본 연구는 인간의 언어가 인지에 영향을 미친다는 언어 상대성 이론이, 영어 데이터 중심으로 학습된 대형 언어 모델(LLM)에서도 기계적 상대성으로 나타나는지 검증하고자 합니다. 러시아어의 파랑 구분 사례를 모델로 삼아, 특히 한국어와 영어 간의 색채 범주 차이에 초점을 맞춥니다. 연구팀은 고전적인 색채 식별 과제를 변형하여, 동일한 색상 자극에 대해 한국어와 영어 프롬프트가 모델의 선택 확률(H1)과 내부 표상 군집(H2)에 유의미한 차이를 유발하는지 측정합니다. 궁극적으로 이 연구는 LLM 의 언어 의존적 편향을 실증적으로 밝혀 AI의 문화적, 언어적 정확성을 높이는 방안을 제시하는 데 기여할 것입니다.