시각이나 가치관 왜곡할 우려
로잔공대 새 SNS 알고리즘 개발
사용자 반대의견 10~30% 노출
사용자 편의를 위해 제공되는 소셜네트워크서비스(SNS)와 포털의 뉴스피드 알고리즘이 무의식적으로 개인의 세계관과 관심을 편향되게 만들 수 있다는 연구 결과가 나왔다. EPFL CNSTT 연구팀은 이를 완화시키기 위한 새로운 솔루션을 만들어 주목받고 있다.미국 하버드대 제공 |
<이미지를 클릭하시면 크게 보실 수 있습니다> |
알고리즘은 주어진 문제를 풀기 위한 절차나 방법입니다. 컴퓨터공학 분야에서 어떤 행동을 하기 위해 만들어진 명령어들의 집합을 이야기할 때 주로 쓰는 용어이지요. 똑같은 수학 문제라도 문제를 풀 때 적용하는 공식이나 방법이 여러 가지일 때가 있습니다. 수학 시험을 볼 때 이런 문제가 나오면 정확한 답을 빨리 찾아내는 것이 가장 중요합니다. 컴퓨터 알고리즘도 같은 원리입니다. 동일한 문제라도 어떤 경로를 따라 가는가에 따라 문제풀이 속도에 차이가 납니다. 그렇기 때문에 알고리즘 설계에서 가장 중요한 것은 원하는 답을 빠르게 찾기 위한 ‘최적 경로’를 찾는 것입니다.
트위터나 페이스북 같은 소셜네트워크서비스(SNS)에서 사용자 맞춤형 뉴스피드를 설정하는 데도 알고리즘이 사용됩니다. SNS 맞춤형 뉴스피드 알고리즘의 목표는 이용자들이 좋아하는 정보만을 골라서 신속하게 보여 주겠다는 것입니다.
한국 포털 사이트 운영사들도 뉴스를 배열하거나 뉴스에 대한 독자들의 반응인 댓글을 보여 주기 위해 자신들만의 독특한 알고리즘을 사용하고 있습니다. 물론 포털 뉴스에 적용되는 알고리즘들이 어떤 ‘효율성’을 추구하는지에 대해서는 정확히 알려져 있지 않습니다.
과학자들은 SNS의 맞춤형 뉴스피드 알고리즘이 사용자가 원하는 정보만 골라서 보여 줌으로써 개인의 시각이나 가치관을 왜곡시키거나 편협하게 만들 수 있다는 점에 주목하고 있습니다.
스위스 로잔 연방공과대학(EPFL) 컴퓨터·커뮤니케이션공학과 엘리사 켈리스 박사는 “어떤 문제의 답을 찾거나 결정을 내려야 할 때 기존에 유사한 정보에 얼마나 자주 노출됐었는지에 따라 영향을 받을 수 있다는 연구 결과들이 많이 있다”며 “실제로 페이스북 같은 SNS 알고리즘은 이용자가 올리는 글이나 사진 같은 개인화되고 편향된 데이터를 기반으로 개인의 기호에 맞는 것들만 보여 줌으로써 세계를 바라보는 시각을 제한적으로 만들 가능성이 매우 크다”고 지적했습니다.
인류의 생존을 위협하는 것은 SF 영화에 자주 등장하는 인공지능(AI)을 장착한 킬러 로봇이 아니라 ‘나 아니면 모두 적’이라는 근거 없는 자기 확신입니다. 수많은 전쟁과 테러도 사실은 자기 확신과 아집에 근거하고 있습니다. 그런 자기 확신을 만드는 것이 편리함을 추구하는 인간의 본성을 자극하는 알고리즘 때문일 수 있다고 생각하니 자못 충격적입니다.
이 같은 우려에 따라 EPFL에 있는 CNSTT라는 연구집단은 특정 알고리즘으로 인해 콘텐츠가 지나치게 개인화되는 것을 막고 좀더 균형 있게 만들 수 있는 솔루션을 개발해 주목받고 있습니다. 이번 알고리즘을 개발한 CNSTT는 ‘컴퓨터공학자, 자연과학자인 생물학자, 사회과학자가 한곳에 모여’(Computation, Nature and Society Think Tank) 현대 사회가 어떤 방향으로 나가고 있는지 진단하고 지속가능한 발전을 위해서는 어떤 조치가 필요한지를 다양한 학문적 관점에서 연구하는 일종의 싱크탱크 조직입니다.
연구팀이 개발한 새로운 SNS 알고리즘은 사용자의 선호도와 반대되는 의견을 지속적으로 10~30% 정도 노출시켜 사용자의 관점을 보다 균형 있게 유지할 수 있도록 하는 원리입니다. 연구 차원에서 개발됐지만 유엔은 물론 시민단체, 유럽 각국 정부들도 관심을 갖고 있다고 합니다. 그렇지만 이 알고리즘이 SNS 광고 매출에 어떤 영향을 미칠지에 대해서는 아직 밝혀지지 않은 만큼 관련 기업들이 실제 적용하기까지는 오랜 시간이 걸리지 않을까 싶습니다.
edmondy@seoul.co.kr
▶ 부담없이 즐기는 서울신문 ‘최신만화’
- 저작권자 ⓒ 서울신문사 -
이 기사의 카테고리는 언론사의 분류를 따릅니다.
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.