함의(의미론) (Entailment)
쉽게 풀면
함의는 한 문장이 사실이라면 다른 문장도 자동으로 사실이 될 수밖에 없는 논리적 관계를 말합니다. 예를 들어 '철수는 개를 두 마리 키운다'가 참이면 '철수는 개를 키운다'도 반드시 참이 됩니다. 이 관계는 화자의 의도나 맥락과 무관하게 순전히 문장의 논리적 구조에 의해 성립한다는 점에서 함축과 다릅니다.
왜 중요한가
함의 관계를 정확히 포착하는 능력은 언어의 논리적 구조를 이해하는 핵심 척도로 여겨지기 때문에, 형식의미론뿐 아니라 전산언어학과 자연어처리 연구에서도 중요하게 다뤄집니다. 특히 함의 판정 과제(자연어 추론, NLI)는 언어모델이 표면적인 단어 겹침이 아니라 실제 논리적 추론을 수행하는지 평가하는 대표적인 벤치마크로 널리 쓰여, 모델의 언어 이해 능력을 검증하는 기준점 역할을 합니다.
논문에서는 이렇게 쓰입니다
형식의미론 및 자연어 추론(NLI) 연구에서 문장 간 논리적 관계를 판정할 때 사용된다.
형식의미론에서 양화 표현이 함의 관계의 방향성에 미치는 영향을 체계적으로 분석하는 예시이다.
자연어 추론 데이터셋에서 함의를 모순·중립과 구분되는 하나의 라벨 범주로 다루는 전형적인 연구 설계를 보여준다.
조금 더 깊게 보면
함의 관계를 형식화하는 대표적인 틀로는 진리조건 의미론과, 이를 계산적으로 다루기 쉽게 근사한 자연논리(natural logic)가 있습니다. 자연논리는 단어나 구의 대체가 문장의 진리값을 어떻게 바꾸는지를 단조성(monotonicity) 개념으로 설명하며, 부정이나 일부 양화사 아래에서는 함의 방향이 뒤집힐 수 있다는 점이 핵심적으로 다뤄집니다. 자연어처리 논문에서는 이런 논리적 정의를 데이터 기반으로 근사하기 위해, 사람이 주석한 문장 쌍(전제-가설)에 함의·모순·중립 라벨을 붙인 대규모 데이터셋으로 모델을 평가하는 방식이 일반적입니다.
주의할 점
함의는 맥락에 상관없이 항상 성립해야 하는 논리적 관계로, 맥락에 따라 취소될 수 있는 화용적 함축과는 명확히 구분된다.