지지와 반박은 어디를 향할까?

반대 의견의 대상부터 찾는다

점심 독서 제안에 “점심시간은 동아리 회의에도 필요하다”라는 의견이 나왔다고 하자. 이 문장은 독서가 유익하다는 근거를 부정하지 않는다. 점심시간 20분을 고정 배정하자는 정책 결론의 비용을 제기한다. 반면 “제시한 설문은 응답자가 12명뿐이다”는 학생 수요가 크다는 근거의 대표성을 공격한다.

지지·반박 그래프는 주장 노드뿐 아니라 관계가 향하는 대상을 읽게 한다. 반박선이 결론, 근거, 또는 근거에서 결론으로 가는 추론 연결 중 어디에 닿는지 분명히 표시한다. 선이 근처를 지나가기만 하고 끝점이 모호하면 서로 다른 반박을 같은 것으로 오해할 수 있다.

지지와 공격은 색만으로 구분하지 않는다

초록 선을 지지, 빨간 선을 공격으로 정하면 빠르게 훑을 수 있다. 그러나 색만 쓰면 흑백 인쇄나 색각 차이에서 관계가 사라진다. 선 옆에 “지지”, “근거 공격”, “추론 공격”이라고 쓰고 필요하면 실선·점선 또는 +/− 기호를 함께 쓴다. 이 글에서는 텍스트 라벨과 테두리 색을 같이 사용한다.

화살표는 공격하는 주장 쪽에서 공격 대상 쪽으로 향한다. 끝점은 상자 안의 글자를 덮지 않고 테두리 앞에서 멈춘다. 자기 자신을 공격하는 선이나 양쪽 화살표는 특별한 의미가 없는 한 쓰지 않는다. 반박과 모순도 다르다. 정책 비용을 제기하는 반박은 원 주장을 논리적으로 부정하지 않을 수 있다.

반례, 근거 공격, 연결 공격을 나눈다

“점심 독서가 모든 학생에게 도움이 된다”에 책 읽기를 어려워하는 학생 사례를 제시하면 보편 주장의 반례가 된다. “완독률 자료는 성인 온라인 모임에서 얻었다”는 자료 자체를 거짓이라 하지 않고 그 자료를 학교 정책으로 일반화하는 연결을 약화한다. “설문 집계에 중복 응답이 포함됐다”는 근거 데이터의 신뢰성을 공격한다.

세 유형을 분리하면 수정 방법도 달라진다. 반례가 있으면 “모든 학생”을 “원하는 학생”으로 좁힌다. 연결 공격에는 적용 가능성을 보여 주는 추가 연구나 시범 운영이 필요하다. 근거 공격에는 원자료와 집계 절차를 다시 확인한다. 반박 노드 하나만 붙이는 것보다 대상과 행동이 선명하다.

재반박도 정확한 끝점을 가진다

“동아리 회의 시간이 줄어든다”는 반박에 “요일별로 교실을 나누면 회의 시간을 유지할 수 있다”라고 답할 수 있다. 이 재반박은 동아리 활동의 중요성을 공격하지 않고, 독서와 회의가 반드시 충돌한다는 전제를 약화한다. 재반박선을 원래 결론으로 곧장 보내면 무엇을 해소했는지 감춰진다.

재반박이 나왔다고 최초 주장이 자동으로 회복되는 것도 아니다. 교실 수, 요일, 담당자 배정이 실제 가능한지 확인해야 한다. 그래프가 두세 층을 넘어 복잡해지면 핵심 쟁점별로 분할하고 노드ID로 연결한다. 한 화면에 모든 대화를 쌓아 글자를 작게 만드는 방식은 피한다.

형식적 공격 그래프와 일상 논증도를 구분한다

Dung의 추상 논증 틀은 논증들의 집합과 공격 관계를 바탕으로 어떤 논증 묶음을 함께 받아들일 수 있는지 연구한다. 그 틀에서는 노드 내부의 자연어 내용보다 공격 구조가 중심이다. 이 글의 교육용 그래프는 독자가 원문으로 돌아가도록 주장 문장과 출처를 함께 보여 주므로 사용 목적이 다르다.

따라서 “공격받지 않는 노드이니 참이다”라고 읽으면 안 된다. 그래프에 반박을 빠뜨렸거나 출처가 틀렸을 수 있다. 형식적 수용 가능성 계산을 하지 않았다면 그런 결과를 표시하지 않는다. LLM이 만든 그래프는 원문에 없는 반박을 추가하거나 실제 반박을 누락할 수 있으므로 구조와 사실을 나누어 검토한다.

LLM에는 공격 대상 후보를 먼저 받는다

원문을 붙이고 곧바로 그래프를 요청하면 모델은 반대 문장을 가장 가까운 상자에 연결할 수 있다. 먼저 각 문장의 주장ID, 입장, 직접 대상 후보, 대상인 이유, 원문ID를 표로 받는다. 대상이 둘 이상이면 하나로 확정하지 말고 후보를 병기하게 한다. 사람이 확인한 뒤 선을 그린다.

지지와 반박 두 값만 쓰지 말고 결론 공격, 근거 공격, 추론 연결 공격을 구분하게 한다. 원문 표현이 모호하면 판정 보류를 허용한다. 모델이 공격의 성공 여부까지 판단하도록 맡기지 않고 필요한 추가 자료와 반례를 제안하게 하되 실제 확인 전에는 준비된 제안으로 표시한다.

준비된 그래프의 잘못된 끝점을 고친다

교육용 결과는 “설문 응답자가 12명뿐이다”를 최종 정책 결론에 직접 연결했다. 실제로는 “학생 수요가 크다”라는 근거의 대표성을 공격한다. 정책 결론은 다른 이유로 여전히 지지될 수 있다. 또 “요일별 교실 분리” 재반박이 최초 결론을 지지하도록 연결되어 어떤 우려를 해소하는지 보이지 않았다.

수정본에서는 작은 표본 공격을 수요 근거에 연결하고, 요일별 분리 주장은 동아리 충돌 반박의 전제를 공격하도록 한다. 그 다음 결론 상태를 다시 평가한다. 일부 근거가 약해졌다고 결론을 거짓으로 표시하거나 재반박 하나로 모든 우려가 해결됐다고 표시하지 않는다.

공격 하나를 가리고 영향을 추적한다

“감독 인력 부족” 반박을 해결했다고 가정하고 노드를 잠시 가린다. 동아리 시간 충돌과 선택권 우려는 여전히 남는다. 이 조작은 하나의 해결책이 전체 반대를 없애는 듯 말하는 오류를 막는다. 반대로 근거 하나가 공격받아도 다른 독립 근거가 남는지 확인할 수 있다.

영향 추적은 사실을 자동 판정하지 않는다. 어떤 노드와 선이 구조상 연결되어 있는지 보여 주는 준비된 계산이다. 결과를 보고 남은 쟁점 목록을 만들고, 해결된 항목에는 근거 문서와 날짜를 붙인다. 삭제보다는 “해결됨” 상태를 남겨 결정 이력을 보존한다.

공개 전에는 관계·출처·상태를 함께 검사한다

모든 선에 관계 유형과 끝점이 있는지, 노드가 자기 자신을 근거 없이 공격하지 않는지, 양쪽 화살표가 두 개의 관계를 숨기지 않는지 확인한다. 지지와 공격 노드 모두 원문 문장ID 또는 외부 자료로 돌아가야 한다. 반박이 사실인지 아직 확인하지 못했다면 “제기됨·미확인” 상태를 붙인다.

공격받는 주장을 숨기지 않고 독자가 볼 수 있게 둔다. 반박을 지웠다고 논증이 강해지는 것은 아니다. 중요한 반박, 대응, 미해결 조건을 나란히 보여 주고 공개 문장은 현재 상태에 맞춰 좁힌다. 그래프는 승패표가 아니라 검토할 관계의 기록이다.

복사해서 쓸 수 있는 LLM 요청문

아래 요청문은 교육용 예시다. 원문을 함께 제공하고, 모델이 빈칸을 추측하지 않도록 금지 조건을 넣었다. 결과를 받으면 원문 문장과 노드·선의 대응을 사람이 다시 확인한다.

다음 토론 원문으로 지지·반박 그래프 초안을 만들어 줘. ① 모든 문장에 문장ID와 주장ID를 붙인다. ② 관계를 지지, 주장 공격, 근거 공격, 추론 연결 공격으로 구분한다. ③ 대상이 모호하면 후보와 질문을 남긴다. ④ 재반박은 어떤 전제나 연결을 약화하는지 명시한다. ⑤ 색만 쓰지 말고 관계 이름을 쓴다. ⑥ 공격받지 않는 주장을 참이라고 판정하지 않는다. ⑦ 원문에 없는 반박은 제안 목록에 둔다. ⑧ 잘못된 끝점, 자기 공격, 출처 없는 노드를 검사한다. [토론 원문] …

직접 실습하고 결과를 읽기

이 실습은 브라우저 안에 준비한 교육용 자료만 사용한다. 외부 LLM을 호출하거나 실제 기관 자료를 조회하지 않는다. 입력을 바꾸어 결과가 어떻게 달라지는지 보고, 설명과 맞지 않는 결과가 나오면 어떤 정보가 빠졌는지 적어 본다.

자료와 출처

아래 자료는 이번 글의 정의와 표기법을 확인하는 데 사용했다. 생각그림과 사례 문장은 원자료를 복제하지 않고 이 글의 교육 목적에 맞게 새로 구성했다.

• Phan Minh Dung, On the Acceptability of Arguments… (Artificial Intelligence, 1995)
• Carlos Chesñevar 외, Towards an Argument Interchange Format (2006)
• Iyad Rahwan·Chris Reed, The Argument Interchange Format (2009)