Google Research, Language Explorer의 7,000개 언어 지도를 선보이다

Google Research는 2026년 11월 9일, 언어의 지리적 분포와 문자 체계, 화자 규모를 살펴볼 수 있는 대화형 플랫폼 Language Explorer를 선보였다. 세계 전체를 조망하는 이 플랫폼은 약 7,000개 언어와 159개 문자 체계를 다루며, 언어학 연구와 언어 기술 개발을 지원하기 위한 정보를 제공한다.

Google의 1,000 Languages Initiative의 일환으로 개발된 이 플랫폼은 오픈소스 LinguaMeta 데이터세트를 대중이 이용할 수 있는 시각적 인터페이스로 구현한다. Daan van Esch와 Uche Okonkwo가 발표한 이 인터페이스는 세계의 더 많은 언어적 다양성에 유용한 언어 기술을 제공하려는 폭넓은 노력과 맞닿아 있다.

언어 기술을 위한 메타데이터 계층

Language Explorer 사이트에서는 언어명, 국가나 지역, 대륙이나 아대륙을 기준으로 검색할 수 있다. 사용자는 화자 수, 언어의 소멸 위기 상태 또는 문자 체계를 기준으로 탐색한 다음, 지도에 표시된 지점을 선택해 해당 언어의 상세 페이지를 열 수 있다. 각 페이지에는 언어명과 위치 정보, BCP-47 태그, Glottocode, Wikidata ID 등의 식별자가 함께 제공되어 여러 언어 자료에서 일관된 참조 기준으로 활용할 수 있다.

사이트에 표시되는 모든 값은 19개 출처의 언어 정보를 통합한 오픈소스 저장소 LinguaMeta에서 가져온다. 2024년 LinguaMeta 논문은 기초 데이터세트에 7,511개 언어가 수록되어 있고 BCP-47 및 ISO 639-3 코드가 포함되어 있다고 설명했다. 추적과 수정을 위해 모든 데이터 항목에는 출처 태그가 붙는다. 출처 간 정보가 서로 다를 경우, 저자들은 더 권위 있는 출처를 우선하거나 학술 간행물, 인구 조사 자료, 헌법을 바탕으로 추가 조사를 진행했다.

논문에 따르면 기계 번역, 음성 인식, 음성 합성 기술을 폭넓게 이용할 수 있는 언어는 약 100개에 불과하며, 나머지 대부분 언어는 지원 품질이 낮거나 아예 지원되지 않는다. 이러한 격차 때문에 메타데이터는 실질적인 역할을 한다. 화자 수는 작업의 우선순위를 정하는 데 도움이 되고, 언어·문자 체계·지역 설정의 조합은 현지화 시스템이 처리해야 할 정확한 조합을 식별해 준다. 저장소의 구조는 이러한 조합을 JSON 레코드에 보존하지만, 더 간단한 TSV 요약본에는 출처 세부 정보, 확장형 언어명, 문자 사용 태그, 공식 지위에 관한 조사 내용, 좌표가 빠져 있다.

연구 저장소에서 박물관 설치 작품으로

Language Explorer는 베를린 커뮤니케이션 박물관에서 열리는 «진짜 이야기! 언어. 권력. 세계.»의 대화형 설치 작품으로도 선보인다. 박물관 기록에 따르면 전시는 2026년 11월 5일 개막한다.

여섯 개의 주제별 공간에서는 언어 세계, 다양성, 정체성, 접촉, 권력, 미래를 다룬다. 마지막 공간에서는 AI와 챗봇이 소통 방식을 어떻게 바꾸고 있는지, 연구자와 활동가들이 소멸 위기 언어를 어떻게 기록하고 있는지를 살펴본다. 온라인 자료실은 2026년 11월 6일 공개되어 같은 여섯 가지 관점을 다루는 배경 자료와 동영상, 퀴즈를 제공하며, 여기에는 AI와 다중언어 사용의 관계도 포함된다. 베를린 전시와 온라인 자료실은 모두 2028년 2월 27일까지 운영되는 것으로 안내되어 있다.

고르지 못한 정보 범위와 보관 처리된 저장소

논문의 정보 범위 표를 보면 항목별로 큰 차이가 있다. 화자 인구 수치는 6,253개 언어, 즉 83%에 대해 확인할 수 있었지만, 언어 공동체가 자국어를 부르는 이름인 자칭 언어명은 1,136개, 즉 15%에 대해서만 기록되어 있었다. 따라서 지도는 폭넓은 출발점을 제공하지만, 정보의 깊이는 언어와 범주에 따라 크게 다르다.

인구 수치에는 추가적인 단서가 따른다. 신뢰할 만한 통계를 구하기 어렵기 때문에 기초 방법론에서는 제2언어 화자 수를 제외하고, 거짓 정밀성을 피하려고 화자 수가 많은 언어의 추정치를 자릿수 단위로 반올림하며, 지역별 인구를 합산하면 출처의 오류가 커질 수 있다고 경고한다. 이 자료는 현재 사용되는 구어에 초점을 맞추므로 수어, 고대어, 역사적 언어, 인공어는 제외한다. 마크로언어와 사멸한 것으로 분류된 언어는 포함되며, 후자의 경우 일부 언어에 소수의 화자 공동체가 남아 있기 때문이다. 이미 여러 언어 기술이 지원한다는 점에서 에스페란토는 인공어 제외 원칙의 명시적 예외다.

지도에 표시된 각 지점은 Glottolog 좌표와 수동 수정 자료를 바탕으로 산출한 언어의 대략적인 중심 위치를 나타낸다. 사이트는 언어를 사용하는 공동체가 이동하거나 정치적 경계를 넘나들 수 있다고 주의를 당부하며, 따라서 지점을 고정된 영역으로 해석해서는 안 된다고 설명한다.

관리 상태와 관련해서도 정보가 일치하지 않는다. Explorer의 FAQ에서는 LinguaMeta를 진행 중인 프로젝트라고 소개하며 연구자들에게 수정 사항과 자료를 제공해 달라고 요청한다.

이를 포함하는 url-nlp 저장소에는 2026년 10월 6일 자 GitHub 보관 안내가 표시되어 있으며, 읽기 전용으로 설정되어 있다. 버전 관리된 전체 데이터세트는 여전히 다운로드할 수 있지만, Google이 인터페이스를 더 많은 대중에게 선보이는 상황에서 이 상태는 향후 기여를 어떻게 할 수 있는지 불분명하게 만든다.