‘알고리즘이 나를 이 콘텐츠로 이끌었다’는 말. SNS를 이용하는 사람이라면 한 번쯤은 경험했을 것이다. 유튜브 CPO 닐 모한은 “추천 알고리즘 체제를 도입한 후 수익이 20배 이상 증가했다”고 말했다. 다양한 곳에서 사용되고 있는 추천 알고리즘의 명암을 김현준 인텔리전스컴퓨팅학부 교수에게 들어봤다.

‘알고리즘’이란 주어진 문제를 해결하기 위한 일련의 절차 혹은 명령어들의 연결이다. 명령어가 자연어로 적힌 도형들을 화살표로 연결한 순서도가 우리가 친숙하게 느끼는 추천 시스템을 이루는 구성도다. 김 교수는 “알고리즘의 정의는 추상적이고 포괄적이다”며 “추천 시스템 역시 사용자가 관심 있어 할 만한 아이템을 추천해주거나, 현재 아이템과 유사한 아이템을 찾아주는 일종의 알고리즘이다”고 설명했다.

최근, 추천 서비스는 어디든 사용되고 있다고 해도 과언이 아니다. PC나 스마트폰을 통해 온라인 쇼핑몰에서 상품을 추천받거나, 포털 사이트에서 검색할 때, 내비게이션을 통해 목적지까지의 경로를 검색할 때 등 다양한 상황에서 추천 알고리즘이 사용된다.

김 교수는 구글을 ‘거대한 책’에 비유했다. 이 책의 맨 뒷부분에는 인덱스가 있다. 인덱스는 각 주요 키워드가 나오는 페이지 번호들을 보여준다. 구글 검색 기능은 사용자의 키워드가 들어 있는 수많은 웹페이지를 검색 결과에 띄워 준다. 그러나 사용자는 수많은 검색 결과를 다 볼 수 없다. 이때 구글은 검색 결과에 나올 페이지 각각에 점수를 매긴다. 예를 들어, 사용자의 키워드가 글 제목 혹은 이미지 캡션에 등장하는 페이지로부터 참조된 페이지에 높은 점수를 부여한다. 김 교수는 구글의 알고리즘에 대해 “이렇게 점수 계산이 끝나면, 웹페이지들을 순서대로 1순위부터 띄워준다"라고 설명했다. 

김 교수는 추천 알고리즘은 사람들의 생산성을 향상한 측면이 있다고 얘기했다. 이어 “유튜브나 넷플릭스의 추천이 없었다면, 자신의 취향에 부합하는 영상을 쉽게 찾지 못했을 것이다”며 “우리의 소중한 여가를 조금이라도 더 재밌는 영상을 찾거나, 재미없는 영상을 보는 데 허비했을지도 모른다”고 말했다.

추천 알고리즘은 이런 장점만 있는 것이 아니다. 김 교수는 “사용자의 확증편향을 강화할 수 있다는 점이 우려된다”고 말했다. 확증편향은 자신의 가치관을 확인하고 강화하는 방향으로 정보를 찾는 것을 말한다. 유튜브는 내가 이미 봤던 영상과 유사한 영상을 연달아 추천해준다. 본인의 가치관에 부합하는 영상들을 연달아 추천받으면, 보고 싶은 것만 보고, 듣고 싶은 것만 듣는 선택적 학습을 하게 된다는 것이다.

이런 확증편향에서 벗어나기 위해서는 노력이 필요하다. 김 교수는 “알고리즘의 추천에 의존하지 않고 스스로 다양한 정보와 의견을 능동적으로 수용하려는 노력이 필요하다”며 “다양한 사람들과 대화를 나누고, 독서·토론을 통해 비판적으로 사고력을 기르면 더 중립적으로 바라볼 수 있을 것이다”고 조언했다.