「통번역과 커뮤니케이션」 -한국번역학회 2020년 봄 학술대회-

  지난 4월 18일에 한국번역학회에서 2020년 봄 정기학술대회가 오프라인과 온라인을 결합하는 방식으로 개최되었다. Zoom화상회의를 통해 개회식, 특별강연, 폐회식이 진행되었고, 연구자들은 미리 녹음한 영상을 학술대회 당일 메인 페이지에 게시하고 이를 토대로 토론과 발표가 이루어졌다. 코로나 정국 하에서 온라인 플랫폼을 통해 학술대회가 열리는 모습은 새롭게 나타난 현상으로 학술장에 미칠 앞으로의 영향 역시 주목해 볼만하다. 본지에서는 이 날 발표된 내용 중 몇 가지를 뽑아 소개하고자 한다.

 

기계번역의 발전 과정과 적용 사례 및 전망

  유명우는 특별강연 「오늘의 과제:컴퓨터 번역과 새로운 소통」을 통해 기계번역의 약사(略史)와 현실 및 전망을 짚었다. AI와 기계번역의 발달로 인간이 기계보다 잘 할 수 있다고 믿었던 번역이라는 영역은 현재 많은 변화를 목도하고 있다. 번역의 소비자는 전 인류라고 할 수도 있기 때문에 인류는 컴퓨터를 이용한 자동번역을 오랫동안 목표로 해왔다. 오늘날 번역시장에서는 장문의 서류를 며칠 만에 번역해야 하기 때문에 정확하고 잘된 번역에 대한 수요보다는 어느 정도 통할 수 있는 번역이면 그것을 택하는 경향으로 기울어져왔다. 특히 컴퓨터번역은 수요의 급증과 날로 발전하는 컴퓨터 기술, 다국적 기업들의 집중적인 투자로 계속해서 발전해나갈 것이다.

 

  컴퓨터를 이용한 기계번역은 처음에는 언어학의 지원을 받아 사전을 입력해놓고 단어를 찾아 뜻을 맞춰주는 어구기반 기계번역(Phrase Machine Translation)이었기 때문에 동의어와 다의어번역이 거의 불가능했다. 다음으로 등장한 것은 통계기반 기계번역(Statistical Machine Translation)인데, 수많은 번역데이터를 수집하고 이를 통계처리해 사용하는 방식으로 IBM이 이 모델을 처음 도입했다. 문법이 확연히 다른 언어 간에는 어색한 번역이 나왔고 번역데이터가 부족한 경우 번역이 이루어지지 않는 경우도 발생한다는 문제점이 있었다. 2016년에 등장한 신경망 기반 기계번역(Neutral Machine Translation)은 인공지능기술의 발전에 힘입어 기계학습(Machne Learning)과 인공신경망 학습(Deep Learning)으로 특정언어를 번역할 수 있는 모델을 만들어서 번역서비스를 제공하는 방식이다. 문장 단위로 인식하고 번역하기 때문에 상황적인 의미를 잘 알아서 번역하는 장점이 있지만 문장의 길이가 길어지면 인식되지 않을 수 있고, 인공신경망 학습 과정에 막대한 시간과 경비가 소요되된다. 사례가 많이 쌓이면 앞으로도 큰 발전을 이루어나갈 것이라 기대된다.

 

  기계번역에서는 실시간 번역 즉 동시통역을 탑재한 스마트폰이나 번역기를 개발해 상품화하거나 영상물에 등장하는 문자를 해독하거나 문자를 영상물과 결합시키는 기술 개발을 목표로 하고 있다. 메뉴얼, 신문기사, 홍보물, 계약서, 법류서적 등의 번역에서는 이미 기계번역이 괄목할 만한 성과를 거두고 있다. 기계번역보다 휴먼번역이 우월한 분야는 고전번역과 문학번역이다. 한국고전번역의 현 수준을 검토한 연구에서 보면 20% 이하의 완성률을 보여주고 있다.

 

  「인공신경망 기계번역 기술의 발전 및 적용 사례」를 발표한 이청호에 따르면 초창기 규칙기반 기계번역과 달리 인공신경망 기계번역(이하 NMT)은 텍스트를 숫자로 이루어진 벡터로 변환해 통계적․수학적으로 학습한 모델로 지속적으로 병렬코퍼스(말뭉치)를 구축해 딥러닝으로 해당 분야에 더 특화된 번역 모델을 생성해낼 수 있게 된다고 설명한다.

 

  많은 번역사들은 이미 번역메모리와 용어의 재활용을 위해 번역지원도구를 번역 업무에 사용하고 있으며 그동안은 유사문 검색 등 단순히 문장의 재활용으로만 사용되던 번역메모리가 디버닝을 위한 데이터셋이 되고 증분학습을 통해 더 좋은 성능의 기계번역 모델을 만들어 갈 수 있는 자원이 되고 있다. 예를 들어 번역메모리 검색으로 완전히 일치하는 문장이 있으면 이를 제시해주고 없다면 구글, 파파고와 같은 범용 NMT로 기계번역을 수행하면 포스트에디터는 수정과 검증의 과정을 거쳐 완성된 문장을 출력한다. 다시 이 완성된 문장이 번역메모리에 저장되고 증분학습을 거치면서 번역을 하면 할수록 기계번역품질이 향상되는 선순환적 효과를 얻게 된다. 이처럼 번역사업도 휴먼 번역자 중심에서 기계번역후편집(Machine Translation Post editing)으로 변화하고 있다. NTPE는 NMT 번역결과를 포스트에디터가 수정하고 보완하여 완전한 번역결과를 내는 작업으로 국제표준기구는 2017년 4월에 ISO 18587을 통해 기계번역 포스트에디팅을 이용한 전문번역 서비스의 표준을 제시했다. 기계번역의 객관적 품질 평가를 위한 평가 척도로는 BLEU가 사용되는데 휴먼번역가가 번역한 번역결과와 기계번역의 결과를 N-gram으로 산출한 정확도와 문장 길이가 작을 때에 적용되는 브레비티 패널티로 산출된다. 통상 30점 이상이면 의미가 이해되는 수준이고 50점 이상이면 전문번역가가 번역한 수준의 아주 우수한 번역을 의미한다.

 

  에버트란 사에서는 법령 및 조례 번역에 특화된 번역 모델을 구축한 뒤, 지자체의 조례 30문장은 기계번역을 해본 결과 50점대 초반의 점수를 받아 기계번역의 유용성을 입증했다고 한다. 앞으로도 증분학습이 적용된 번역모델의 활용은 법령 분야 뿐 아니라 다른 분야로 확대되어 나갈 것이고 이를 기반으로 한 기계번역후편집 즉 NTPE를 통한 전문번역서비스는 더욱더 빠르게 번역산업을 바꾸어나갈 것으로 보인다.

 

기계번역의 발전과정  Ⓒ 『 Machine Translation and the Evaluation of Its Quality 』 (Mirjam Sepesy Maučec and Gregor Donaj)

 

영상 번역의 곁텍스트: 기능적 특성을 기반으로 한 영화 오프닝 크레딧 분석

  윤미선은 주네트의 문학 이론 중 곁텍스트 개념을 이용해 영화 오프닝 크레딧을 분석했다. 곁텍스트란 텍스트가 수용되고 소비되는 것을 가능하게 하는 텍스트 주변 요소로 주네트는 이를 공간, 시간, 본질적, 화용적, 기능적 특성에 따라 구분하였다. 점차 영화, 텔레비전 드라마, 비디오 게임 등으로 연구 영역이 확장되고는 있으나, 주로 문학 위주로 연구가 이루어져 온 만큼 논자는 먼저 주네트의 곁텍스트 개념을 영상텍스트에 그대로 적용할 경우의 문제점을 지적한다.

 

  첫째로 주네트의 곁텍스트는 저자의 의도를 중요하게 다루지만 많은 인원이 생산에 참여하는 영상텍스트는 저자를 문학의 저자처럼 간단하게 규정할 수가 없다. 주네트는 곁텍스트가 저자 혹은 저자가 인정한 제삼자의 코멘터리를 전달하는 역할을 한다고 보고 더 나아가 곁텍스트의 가장 중요한 기능은 텍스트가 저자의 의도대로 수용되게 하는 것이라 하였다. 영상텍스트에서 저자성(authoship)의 문제는 복잡해지는데, 많은 경우 영상텍스트를 세분화해 각자의 생산자를 지정하기도 한다. 곁텍스트를 둘러싼 의사소통상황에 참여하는 주체(agents)에 따라 분류하는 화용론적인 기준을 영상텍스트에 적용하는 것은 영화 한 편의 제작에 수백 명의 스태프들이 참여하는 것을 고려한다면 무리가 있다.

 

  두 번째로 주네트의 곁텍스트 분류 중 공간적, 시간적 분류를 영상텍스트에 적용하는 데에도 어려움이 따른다. 주네트는 공간적 기준에 따라 곁텍스트를 주변텍스트(peritext)와 바깥텍스트(epitext)로 구분한다. 주변텍스트는 ‘책’의 공간에 존재하는 메시지를, 바깥텍스트는 책의 공간 밖에 존재하지만 여전히 본문의 주위에 있다고 볼 수 있는 메시지를 말한다. 문자텍스트에서는 직관적으로 보이는 이 분류 역시 영상텍스트에는 적용이 쉽지 않다. 미디어 학자들은 여기에 의문을 제기하고 다양한 대안을 내놓았다. 특히 맥 크래켄은 곁텍스트를 어디에(Where) 있는지에 따라 구분할 것이 아니라 어디로 향하고(Where to) 있는지에 따라 구분할 것을 제안한다. 텍스트를 중심으로 사용자를 유인하는 방향에 따라 상품을 사러 밖으로 나가게 하는 곁텍스트를 원심성(centrifugal) 곁텍스트, 텍스트를 더 깊게 이해할 수 있게 돕는 곁텍스트를 구심성(centripetal) 곁텍스트로 구분했다. 주네트의 시간적 분류 역시 본문의 발간 시기에 견주어 곁텍스트가 만들어진 시기에 따라 나누지만 영상텍스트는 다양한 채널로 판권이 팔릴 때마다 트레일러, 포스터, 홍보물 등이 자주 생산된다. 이와 같은 문제의식을 공유한 그레이는 곁텍스트를 업계 생산 곁텍스트(industry-created paratext)와 관객 생산 곁텍스트(viewer-created paratext)로 구분한다. 관객이 생산한 곁텍스트는 주네트의 곁텍스트 개념을 기준으로 하면 저자와 직접적인 관련이 없으므로 곁텍스트에 포함시키기 어렵다. 그러나 미디어 관련 학자들은 이들도 곁텍스트에 포함시켜야 한다는 데 의견을 모은다. 이에 따라 업계 생산 혹은 관객 생산 곁텍스트 이외에도 ‘팬 생산 곁텍스트(fan-created paratexts)’, 공식적인 곁텍스트에 대항하는 개념인 ‘풀뿌리 곁텍스트(grassroots paratexts)이 등장하면서 주네트의 저자 중심 곁텍스트 개념에 대치되는 개념을 형성했다.

 

  상기한 바와 같이 주네트의 곁텍스트 분류 기준 중 공간적, 시간적, 화용적 특성은 영상분석에 적용이 어려웠기 때문에 미디어 학자들은 기능적 특성에 눈을 돌린다. 기능적 특성중 하나는 ‘어떤 책을 읽어야만 하는 이유를 독자에게 설득하는 기능’이고 다른 하나는 ‘어떻게 하면 책을 제대로 읽을 수 있을지를 설명하는 기능’을 말한다. 주네트는 곁텍스트의 기능이 경험적 데이터에 위해 귀납적으로만 제시될 수 있기 때문에 여기에 대략적인 기준만을 제시했지만 미디어 학자들은 이를 세분하게 분류해서 접근한다. 논자는 로켄버거의 분류를 배칠러가 번역학적 관점에서 수정해서 제시한 재분류를 구체적 예시와 함께 설명한다.

 

  윤미선은 로켄버거의 분류틀을 이용해 우리나라 영화 『올드보이』와 『부산행』번역본의 오프닝 크레딧과 원본의 오프닝 크레딧의 다른 기능 두 가지를 간략하고 소개하고 그 차이점을 살폈다. 먼저 로켄버거의 곁텍스트 분류 중 지시적 기능은 작품 자체를 지시하는 기능을 말하고 자기지시적 기능에서 ‘자기(self)’란 곁텍스트 혹은 곁텍스트적 요소를 일컫는다. 즉, 재귀적이거나 자기성찰적 의미가 아니라 작품을 지칭하는지 곁텍스트를 지칭하는지를 구분하기 사용된 것이다. 원본의 오프닝 크레딧에서는 곁텍스트 요소를 지칭하는 자기지시적 기능을 찾아볼 수 없었으나 번역본의 경우 자막이나 더빙에서 곁텍스트를 지칭하는 기능이 발견된다. 영화 『올드보이』는 원본의 화면에서 타이틀이 영어로 제시되지만 자막은 이 곁텍스트를 다시 지시한다. 타이틀이 뜨기 전에 알파벳 'D'와 ‘Y’가 시계 반대방향으로 회전에 왼쪽으로 90도 기울어져있으므로 가독성이 떨어진다고 보고 하단에 자막을 따로 넣었을 수 있다. 이 경우 자막은 영화 자체를 가리키는 지시적 기능과 화면에 보이는 타이틀을 지시하는 기능을 동시에 가지게 된다.

 

  로켄버거의 기능적 분류 중 정보적 기능이란 경험적인 데이터를 조정하거나 작품의 안과 밖의 경계를 구분하고 의도를 명시적으로 설명하거나 독자의 이해에 걸림돌이 되는 것을 제거하는 기능을 말한다. 논자는 영화 『부산행』의 오프닝 크레딧을 통해 이 기능의 예를 살핀다. 한국 영화 오프닝 크레딧은 대체로 투자자 대표와 투자자 이름이 제작자 이름에 나오는데 자금을 지원한 주체를 적극적으로 밝히는 관행 때문이다. 그러나 외국인 관객에게 투자자 정보는 필요 없는 정보이다. 영화 『부산행』의 번역본에서 투자총괄의 크레딧은 자막으로 번역되지 않고 투자기획, 투자책임도 자막번역이 없다. 제작자의 이름만 자막으로 번역이 되었다. 외국 관객이 영화를 이해하는 데 필요 없는 정보들을 제거하기 위해 번역을 하지 않음으로써 정보적 기능을 수행하는 예라고 볼 수 있다.

 

영화  < 올드보이 >  이탈리아 번역본 포스터 . Ⓒ www.mauvais-genres.com

 

 

마샬 필의 번역 자가교정의 사례와 의미

  이상빈은 한국현대소설 번역에서 선도적 역할을 했던 미국인 번역가 마샬 필(Marshall R.Phil)의 자가교정을 분석한다. 그는 1960년대 후반부터 1990년대 중반에 이르기까지 다수의 단편소설을 번역했고 일부를 수정하여 재출판했다.

 

  번역학계에서는 번역 자가교정(translation self-revision)을 위한 별도의 지침이나 이론적 프레임은 없고 번역가를 위한 교정교열은 실무 차원에서만 논의가 있었는데 대표적 사례가 브라이언 모삽(Brian Mossop)의 저서 『Revising and Editing for Translator』이다. 본고에서는 자가교정을 모샵보다는 좁은 의미로 사용해 ‘기존 번역문을 재출판하기 위해 이전에 출판한 번역문을 스스로 교정한 것’으로 한정한다. 논자는 이를 위해 마샬 필의 번역 가운데 재출판이 이루어진 모든 번역을 수집해 초판본과 재출판본 간의 차이를 살폈다.

 

  이상빈은 필의 자가교정을 모삽의 교정교열 항목을 기준으로 분석했으며 사례는 다음과 같다. 우선 ‘정확성(accuracy):문장의 주어 파악’ 항목이다. 필은 “청년은 고맙다면서 후하게 값을 쳐주었다. 돈을 가지고 있어도 여기서는 쓸 데가 없다고 했다.”(「섬에서 온 식모」)는 원문을 월례(she)에서 ‘청년(the youth)’으로 바로잡았다. 두 번째로 ‘연결/자연스러움(smoothness), 독자에게 맞추기(tailoring)’ 항목에 해당하는 사례는 다음과 같다. 원문 “한 되들이 빈 술병에는 돈이 백십 원 들어 있었습니다.”(「서울, 1964년 겨울」)에서 초역에서는 “one-toe sized”로 음역했던 것을 이후에는 삭제해버린다. 독자의 이해와 읽기를 방해한다고 생각되는 어휘 사용을 최소화하는 원칙을 따랐다. 세 번째는 ‘관용구 등(idiom), 독자에게 맞추기(tailoring)’이다. 원문에서 “엿장수는 수양버들 봄바람 맞듯 연신 히죽거리면서”(「남이와 엿장수」)를 초역에서는 직유를 그대로 번역해 “like a willow in the spring wind”로 번역했다가 1973년 번역에서는 “a willow bends in the spring wind”로 수정하고 1985년 판에서는 비유를 아예 없애버린다. 네 번째는 ‘타이포그래피(typography), 문장부호(mechanics)’의 사례로 원문에서 “-송 선생은 안 나가세요?”를 처음에는 원문의 문장부호(-)를 그대로 사용했지만 이후에는 영어의 용법을 고려해 따옴표와 이탤릭체 등을 사용한다. 다섯번째도 문장부호 등을 수정하는 항목으로 원문 “그래서 도리도리 할머니는 이 동네 명물 할머니가 됐다”(「겨울나들이」)에서 “And so she became known to the neighborhood as Grandma Nono, a local character”로 번역했다가 93년 번역에서는 하이픈을 추가해 "Grandma No-no”로 수정한다. 하이픈을 넣어 원문의 의미를 보다 명확하게 전달하고자 한 것이다. 여섯번째는 ‘완결성(completness), 독자에게 맞추기(tailoring), 하위언어(sub-language)’ 항목이다. 원문 “일제 시대에 일본말 식으로 배웠지요. 예를 들면 “‘잣도 이즈 아 걋도’식으루요”(「꺼삐딴 리」)를 초역에서는 “zatto izu ah katto”에 해당하는 영어 문장 “That is a cat.”을 각주로 추가했다. 그러나 소설에서 각주를 사용하는 것은 장르관습 상 흔치 않고, 해당 번역서에서도 유일한 각주였기 때문에 교정판에서는 이를 “...‘zatto izu ah katto’ for ‘That is a cat’ and so on.”으로 역주의 내용을 본문에 자연스럽게 삽입해 독자의 이해를 돕는다. 마지막으로 ‘구성(organization)’ 항목에서는 원문과 동일하게 단락을 구분했다가 두 개로 나눈다. 시공간상 큰 변화가 있는 부분을 새로운 단락으로 나눈 것이다. 이와 같은 분석결과를 토대로 한국문학 번역의 방향을 논하는 것은 후속연구에서 진행될 것으로 보인다.

 

■정리: 윤정인 기자 cherisheep@korea.ac.kr