속도를 고려하면, 상당히 빠른 시기에 번역기에 있어서도 놀라운 변화가 있을
것을 예상할 수 있다. 예를 들어, 임완철(2017)은 2030년이 되면 인간의 정신을 디지털 형식으로 변환하여 외
부 매체에 저장하는 것이 가능해진다고 주장하며 가까운 미래에 완벽한 번역기의 등장도 가능함을 암시한다.
본 논문은 인공지능의 발전과 영어교육의 관계를 살펴보는 것을 목적으로 한다. 이를 위해 다음 세 가지를
위주로 논의하고자 한다. 첫째, 대표적인 보드 게임으로서 무한대에 가까운 바둑의 복잡성에 대해 알아보고,
이러한 복잡성에도 불구하고 알파고(AlphaGo)는 어떻게 엄청난 바둑 실력을 갖추게 되었는지 설명하고자 한
다. 둘째, 대표적인 인공지능 프로그램의 하나인 왓슨(Watson)이 엄청난 기억력과 정확한 계산력뿐만 아니라
인간의 언어를 알아듣고 어떻게 정확한 대화를 할 수 있는지 알아보고자 한다. 셋째, 파파고(Papago)의 장단
점을 분석하고 번역기의 발전 방향을 알아본다. 마지막으로 위의 논의들을 바탕으로 인공지능의 발전이 영어
교육에 주는 의미와 시사점에 대해 논의하고자 한다.

- 214 -
 Ⅱ. 알파고

1. 바둑의 어려움

한중일을 비롯한 동아시아를 대표하는 보드 게임이 바둑이라고 한다면, 러시아를 비롯한 유럽의 대표적인 보
드 게임은 체스라고 할 수 있다. 지금까지 수많은 체스 대국이 있었지만, 두 판의 체스가 동일한 수순으로 끝난
것은 한 번도 없다. 두 판의 체스가 동일하게 마무리될 확률은 10의 123승 분의 1이며 이는 1초에 2억 회의
계산 능력으로도 해결할 수 없다고 한다(감동근, 2016). 이처럼 복잡한 체스가 1997년에 컴퓨터 프로그램에 의
해 정복되었다. 1996년에 도전에 실패한 딥블루(Deep Blue)보다 더 강해진 디퍼블루(Deeper Blue)가 1997
년 세계 체스 챔피언이었던 러시아의 카스파로프(Kasparov)에게 2승 3무 1패의 전적으로 승리를 거둔 것이다.
전적에서 볼 수 있듯이, 체스 고수 간의 대국에서는 많은 분석과 연구의 결과로 인해 무승부가 자주 나오는 특
성이 있다. 보드 게임 중에서 승패를 미리 확인할 수 있는 것을 ‘풀린 게임’(solved game)이라고 부른다. 예를
들어, 1993년에는 15줄 바둑판에서 두는 오목은 흑백이 최선을 다한다면 먼저 둔 흑이 무조건 이긴다는 것이
입증되었다. 체스도 마지막 기물이 7~8개 남은 시점에서는 풀린 게임이 되었다고 한다(감동근, 2016).
이처럼 오목과 체스가 이미 컴퓨터에 정복당한 시점에서 알파고의 등장은 얼마나 더 큰 파급력이 있는 것일까?
정답은 체스와는 비교할 수 없는 바둑의 복잡함에 있다. 바둑은 체스의 경우의 수보다 10의 100승 이상 더 복잡
하다고 한다. 사실상 무한대에 가까운 것이다. 바둑판에는 가로세로 19개의 선이 만나는 361개의 점이 있으며,
바둑은 흑과 백이 번갈아 가며 361개의 점 하나에 두는 게임이다. 즉 먼저 두는 흑이 처음에 둘 수 있는 경우의
수는 1/361이며, 이어서 백이 선택할 수 있는 경우의 수는 1/360이 된다. 이처럼 반복하여 평균 200수 정도의
바둑을 둔다면 두 판의 바둑이 동일하게 두어질 확률은 거의 0에 가깝게 된다. 게다가 바둑에는 ‘패’라고 하는 규
칙도 있어서 한 번 둔 곳에 다시 둘 수도 있어서 바둑의 경우의 수는 더욱 커져 거의 무한대라고 할 수 있다.
따라서 바둑을 잘 두기 위해서는 치밀한 계산 능력만으로는 한계가 있으며, 말로는 표현할 수 없는 직관 능
력이 필요하다. 이러한 직관 능력은 완벽한 설명이 가능한 정량화된 정보가 아니라, 학습과 경험을 통해 얻어
지는 비정량화된 정보이다. 바로 이 직관 능력 덕분에 많은 아마추어를 상대로 두는 지도다면기(指導多面棋)에
서 프로 기사가 수를 거의 계산하지 않고 감각만으로 두면서도 쉽게 이길 수 있는 것이다. 이러한 무한대에
가까운 바둑의 복잡성과 직관 능력 때문에 체스가 컴퓨터에 패배한 1997년 이후에도 프로 기사를 비롯한 바
둑 관계자들은 바둑만큼은 컴퓨터가 인간을 결코 이길 수 없을 것이라고 굳게 믿었다. 그러나 그 믿음은 20년
도 지나지 않은 2016년 알파고의 등장과 함께 완전히 무너지게 되었다.

2. 알파고의 영향력

2016년 3월 9일 알파고와 이세돌의 5번기가 시작되었다. 대국이 시작하기 전 일부 과학자들은 인공지능이

그동안 많은 발전을 이루어 왔기 때문에 알파고의 승리를 예상하고 있었던 반면에, 프로기사를 비롯한 많은 바
둑 관계자는 5:0 또는 4:1로 이세돌의 완승을 예상하고 있었다. 결과는 바둑 관계자들의 예상과는 정반대로
1:4로 이세돌의 완패였다. 바둑계는 경악을 금치 못했다.
제5국이 끝난 2016년 3월 15일 이후, 알파고는 바둑 프로그램으로는 물론이고 인공지능을 대표할 정도의
유명세를 누리게 될 정도였으며 하나의 사회 현상으로 작용하기 시작했다. 예를 들어, 2016년 이후 인공지능
에 관한 많은 문헌에서 알파고에 대해 상세히 다루기 시작했다(감동근, 2016; 김대식, 2016; 김의중, 2016;
박영숙, 벤 고르첼, 2016; 임완철, 2017; Amari, 2017; Bostrom et al., 2017). 또한 인공지능 자체를 다룬
문헌이 아닌 과학과 수학을 비롯한 각과 교육에 있어서도 인공지능에 관한 언급이 있을 때마다 알파고는 거의

- 215 -
빠짐없이 등장했다(구덕회, 김동진, 2020; 박만구, 2020; 박민영, 엄우섭, 2020; 박형빈, 2020; 서정연,
2020, 원진숙, 2020). 영어교육 관련 문헌에서도 알파고는 자주 언급되었다(김명희, 2018; 김인석, 2019; 김
혜영, 신동광, 이장우, 김영우, 양혜진, 2019; 윤여범, 박미애, 2020; 이동한, 2018).

3. 알파고와 이세돌의 대국

알파고와의 대국에서 이세돌은 1:4로 패했지만, 제4국에서 승리함으로써 2016년 이후 지금까지 알파고를
이긴 유일한 인간으로 기록되었다. 4년이 지난 지금에는 인간 챔피언과 알파고의 격차가 더욱 커졌기 때문에
이 기록은 영원히 남게 될 것이 확실하다. 여기에서는 전체 대국의 개요와 의미에 대해 간략히 언급하고, 제2
국에서 볼 수 있는 알파고의 특이점에 대해 설명하려고 한다.
구글이 이세돌을 알파고의 상대로 선정한 배경에는 이세돌이 2016년 기준으로 지난 10년간 통산 세계 랭킹 1
위였다는 점과, 이세돌의 천재성과 유명세도 작용했을 것이다. 이렇게 성사된 알파고와 이세돌의 대국 조건은 우승
상금 100만 달러, 대국료 15만 달러, 승리수당 2만 달러였다. 이세돌에게는 알파고를 상대로 가령 5:0으로 승리를
거두면 총 125만 달러라는 거액의 상금을 획득하는 좋은 기회임과 동시에, 인류를 대표하는 부담도 큰 대결이었다.
제1국은 알파고의 승리로 끝났다. 인공지능과의 대국이라는 어색함과 긴장감 등 여러 요인을 감안해도 이세
돌의 패배는 실감하기 힘들었지만, 그래도 이때까지는 알파고를 전적으로 인정하는 분위기는 아니었다. 그러나
제2, 3국에서도 알파고는 지금까지 인간의 바둑에서는 볼 수 없었던 수들을 선보이며 완승을 거두었다. 일반적
으로 3:0이면 승부가 가려진 것이지만, 애초의 대국 조건이 승패의 결과와 상관없이 다섯 판을 모두 두는 것이
었다. 이어진 제4국에서 이세돌은 신의 한 수라고 불리는 묘수로 극적인 승리를 거두었다. 컴퓨터 화면에
“AlphaGo Resigns.”라는 문장이 나타났다. 알파고가 자신을 3인칭으로 부르며 패배를 인정한 것이다. 그러나
최종국인 제5국에서는 다시 한 번 알파고가 뛰어난 기량을 보이며 승리를 거두며 4:1로 모든 대국이 끝났다.
알파고는 이세돌과의 대국에서 인간 바둑의 고정 관념을 뛰어 넘는 수를 자주 보여주었다. 그 중 가장 대표
적인 예는 제2국의 흑 37수로, 다음의 기보에서 삼각형으로 표시한 수이다(사이버오로 기보에서 발췌).

그림 1. 알파고와 이세돌의 제2국 37수

- 216 -
 위 기보에서 삼각형으로 표시한 흑의 37수는 알파고가 그동안 연습 및 분석 대상으로 한 인간 프로기사들
의 바둑에서는 전혀 볼 수 없는 수이다. 이 수는 원래 백돌이 한 줄 우측에 있을 때 두는 수이며, 지금의 상황
에서는 백에게 많은 실리를 제공하기 때문에 전혀 두지 않는 수이다. 알파고를 대신하여 흑돌을 바둑판에 옮기
던 구글의 아자 황 박사(아마추어 6단)도 이 수를 둘 때에는 매우 당황하였다고 한다(Bostrom, et al., 2017).
알파고가 분석 대상으로 한 프로기사들의 대국에서는 이 수가 두어진 적이 전혀 없었기 때문에 알파고가 프로
기사의 수를 모방하여 이 수를 두었다기보다는 이 수가 승리에 도움이 되는 것을 자체적으로 판단한 것이라고
할 수 있다. 대국이 점차 진행되면서 흑 37수의 가치는 더욱 빛나게 되었다. 이처럼 알파고는 정확한 계산 능
력뿐만 아니라 직관을 가지고 있으며, 아름답고 창의적인 수를 둔다. 구글의 공동창업자 세르게이 브린은 알파
고의 능력에 대해 다음과 같이 언급했다(Bostrom et al., 2017, p. 72).

AlphaGo actually does have an intuition. It makes beautiful moves. It even creates more
beautiful moves than most of us could think of.

이와 같은 알파고의 자체 학습 능력은 언어 습득의 상황과 비교할 수 있다. 두 경우 모두 모방에만 의존하

지 않고 자체적인 규칙을 설정하고 그 규칙을 바탕으로 창의적으로 발전해 간다는 것이 공통점이다. 여러 가지
측면에서 알파고의 승리는 바둑계뿐만 아니라 사회 전반에 많은 충격으로 다가 왔으며 인공지능 발전의 큰 전
환점이 되었다고 할 수 있다. 알파고 개발의 책임자인 딥마인의 데미스 하사비스는 알파고의 승리를 “인류의
달착륙”에 비유했다(Bostrom, et al., 2017). 또한 감동근(2016, p. 305)은 알파고가 승리한 의미에 대해 다
음과 같이 언급한다.

알파고의 성취가 시사하는 바는 바둑과 같이 모든 정보가 공개되고 목표와 규칙이 명확하게 정의된 문제
라면 어떤 문제든 풀어낼 가능성이 높은 인공지능이 탄생했다는 점이다.

4. 알파고 이후의 버전

알파고는 2014년 개발을 시작한 이래, 다양한 버전으로 급속히 발전해 오고 있었으며 2016년에는 인간 챔
피언에게 승리를 거두었다. 2016년 버전의 알파고는 이세돌과 대국을 했다는 점에서 알파고Lee라고 부른다.
이세돌에게 완승을 거두었다는 점에서 알파고Lee 버전의 뛰어난 기량은 이미 입증된 바 있다. 개발을 시작한
이래 불과 2년만의 일이라는 점을 감안하면, 알파고의 발전 속도가 경이롭기까지 하다.
2017년에는 알파고가 더욱 발전하여 알파고Zero 버전이 나타났다. 알파고Zero는 당시의 세계 랭킹 1위인
중국의 커제를 상대로 너무나도 쉬운 승리를 거뒀다. 알파고Lee가 이세돌을 상대로 이긴 것보다 더욱 압도적
인 내용이었다. 놀랍게도 알파고Zero는 인간들의 대국을 분석하지도 않고 바둑 규칙만을 입력하여 자체 대국
을 통해 실력을 향상시켰다고 한다. 알파고는 데뷔한 지 3년만에 인간 바둑계를 평정했다. 수천년 동안 발전해
온 인간의 바둑이 너무나 짧은 시간에 인공지능에 의해 극복된 것이다. 2016년 이세돌과 대국한 알파고 이후,
지난 4년간 수많은 바둑 프로그램들이 발전에 발전을 거듭하고 있어서 2020년 현재에는 인간과 바둑 프로그
램의 대결은 더 이상 의미가 없을 정도이다. 오히려 인공지능 프로그램만을 위한 바둑 대회가 열릴 정도이다.
이처럼 인간 프로기사와 바둑 프로그램의 차이는 점점 더 커지고 있다.

- 217 -
 Ⅲ. 왓슨

왓슨(Watson)은 IBM 창업자의 이름을 따서 만든 인공지능으로 엄청난 정보의 저장 능력과 학습 능력을 갖

추고 있다. 왓슨의 능력은 미국의 유명 퀴즈 프로그램인 제퍼디(Jeopardy)에서 여실히 드러났다. 제퍼디는
1964년 처음 시작된 이후 지금까지 계속되고 있는 인기 퀴즈 프로그램으로써, 최근 제퍼디에 나온 질문 중의
하나를 예로 들면 다음과 같다.

THIS K-POP GROUP MADE ITS OFFICIAL U.S. TV DEBUT AT THE 2017 AMERICAN MUSIC
AWARDS, PERFORMING ITS HIT "DNA"

위 질문의 정답은 ‘방탄소년단’이다. 이와 같이 제퍼디의 질문은 미국의 정치, 경제, 사회, 문화뿐만 아니라
세계 각국의 다양한 분야의 상세한 내용까지 포함한다. 제퍼디 참가자들은 이와 같이 상세한 내용에 대한 정답
을 경쟁자들보다 먼저 말해야 하기 때문에 많은 지식뿐만 아니라, 계산력과 순발력 등 다른 능력도 필요하다.
2011년 2월 왓슨은 역대 최고 상금 보유자인 Brad Rutter, 최다 우승 기록을 가지고 있는 Ken Jennings
와 겨루게 되었다. 왓슨은 7만 달러 정도의 상금을 획득한 반면에, 경쟁자들은 2만 달러 정도의 상금에 그침으
로써 왓슨의 완승으로 끝났다. 알파고와 이세돌의 대결처럼, 컴퓨터가 인간에게 완승을 거둔 것이다.
왓슨이 퀴즈 프로그램에서 우승을 했다는 것은 단순히 기억력(즉, 저장 능력)이 좋은 것만을 의미하는 것은
아니다. 임완철(2017, p. 97)은 퀴즈 프로그램에서 우승하기 위해 왓슨에게 필요한 능력을 다음과 같은 네 가
지로 제시했다.

(1) 자연어 처리 능력
(2) 학습 능력
(3) 연산 능력
(4) 저장 능력

위의 네 가지 능력 중에서 자연어 처리(natural language processing) 능력은 왓슨이 사회자의 말을 알아

듣고 상황에 맞게 답을 할 수 있는 능력을 갖추었음을 의미한다. 자연어란 인간의 의사소통을 위해 자연 발생
적으로 생긴 것으로서 인공적인 언어와는 다르다. 자연어에는 가장 기본적인 의사소통을 위한 기능
(communicative function) 이외에도 사교적 기능(phatic function)을 비롯하여 비유와 농담 등 다양한 상
황이 포함되어 있다. 이처럼 자연어에는 직설적인 의미보다 훨씬 더 미묘한 의사 전달의 방식이 있기 때문에
외국어 학습이 어려운 것이다. 왓슨은 학습 능력, 연산 능력, 저장 능력이 인간보다 훨씬 더 뛰어났을 뿐만 아
니라, 자연어 처리 능력도 상당히 뛰어났기 때문에 제퍼디에서 우승했다는 점에 주목할 필요가 있다. 왓슨은
단순히 정보를 검색해서 답을 보여주는 것을 뛰어넘어 인간과 같은 방식으로 대화에 참여하고 있음을 볼 수
있다(Denham & Lobeck, 2013, p. 340).

IBM’s Watson is a “question-answering” machine, designed to understand questions put to

it in natural language and respond (through a voice synthesizer) with a factual answer. So
Watson, unlike a search engine, doesn’t simply point a user to a document that contains the
answer. Rather, Watson produces an answer itself, as a human would in conversation.

- 218 -
 실제로 왓슨이 풀었던 문제 중에서 다음과 같은 두 가지만 살펴보아도 왓슨의 능력을 실감할 수 있다. 첫
번째 문제는 다음과 같이 매우 상세한 기억력을 묻는 것이었다(감동근, 2016, p. 64).

MILORAD CAVIC ALMOST UPSET THIS MAN'S PERFECT 2008 OLYMPIC, LOSING TO HIM
BY ONE HUNDREDTH OF A SECOND.

이 문제는 THIS MAN이 누구인지를 묻는 것으로써 정답은 미국의 수영 선수 Michael Phelps이다. 왓슨

이 문제의 정답을 맞히기 위해서는 2008년 올림픽 수영 종목의 결과에 대한 매우 상세한 내용도 기억해야 할
뿐만 아니라, 다른 경쟁자들보다 더 빨리 “Who was Michael Phelps?”와 같이 적합한 문장으로 대답해야 한
다. 왓슨이 저장 능력 이외에도 자연어 처리 능력을 갖추고 있음을 잘 보여주고 있다.
다음 문제의 정답을 맞힌 것을 보면 왓슨은 사실적 정보뿐만 아니라 농담에 대한 이해력도 갖추고 있는 듯
하다(감동근, 2016, p. 67).

EVEN A BROKEN ONE OF THESE ON YOUR WALL IS RIGHT TWICE A DAY.

알파고가 바둑을 정복하고 이제는 다른 분야에서도 활용되고 있는 것과 마찬가지로, 왓슨도 제퍼디에서 우

승한 이후, 퀴즈 프로그램을 떠나 의학, 법률 등 다른 분야에서 많은 활약을 하고 있다. 이처럼 알파고와 왓슨
을 비롯한 인공지능은 우리 사회의 많은 분야에서 사람이 할 수 있는 것보다 더 정확하고 효율적인 방식으로
업무처리를 할 것으로 기대된다.

Ⅳ. 파파고

파파고(Papago)는 네이버에서 개발한 기계번역 프로그램으로 2020년 현재 한국어와 영어를 포함하여 13

개국어의 번역이 가능하다. 파파고는 에스페란토어로 ‘앵무새’를 뜻한다. 에스페란토어가 원래 전세계의 공용
어를 목표로 인위적으로 개발된 언어임을 감안하면 파파고라는 이름은 의미심장하다. 전세계의 공용어가 되기
위해 야심차게 시작했지만 실패했던 에스페란토어를 대신하여 파파고는 세계의 주요 언어들을 번역하여 세계
인들의 의사소통을 편리하게 하고 있다. 여기에서는 파파고의 현재까지의 발전 현황을 바탕으로 장점과 단점
을 각각 살펴보고자 한다.

1. 파파고의 장점

파파고의 첫 번째 장점은 기초적인 일상생활을 위한 문장의 번역에 있어서는 거의 완벽하다는 점이다. 예를

들어, “주변에 맥도날드 있습니까?”와 같은 문장은 영어를 비롯하여 다음과 같이 다양한 외국어로 신속하고 정
확한 번역이 가능하다.

영어: Is there McDonald's around here?

일본어: この周辺にマクドナルドがあるんですか?
중국어: 这周围有麦当劳吗？

- 219 -
 스페인어: ¿Hay un McDonald's cerca de aquí?
독일어: Gibt es McDonald's in der Nähe?
프랑스어: Est-ce qu'il y a un McDonald's dans les environs?
러시아어: Здесь есть МакДональдс?

위와 같이 각국어로 번역된 문장들은 음성으로도 지원 가능하기 때문에 편리하게 사용할 수 있다.

둘째, 알파고가 인공지능을 바탕으로 하여 기존 바둑 프로그램의 실력을 압도한 것과 마찬가지로, 파파고도
인공신경망 기계번역 기술을 도입하여 기존 번역 프로그램의 성능을 뛰어넘게 되었다. 알파고가 자체 학습을
통해 바둑 기량을 향상시킨 것처럼, 파파고도 인공지능 학습을 통해 번역의 정확도를 높여가고 있다. 번역의
정확도를 높이기 위한 한 가지 방법으로는 단어 단위가 아닌 문장 단위로 번역해야 하는데 파파고의 우수성은
다음과 같은 번역의 결과에서 볼 수 있다(한경 경제용어 사전). 구글 번역기는 단어 단위로 직역함으로써 어색
한 번역을 하고 있는 반면에, 파파고는 문장 단위 번역을 통해 한국어의 숙어적인 의미를 살려 영어로 정확하
게 번역하고 있다.

한국어: 나를 말리지마.
구글 번역기: Do not let me dry up.
파파고: Don't stop me.

셋째, 파파고는 다음과 같이 복잡한 문장도 매우 신속하고 정확하게 번역할 수 있는 장점이 있다.

Our fathers brought forth on this continent a new nation, conceived in liberty and
dedicated to the proposition that all men are created equal.

위 문장은 링컨의 게티스버그 연설문의 일부이다. 사용된 어휘의 난이도와 문장 구조의 복잡성을 감안하면
사람이 번역을 하기에는 시간도 오래 걸리고 정확도를 보장하기도 어려울 것이다. 그러나 파파고는 한 번의 클
릭만으로 다음과 같이 거의 완벽한 결과물을 보여준다.

우리의 아버지들은 자유 속에서 잉태되고 모든 인간은 평등하게 창조된다는 명제에 헌신하는 새로운
국가를 이 대륙에 이끌어 냈습니다.

이처럼 파파고는 어휘가 어렵고 문법적 구조가 복잡한 문장이라고 하여도 사실적 진술문을 번역하는 데 있
어서는 대단히 놀라운 기계번역의 성과를 보여준다. 이는 감동근(2016)이 알파고의 성과에 대해, 아무리 복잡
한 문제라고 해도 일련의 규칙이 정해져 있다면 결국 인공지능에 의해 해결될 수 있음을 보여준 것이라고 언
급한 것과 일맥상통한다.

2. 파파고의 단점

앞서 살펴보았듯이, 파파고는 비약적인 발전을 이루어가고 있지만 아직까지 부족한 점이 있는 것은 분명하

다. 대표적인 예로 2017년 2월 세종대학교에서 열린 전문 번역가와 파파고의 번역 대결을 들 수 있다. 4명의
전문 번역가와 파파고를 비롯한 인공지능 번역기가 영한 및 한영 번역으로 경쟁했는데 결과는 전문 번역가의

- 220 -
완승이었다. 인공지능에게 아직까지는 바둑보다는 언어가 더 어렵다는 것을 보여준 결과라고 할 수 있다.
파파고의 대표적인 단점은 문화적 차이와 관련된 문장을 번역하는 데 있어 아직까지 한계가 있다는 점이다.
예를 들어, “낮말은 새가 듣고 밤말은 쥐가 듣는다.”와 같은 한국어 속담을 “Birds hear the day and rats
hear the night.”와 같이 영어 문장으로 직역하여 원래 속담의 의미를 정확히 번역하지 못한다. 속담뿐만 아
니라, 예를 들어, 한국어의 친척관계 어휘를 비롯한 영어 문화권에는 없는 개념의 어휘를 번역하는 데 있어서
는 앞으로도 많은 어려움이 있을 것으로 예상된다. 뿐만 아니라, 영어 문화권에는 있지만 한국어에는 없는 개
념을 번역하는 영한 번역에 있어서도 유사한 어려움이 있을 것이다. 이와 같은 문화적 차이를 반영하지 못하는
한계점이 앞서 언급한 전문 번역가와의 번역 대결에서 파파고가 실패한 이유와 깊은 관련이 있을 것이다.
파파고의 한영 번역이 어려운 또 다른 예로 사자성어를 들 수 있다. 사자성어는 한자어에 바탕을 두고 있기
때문에 숙어적인 요소뿐만 아니라 문화적인 요소까지 포함하고 있어서 직역은 사실상 무의미한 경우가 거의
대부분이다. 예를 들어, 잘 알려진 사자성어인 ‘삼천지교’(三遷之敎)는 현재의 파파고의 번역에 의하면
Samcheonji Bridge라는 전혀 의외의 결과물이 나온다.
현재까지 개발된 파파고에 많은 장점이 있는 것은 분명하다. 어휘가 아무리 어렵고 구조가 복잡한 문장이라
고 하더라도 사실적, 직설적 의미라면 정확한 번역이 가능한 것으로 보인다. 반면에 숙어적, 문화적 차이까지
감안하여 번역할 수 있는 기술을 아직까지 갖추지 못한 것도 분명해 보인다. 그러나 현재 발견되는 이와 같은
단점들도 알파고가 보여준 인공지능의 놀라운 발전 속도를 감안하면 가까운 미래에 번역의 정확성을 더욱 잘
갖추어서 우리의 일상생활에 큰 도움을 줄 뿐만 아니라 영어교육에 있어서도 효율적인 학습 도구로 자리 잡을
것으로 기대된다.

Ⅴ. 결론

알파고는 인간을 상대로 도저히 이길 수 없을 것 같던 바둑에서 승리함으로써 인공지능 발전의 획기적인 전

환점을 이루었다. 왓슨 또한 체스를 뛰어넘어 의학, 법률 등 많은 분야에서 본격적으로 활약할 날이 멀지 않은
것 같다. 인공지능의 다음 도전은 자동차의 내비게이션을 비롯한 우리 일상생활의 많은 분야에서 이루어지고
있으며 그 중 하나가 번역기라고 할 수 있다. 본 논문에서 대표적인 번역 프로그램인 파파고를 분석해 본 결
과, 아직까지는 언어 간의 문화적, 관용적 차이를 번역하는 데 있어서는 부족한 점이 많이 있었다. 그러나 알
파고가 대표적으로 보여준 최근 인공지능의 발전 속도를 감안하면 번역에 있어서도 가까운 미래에 상당한 발
전을 보일 것으로 예상된다.
영어교육에 있어 이와 같은 번역기의 발전이 시사하는 바는 매우 클 것이다. 예를 들어, 심창용과 이재희
(2018)는 번역기의 발달로 인해 현행 2015 개정 교육과정을 비롯한 지금까지 가장 대표적인 영어교육의 목표
였던 ‘의사소통능력의 향상’이 더 이상 영어교육의 궁극적인 목표가 될 수 없다고 주장한다. 단, 번역기는 아직
까지는 각 언어의 문화나 관용 표현을 정확히 번역할 수 없기 때문에 앞으로의 영어교육의 목표는 번역기의
결과물을 자신의 상황에 맞게 수정할 수 있는 고급 영어 구사력을 갖추는 것이라고 주장한다. 또한, 김혜영 등
(2019)은 미래에 완벽한 통역 로봇이 등장한다고 해도 외국어 교육은 계속 필요할 것이라고 주장한다.
지금까지 알파고와 왓슨을 통해 살펴본 인공지능의 놀라운 발전을 볼 때 앞으로의 영어교육에도 많은 변화가
나타날 것이 분명해 보인다. 예를 들어, 김인옥(2020)은 디지털 교과서와 번역기(파파고)를 활용한 초등영어 수
업이 쓰기에 있어서 많은 도움을 주는 것을 밝혔다. 특히, 번역기는 학생들이 번역의 결과물을 직접 신속하게
확인할 수 있게 해줌으로써 특히 어휘력의 신장에 도움을 주었고, 음성으로 번역을 확인함으로써 듣기에도 도

- 221 -
움을 주는 것으로 나타났다. 또한 정의적 영역에 있어서도 참여한 학생들의 긍정적인 반응을 볼 수 있었다. 이
처럼 인공지능을 활용한 번역기는 앞으로 영어 학습의 보조 도구로 확고한 자리를 차지할 수 있을 뿐만 아니라,
영어 쓰기 수업을 교사 중심에서 학생 중심으로 전환하는 데 큰 도움을 줄 수 있을 것이다(김인옥, 2020).
인공지능이 영어교육에 도움을 주고 있는 분야는 번역기뿐만 아니라, 최근 많은 연구의 대상이 되고 있는
챗봇(chatbot)을 예로 들 수 있다. 우리나라 영어교육 환경에 있어 챗봇 활용의 긍정적 효과가 많이 보고되고
있다(김혜영, 신동광, 이장호, 김영우, 양혜진, 2019; 성민창, 강정진, 2020; 윤여범, 박미애, 2020; 이동한,
박상인, 2019; 최원경, 2020). 예를 들어, 최원경(2020)은 초등영어 말하기 수업에서 나타난 챗봇의 다양한
효과와 장점에 대해 자세히 언급하고 있다. 향후 영어교육에 있어 챗봇에 대한 연구는 더욱 활발하게 이루어질
것으로 기대한다. 챗봇이 아직은 시작 단계에 있는 초등영어교육에서부터 뚜렷한 효과를 보일 수 있을 것으로
기대된다. 향후 챗봇 관련 연구는 디지털 교과서와의 연계 관계, 학습자의 부정확한 발음에 대한 인식 정확도
상승이 필요할 것으로 보인다.
알파고에서 볼 수 있는 인공지능의 놀라운 발전은 이제 우리 일상생활의 거의 모든 분야에 영향을 주고 있
다고 해도 과언이 아니다. 이와 같은 변화의 영향은 임완철(2017)이 지적한 것처럼, 미래 사회에서는 언어를
사용하는 능력뿐만 아니라, 지식과 정보를 사용하는 능력 및 테크놀로지를 사용하는 능력도 핵심 역량으로 부
각될 것으로 보인다. 또한 인공지능 시대의 영어 교사에게는 영어 교과에 대한 지식 이외에도 테크놀로지 사용
능력(Koehler & Mishra, 2009)도 필수적인 역량이 될 것임은 분명하다.

- 222 -
 참고문헌

감동근 (2016). 바둑으로 읽는 인공지능. 서울: 도서출판 동아시아.

구덕회, 김동진 (2010). 문제 해결 학습 모형 기반의 데이터 과학 교육 프로그램 개발. 한국초등교육, 31(특별호), 203-216.
김대식 (2016). 김대식의 인간 vs 기계: 인공지능이란 무엇인가. 서울: 도서출판 동아시아.
김명희 (2018). 4차 산업혁명과 미래 영어 교과서. 4차 산업혁명과 미래영어교육(pp. 164-180). 서울: 한국문화사.
김의중 (2016). 알고리즘으로 배우는 인공지능, 머신러닝, 딥러닝 입문. 파주: 위키북스.
김인석 (2019). 4차 산업혁명과 인공지능 영어교육. 서울: 한국문화사.
김인옥 (2020). 디지털교과서 및 번역기 활용 쓰기 활동이 6학년 학생들의 영어 쓰기 및 자기 주도적 학습 태도
에 미치는 영향. 초등영어교육, 26(2), 157-177.
김재상 (2017). 인간과 인공지능기기의 상호작용이 EFL 환경에서 초등학생들의 협업적 언어습득에 미치는 영
향. 석사학위논문, 광주교육대학교 대학원.
김형순, 김혜영 (2017). 4차 산업혁명시대의 미래 교사 준비도 연구. Multimedia-Assisted Language Learning,
20(3), 179-205.
김혜영, 신동광, 이장호, 김영우, 양혜진 (2019). 영어학습을 위한 인공지능 챗봇 활용 및 제작. 서울: 교육과학사.
김혜영, 신동광, 양혜진, 이장호 (2019). 영어교과 보조 도구로서의 AI 챗봇 분석 연구. 학습자중심교과교육연
구, 19(1), 89-110.
박만구 (2020). 수학교육에서 인공지능의 활용 동향. 한국초등교육, 31(특별호), 91-102.
박민영, 엄우섭 (2020). 인공지능의 시대, 교육의 변화와 방향에 따른 학교체육의 과제. 한국초등교육, 31(특별호), 49-60.
박영숙, 벤 고르첼. (2016). 인공지능혁명 2030: 제4차 산업혁명과 정치혁명의 부상. 서울: 더블북.
박형빈 (2020). AI 도덕성 신화와 실제: 기계의 인간 도덕 능력 모델링 가능성과 한계. 한국초등교육, 31(특별호), 1-14.
서정연 (2020). 4차 산업혁명을 선도하는 인공지능 융합인재상. 인공지능과 초등교육의 과제, 서울교육대학교
초등교육연구원 학술대회 자료집(pp. 325-348).
성민창, 강정진 (2020). 예비 초등영어교사의 전문성 신장을 위한 인공지능 챗봇 교육과정 개발. 초등영어교육,
26(2), 5-29.
심창용, 이재희 (2018). 4차 산업혁명과 초등 영어 교과서. 4차 산업혁명과 미래영어교육(pp. 121-139). 서울:
한국문화사.
양혜진, 김혜영, 신동광, 이장호 (2019). 인공지능 음성챗봇 기반 초등학교 영어 말하기 수업 연구.
Multimedia-Assisted Language Learning, 22(4), 184-205.
원진숙 (2020). AI 시대의 국어 문식성 교육의 혁신. 인공지능과 초등교육의 과제, 서울교육대학교 초등교육연
구원 학술대회 자료집(pp. 45-58).
윤여범, 박미애 (2020). 인공지능과 초등영어교육: 챗봇의 현황과 발전 방향을 중심으로. 한국초등교육, 31(특별호), 77-90.
이동한 (2018). 인공지능을 활용한 영어 학습용 챗봇 시스템 개발 방안 연구. 중등영어교육, 11(1): 45-68.
이동한 (2019). 인공지능 기반 음성로봇을 활용한 영어 말하기 학습 시스템 개발 방안. 영상영어교육, 20(1), 189-211.
임완철 (2017). 생각하는 사물의 등장. 서울: 지식노마드.
최원경 (2020). AI 챗봇을 활용한 초등영어 과정 중심 말하기 평가: 가능성과 한계. 초등영어교육, 26(1), 131-152.
Amari, S. (2017). 뇌, 마음, 인공지능(박혜영 역). 서울: 홍릉과학출판사(원출판년도 2016). Brain, mind,
artificial intelligence. Kodansha, Ltd.
Bostrom, N., Christianini, N., Graham-Cumming, J., Norvig, P., Sandberg, A., & Walsh, T. (2017). Machines that
think: Everything you need to know about the coming age of artificial intelligence. Boston: New Scientist.
Denham, K., & Lobeck, A. (2013). Linguistics for everyone: An introduction. (2nd. ed.). Toronto: Cengage Learning.
Koehler, M., & Mishra, P. (2009). What is technological pedagogical content knowledge? Contemporary Issues
in Technology and Teacher Education, 9(1), 60-70.

- 223 -
 AlphaGo and Papago:
Relationships between Artificial Intelligence and English Education

Yoon, Yeo Bom (Professor, Seoul National University of Education)

We are now so closely related to numerous examples of AI (artificial intelligence) in our daily lives,
one of which is a car navigation. Some of the new functions of the car navigation are very smart,
giving a lot of convenience to our lives. Including these smart navigations, AI has recently made
surprisingly rapid developments in almost all areas. In the current paper, the relationships between
the development of AI and English education are discussed with special reference to AlphaGo and
Papago. By winning the baduk match against then human champion in 2016, AlphaGo made itself
very famous and has become almost synonymous with AI. Considering the complexity and profundity
of thought to play baduk well, most professional players were not only surprised but also terrified by
AlphaGo's ability to beat the human champion so easily. What was more surprising was that AlphaGo
could creatively make a novel move, which had never been played by humans for thousands of years.
AlphaGo not only learned from human players but also learned from itself. Papago, an AI translation
program, has also continuously made developments. Although it has limitations such as translation of
culturally related expressions, Papago has a clear advantage in translating sentences with difficult
vocabulary and complex structure. Together with chatbots that have also made a lot of
developments, translation programs like Papago have shown their efficacy in English education. Due
to this trend led by AI, the fundamental goal of English education, that is, to improve communicative
competence, will eventually change. In the era of AI, one of the prerequisite capacities for English
teachers as well as students will be the ability to take advantage of new technologies in addition to
high proficiency in English.

* Key words : AlphaGo, Artificial intelligence, English education, Papago

논문접수 : 2020. 12. 07.

논문심사 : 2020. 12. 11.
게재승인 : 2020. 12. 17.

- 224 -