‘00님의 취향분석’, ‘예상평점 3.6점’ 요즘은 알고리즘이 우리의 취향을 찾아주는 시대다. 직접 검색을 하지 않아도 알고리즘을 통해 구매할 만한 상품, 좋아할 만한 콘텐츠, 팔로우할 만한 친구가 펼쳐진다. 이를 보면 알고리즘이 나보다 나에 대해 더 잘 아는 듯 보인다. 알고리즘은 지금 이 순간에도 더욱 정확한 결과를 내기 위해 진화를 거듭하고 있다. 과연 어떻게 우리의 취향과 니즈를 파악하는 걸까?

알고리즘이란?

알고리즘이란 주어진 문제를 논리적으로 해결하기 위해 필요한 절차와 방법, 명령어를 모아 놓은 집합을 말한다. 만약 문제가 ‘길 찾기’라면 길을 찾기 위한 방법을 탐색하고, 이를 적용해 문제를 해결하는 과정이 알고리즘이다. 이는 컴퓨터에 꼭 필요한 기술로, 어떤 명령을 내렸을 때, 해결할 수 있도록 논리적인 절차를 제시해준다. 즉, 컴퓨터는 알고리즘에 따라 답을 찾게 되는 것이다. 그래서 컴퓨터의 모든 프로그램은 정교한 알고리즘을 기반으로 한다. 휴대폰으로 검색하고, 은행 업무를 처리하는 것도 모두 알고리즘 덕분에 가능하다.

흔히 알고리즘이라 할 때 떠올리는 것은 유튜브 알고리즘이다. 이는 구독을 하지 않아도 영상을 추천해주는 시스템으로, 유튜브 사용자라면 누구나 “알 수 없는 유튜브 알고리즘이 나를 이 영상으로 끌고 왔다”라는 밈을 들어본 적이 있을 것이다. 유튜브는 알고리즘으로 사용자의 꾸준한 방문과 오랜 체류의 문제를 해결하고자 사용자가 흥미를 느낄만한 동영상을 추천하는, 이른바 ‘추천 알고리즘’을 행한다.

추천 알고리즘은 빅데이터와 AI에 기반해 이뤄진다. 빅데이터는 디지털 환경에서 생성되는 방대한 데이터를 축적하고 분석하는 기술이다. SNS 게시물에 좋아요를 누른다든지, 특정 상품을 구매한다든지 우리가 일상적으로 웹상에 남기는 다양한 디지털 기록도 빅데이터로 축적된다. 그렇기에 빅데이터를 이용하면 개인이 어떤 것에 관심을 두는지 등의 선호도를 한눈에 파악 할 수 있다. 나아가 이를 AI에 학습시키면, 사용자가 매력을 느낄 영상을 사용자의 유튜브에 띄울 수 있다. 이것이 추천 알고리즘이다.

우리가 봐왔던 취향을 찾아주는 알고리즘은 위와 같은 추천 알고리즘을 기반으로 한다. 이는 현재 유튜브뿐만 아니라 다양한 곳에서 사용자의 흥미를 유발하기 위해 맞춤형 큐레이션 기능으로써 제공되고 있다.

추천 알고리즘의 원리

추천 알고리즘은 어떤 원리로 이뤄질까? 방식은 여러 가지가 있다.

첫 번째, 협업 필터링이다. 같은 콘텐츠를 좋아하는 사람은 콘텐츠 취향이 비슷할 것이라는 가정에 기반한 방식이다. 예를 들어 A와 B가 공통으로 a 콘텐츠를 좋아하면, A에게는 B가 좋아한 다른 콘텐츠를, B에게는 A가 좋아한 다른 콘텐츠를 추천한다.

두 번째, 콘텐츠 기반 필터링이다. 이는 과거에 경험했던 콘텐츠와 비슷한 것을 찾아 추천하는 방식이다. 예를 들어 영화 <해리포터>를 좋아했다고 하면, 마법사의 특징을 가지고 있는 콘텐츠를 추천한다. 키워드를 추출해 추천하는 것이라 봐도 무방하다.

세 번째, 지식 기반 필터링이다. 질문을 통해 콘텐츠의 선호도와 범위를 파악해 추천하는 방식이다. 플랫폼에 들어가기 전에 어떤 장르의 영화를 좋아하고 재밌게 봤는지 선택하는 것이 그 예다. 선택된 데이터를 바탕으로 콘텐츠를 추천한다.

네 번째, 딥러닝 추천 기술이다. 이는 딥러닝을 사용하는 방식으로, 딥러닝은 컴퓨터가 사람처럼 생각하고 배울 수 있도록 개발한 기술이다. 딥러닝에 사용자의 이용내역을 입력하면 예상 선호도가 나오는데, 그중에서 선호도가 높은 콘텐츠를 제안해준다.

마지막으로, 하이브리드 기술이다. 이는 두 가지 이상 기술을 혼합해서 추천하는 방식이다. 예를 들면 협업 필터링과 콘텐츠 기반 필터링을 혼합하는 것이다. 협업 필터링은 콘텐츠에 대한 평가가 선행되지 않으면, 추천 성능이 떨어진다. 하지만 콘텐츠 기반 필터링은 작품의 특징을 기반으로 추천하기 때문에 그 단점을 보완할 수 있다.

일상 속의 추천 알고리즘

많은 분야에서 콘텐츠 운영 효율성을 높이고 체류 시간을 늘리기 위해 추천 알고리즘을 제공하고 있다. 대표적인 몇 가지 사례만 살펴보자.

<영상 플랫폼>

넷플릭스, 왓챠, Wavve와 같은 영상 플랫폼에서 추천 알고리즘은 핵심 경쟁력이다. 지인에게 추천받아 콘텐츠를 시청하던 과거와 달리, 요즘은 알고리즘을 통해 콘텐츠를 시청한다. 알고리즘은 좋아할 만한 콘텐츠는 물론이고 ▲예상 평점 ▲선호 태그 ▲재밌게 봤던 콘텐츠와 비슷한 콘텐츠 ▲다른 사용자가 해당 콘텐츠를 몇 시간 시청했는지 등의 정보를 제시해준다. 이렇듯 간편하게 자신의 취향에 맞는 콘텐츠를 파악할 수 있어, 사용자는 쉽게 알고리즘에 빠진다. 넷플릭스는 콘텐츠의 75%가 추천을 통해 소비된다고 한다. 많은 플랫폼이 추천 알고리즘에 힘을 쏟는 건 이 때문이다.

<음원 스트리밍 플랫폼>

멜론, 스포티파이, FLO 등 음원 스트리밍 플랫폼은 ‘좋아할 만한 앨범’, ‘자주 들은 곡과 비슷한 노래’, ‘TPO(시간, 장소, 때에 맞춘 음악. 예로는 크리스마스에 어울리는 노래가 있다)’ 기능 등을 통해 사용자가 매력을 느낄만한 노래를 추천한다. 최근 들어 음원 스트리밍 플랫폼 사이에는 큰 차별점이 없어, 추천 알고리즘을 통해 승부를 내려는 움직임이 나타나고 있다. 대표적으로 멜론은 사용자의 감상 횟수, 감상 패턴, 선호 장르 등을 분석해 새로운 노래를 추천하는 ‘뮤직 DNA’ 서비스를, 지니뮤직은 감성을 컬러로 표현하고 그에 해당하는 노래를 추천하는 ‘뮤직 컬러’ 서비스를 제공하고 있다.

<뉴스>

뉴스는 대부분 포털을 통해서 접하는데, 포털 자체 내에 알고리즘이 존재한다. 오래 읽은 글, 댓글을 단 글 등을 분석해 좋아할 만한 내용의 뉴스를 화면에 우선적으로 보여준다. 읽은 기사 옆으로는 비슷한 기사가 나열된다. 포털은 알고리즘을 통해 개인의 소비 패턴을 분석해 뉴스를 필터링한다.

<쇼핑몰>

쇼핑몰은 ‘이 상품에 관심 없으세요?’라는 추천 알고리즘을 행한다. 구체적으로는 ‘한 번 클릭한 상품과 비슷한 상품’, ‘이 상품을 구매한 다른 사용자가 구매한 상품’, ‘지금 많이 구매하는 상품’ 등을 제시해 사용자의 관심을 유발한다. 쇼핑몰 플랫폼은 알고리즘을 탑재하는 것만으로 클릭률이 30%에서 50%까지 오른다고 한다.

알고리즘의 이면과 전망

알고리즘은 개인 맞춤으로 정보를 제공해 선택에 도움을 준다. 흥미롭고 간편해서 자연스럽게 빠져들게 된다. 그러나 주의해야 한다. 알고리즘에도 부정적인 이면이 존재한다.

우선 필터 버블 문제다. 필터 버블이란, 정보제공자가 이용자에게 맞춤형 정보를 제공해 이용자는 필터링 된 정보만을 접하는 현상을 말한다. 즉, 선별된 정보에만 갇히는 것이다. 알고리즘을 통하면 자신도 모르게 정보 편식을 하게 된다. 자신과 비슷한 성향의 콘텐츠만 접하고, 반대 성향의 콘텐츠를 접할 기회는 낮아진다. 그렇게 되면 한쪽 성향에 대한 인식이 강화돼, 극단적인 가치관을 가질 가능성이 커진다. 사회의 양극화가 심화된다. 건강한 사고를 유지하기 위해서는 보고 싶지 않아도 다양한 콘텐츠를 접해야 할 필요가 있다.

다음은 극단적이고 자극적인 콘텐츠가 남발된다는 점이다. 많은 플랫폼은 알고리즘을 통해 사용자의 체류 시간을 늘리고자 한다. 이를 위해 사용자의 취향에 부합하는 것이 아닌, 극단적이고 자극적인 콘텐츠를 노출한다. 그 속에는 혐오와 편견을 부추기는 내용이 들어간다. 장시간 노출되면 당연히 분별력은 약해지고, 자연스럽게 편견과 고정관념이 생길 것이다. 이에 대한 경각심을 가져야 한다.

마지막으로 프라이버시 문제다. 알고리즘은 개인의 데이터를 바탕으로 하므로, 필연적으로 프라이버시 문제와 연결된다. 플랫폼은 개인의 의사와 관계없이 어떤 것을 좋아하고 흥미를 느끼는지에 대한 정보를 파악한다. 이러한 데이터는 제3자에게 동의 없이 전달돼 상업적으로 이용될 가능성이 있다. 악용된다면 피해는 막심할 것이다.

현재 알고리즘은 21세기판 보이지 않는 손이라 불린다. 우리의 상상보다 훨씬 광범위하게 영향력을 발휘하고 있다. 나아가 알고리즘은 지금보다 더 발전할 전망이라고 한다. 따라서 우리는 더 주의를 기울여야 한다. 무심결에 정신이 알고리즘에 지배당하지 않도록, 경계가 필요하다. 알고리즘에만 기대어 생각하는 과정을 거치지 않고, 스스로 선택하는 의지를 포기해서는 안 된다. 하지만 이러한 알고리즘의 이면은 성인이라고 해도 인지하기 쉽지 않다. 그렇기에 알고리즘의 이면에 대한 학습이 이뤄지고, 알고리즘에 의존하지 않는 사회적 분위기가 형성돼야 할 시점이다.

<저작권자 © 창원대신문, 무단 전재 및 재배포 금지>