Post

유튜브 추천 알고리즘과 극단주의 논쟁

Posted Updated
By pizzathiefz 15 min read

지난 수 년 간 학계와 언론에서 유튜브의 추천 알고리즘이 사용자들을 온라인 상에서 점점 더 극단적인 정보와 의견을 접하도록 만든다는 주장이 등장했습니다. 사용자들의 이용 기록을 바탕으로 아직 사용자가 접하지는 않았으나 흥미를 가질 법한 컨텐츠를 노출시키는 것을 목표로 하는 알고리즘이 결국 점점 더 극단의 컨텐츠를 추천하게 되고, 사용자의 의견 또한 이를 따라 급진화될 수 있다는 것입니다.

현재 유튜브가 정보 습득부터 의견 표현까지 여러 면에서 지배적인 역할을 하는 플랫폼인 만큼, 이는 매우 심각한 영향력을 지닌 문제 제기입니다. 이 주장이 자세히 어떤 내용인지, 관련된 연구는 또 어떤 반박을 하는지, 그 연구는 어떤 한계는 있는지 등을 입장 별로 간략히 정리해 보았습니다.

🗣: 유튜브 급진주의자의 탄생을 보라.

2019년 뉴욕타임즈의 케빈 루스가 작성한 특집 기사(The Making of a Youtube Radical) 는 이러한 논의 중 하나입니다. 이 기사의 도입부에서 인터뷰이는 몇 년 간 꼬리에 꼬리를 무는 유튜브 영상들을 시청하면서 백인 우월주의, 무슬림 이민자에 대한 적개심, 음모론과 여성 혐오에 세뇌되었다고 고백하며, 이 경험에 대해 이렇게 말합니다. “저는 (유튜브에서) 대안 우파(alternative right)의 토끼굴에 떨어졌어요.” 이어서 기사는 이 인터뷰이의 2015년부터의 영상 시청 기록과 검색어들을 분석한 내용을 통해, 리버럴에 가까웠던 한 젊은 백인 남성이 우익 성향으로 바뀌기까지 유튜브의 영향력을 보여 줍니다.

젊은 층의 급진화는 많은 정치적, 경제적, 감정적 요소들에 의해 이루어지고 그 요소들은 대부분의 경우 유튜브 같은 소셜 미디어와는 관련이 없다. 그러나 비평가들과 연구자들은 유튜브가 선정적인 비디오일수록 더 많은 노출이나 광고 수익이라는 보상을 얻는 비즈니스 모델과 유저들을 스크린에 붙들어두기 위해 개인화된 추천을 제공하는 알고리즘, 이 두 가지를 통해 의도치 않게 극단주의를 향한 위험한 진입로를 마련했다고 주장한다.

구글의 디자인 윤리학자로 일했던 트리스탄 해리스는 말한다. “유튜브 영상들은 월터 크롱카이트(저널리스트)나 칼 세이건(천문학자) 같은 차분한 영역부터 매우 극단적인 내용이 있는 제정신 아닌 영역까지 다양한 스펙트럼 위에 존재합니다. 만약에 유튜브나 제가 당신이 더 많은 영상을 보길 원한다면, 무조건 당신을 제정신 아닌 영역으로 이끌 거예요.”

이 기사에 따르면 유튜브는 (기본 정책으로 혐오 발언이나 괴롭힘을 금지하긴 했지만) 지난 몇 년 동안 상당히 자유방임주의에 가까운 입장을 취해 왔고, 유튜브 영상이 극단주의의 원인이라는 주장은 부인해 왔습니다. 내부적 테스트 결과 오히려 극단적인 내용을 보는 시청자들에게는 추천 알고리즘이 조금 더 온건한 내용을 추천하기까지 한다고 주장하기도 했고요. 그러나 동시에 2019년 6월에는 네오나치즘 등의 극단적 컨텐츠를 금지하고, 잘못된 정치적 정보와 음모론의 확산을 방지하는 방향으로 추천 알고리즘을 수정하였다고 공지했다고 합니다.

🗣: 유튜브의 알고리즘에게는 시청자들을 급진화시키는 영향력이 없다.

반면 지금부터 소개하는 연구는 조금 다른 이야기를 합니다. Algorithmic Extremism: Examining YouTube’s Rabbit Hole of Radicalization 의 저자들은 유튜브 상에서 1만 명 이상의 구독자를 지니고 있고, 컨텐츠 중 상당 부분 이상이 정치적 내용을 다루고 있는 800개의 정치 채널들을 분석했습니다.

이 연구는 이 우선 이 채널들을 음모론, 자유지상주의, 백인우월주의, 좌파, 우파, 사회주의, 종교적 보수주의 등 여러 카테고리로 나누고, 크롤링을 통해 각 채널의 영상들에 대한 정보(제목, 좋아요 수, 캡션, 조회수) 그리고 사이드바에 뜨는 추천 영상 목록을 수집했습니다. 이때 계정이 없는 상태로, 로그인하지 않은 상태에서 수집을 했다고 합니다.

각 채널 그룹에서 내부로, 혹은 다른 그룹으로 이어지는 추천의 방향을 보기 위해 Impression이라는 값을 정의하는데요. 영상 A와 B가 있을 때 A→ B impression을 영상 A에서 발생하는 전체 추천의 수 중 B를 추천하는 경우의 비율에 A의 조회수를 곱한 것으로 정의합니다. 이 수치를 통해 위와 같은 플로우 차트를 그릴 수 있습니다.

이 연구가 확인한 바에 따르면, 많은 추천이 각 채널 카테고리 내부 방향으로 이루어지고 있습니다. 즉 추천 알고리즘이 비슷한 영상들을 계속 추천해준다는 것이죠. 그러나 카테고리별로 나누어서 본다면, 메인스트림에 가까운 채널 카테고리가 주로 그렇고, 흔히 문제가 될 수 있다고 여겨지는 음모론이나 백인 우월주의 카테고리에서는 카테고리 내부를 향한 추천의 비율이 낮았다고 합니다.

더 자세한 내용은 다루지 않겠지만, 이처럼 해당 연구는 최근 제기된 주장들(유튜브 추천 알고리즘이 사용자에게 점점 더 극단적인 컨텐츠를 노출한다거나 자극적 우익 영상을 다른 영상들보다 선호한다는 주장들)이 위 데이터에 따르면 전혀 뒷받침되지 않았다는 결론을 내렸습니다.

🗣: 로그인을 안 하고 추천 데이터를 수집하는 게 의미가 있나?

제가 파악하기로는 현 시점에서 이 주제에 대한 학계 접근은 이게 최신인데, 읽으면서 위 연구의 가장 심각한 한계는 추천 데이터를 수집할 때 로그인을 안 했다는 것이라는 생각이 들었습니다(검색하면서 보니 저만의 생각은 아닌 게, 해당 논문이 이 문제로 많이 까였던 것 같더군요).

이 논문도 이 부분을 언급하기는 합니다.

누군가는 계정이 있어서 로그인한 유저에게 보여지는 추천 리스트가 익명 계정과 다르다고 주장할지 모른다. 그러나 우리는 두가지 경우에 알고리즘의 행동에 큰 차이가 없다고 생각한다. 유튜브가 로그인한 유저와 익명의 유저에게 완전히 다른 기준을 적용해 추천한다는 것은 직관적이지 않으며, 그러한 추천 알고리즘을 만드는 것이 매우 복잡할 것이기 때문이다.

개인적으로는 동의하기 어려운 주장입니다. 어느 정도 기록이 쌓인 유저에게 개인화된 추천을 제공하는 게 추천 시스템의 일반적인 목표이고, 지금 이 순간에도 유튜브의 알고리즘 또한 또한 그런 목표를 가지고 동영상을 추천해주고 있을 것입니다. 만약 어떤 유저가 로그인해서 실수로 극단적인 컨텐츠를 접하고, 흥미를 느껴서 조금 더 찾아보는 상황이라고 가정할 때, 이 순간에 과거 몇 건의 시청 기록을 바탕으로 추천되는 컨텐츠가 그 유저에게 진짜 영향을 주는 영상입니다. 로그인하지 않은 익명의 접속자에게 제공되는 추천이 아니라요.

프린스턴 대학의 컴퓨터 과학자 아빈드 나레이야난은 심지어 “이 연구가 틀렸다고 말하고 싶지만 그 말조차 너무 과분하며, 이 연구는 (아예 잘못된 대상을 연구하였으므로) 틀린 것조차 아니다(!)”라고 자신의 개인 SNS에 적기도 했습니다. 사실상 이 연구는 유튜브의 “유저들”을 분석한 게 아닙니다. 이 연구에는 유저가 없습니다. 연구 질문은 “유튜브의 알고리즘이 유튜브 유저들에게 미치는 영향 - 급진화를 시키는가?”인데도요.

그러면 대체 이 질문에 대한 답은 어떤 방식으로 얻을 수 있을까요? 사실 유튜브 밖의 연구자가 이런 주제의 연구를 실질적으로 진행할 방법은 존재하지 않을지도 모르겠습니다. 🤔 위 특집 기사를 작성한 케빈 루스는 이 연구를 수행할 수 있는 적절한 데이터에 대한 접근권을 가진 사람은 유튜브에서 일하는 사람들뿐이고, 그 사람들은 이미 작년에 위험한 경계에 있는 컨텐츠의 추천을 70%까지 줄였다고 밝혔으며, 이 사실이 말해주는 부분이 있다고 주장합니다. 만약 그런 (잘못된 영향력을 가진) 추천이 일어나고 있지 않았다면 그들이 왜 그랬겠느냐? 라는 것이죠.

참고

Posts, Data
ai-in-society
This post is licensed under CC BY 4.0 by the author.