최근 구글의 연구진들은 ‘다음에 볼 영상을 추천하기(Recommending what video to watch next)’라는 제목의 논문을 발표했다. 이 논문은 유튜브에서 특정 영상을 다 보면 자동 재생되는 다음 동영상의 추천 알고리즘을 좀 더 이용자 맞춤형으로 개선하는 내용을 담고 있다. 연구진들은 추천 알고리즘의 개선 과정에서 ‘암묵적 편견(implicit bias)’ 문제를 특별히 다루고 있다. 암묵적 편견은 심리학 용어로 본인은 편견을 갖고 있지 않다고 믿고 있지만, 무의식적으로 나타나는 편향적 태도를 말한다.

이 논문에서 ‘암묵적 편견’은 다음과 같은 내용을 말한다. 유튜브의 추천 알고리즘이 이용자의 행위에 영향을 미침으로 인해 그 행위를 다시 기계학습하면서 추천 알고리즘이 이용자의 선호에 따른 행위를 기계 학습하는 것이 아니라 자신들이 만든 알고리즘을 기계 학습하는 것이다. 즉, 이용자의 욕구를 파악하는 것이 아니라 추천 알고리즘에 따른 이용 행위를 기계 학습해 실제 이용자가 원하는 내용과는 멀어진 내용을 추천하는 결과로 이어지는 문제다. 연구진들은 이러한 ‘암묵적 편견’ 문제를 해결하기 위해 유튜브의 추천 알고리즘 수정을 제안한다. 이용자들에게 상위로 추천되는 영상을 기계 학습할 경우에는 가중치를 고의로 떨어뜨리고, 반대로 이용자들이 추천 목록 하위에 있는 영상을 찾아 봤을 경우에는 그 영상의 가중치를 높여 기계 학습시키는 방식이다. 그 결과 이용자 맞춤형 추천 정확도가 의미심장하게 높아졌다고 한다.

유튜브 추천 알고리즘이 드러낸 ‘암묵적 편견’ 문제가 최근 한국의 언론들에서도 나타나고 있는 것으로 보인다. 언론은 독자들에게 객관적이고 올바른 정보를 제시해 민주주의 공동체 사회의 유지와 발전으로 이끌어 간다. 이를 위해 언론은 다양한 저널리즘 원칙들을 만들었고 이를 지키기 위해 모두 최선을 다했고 그 결과 우리 사회의 민주주의는 크게 발전했다. 그런데, 이러한 작업이 반복되면서 언론이 자신들의 지향점을 반복적으로 학습하게 돼 실제 독자들이 원하는 바와는 멀어지고 있는 것 아닌가라는 생각이 든다. 독자들이 더 많은 뉴스를 원한다고 생각하지만, 더 좋은 뉴스를 원한다. 독자들이 더 빠른 뉴스를 원한다고 생각하지만, 느리더라도 신뢰할 수 있는 정보를 원한다. 독자들이 정치인들끼리 싸우는 모습을 보고 싶어 한다고 생각하지만, 사회 문제의 해결책을 찾아내는 정치인을 보기를 원한다.

얼마 전 한 연예인이 스스로 세상을 떠났다. 대부분의 언론들은 ‘악플’이 그 이유 중 하나였다고 지적했다. 하지만, 그 ‘악플’이 달린 곳은 그 대부분의 언론들이 작성한 기사였다. ‘암묵적 편견’을 제거하기 위한 유튜브의 추천 알고리즘 수정 방식을 우리 언론도 참고하면 좋겠다. 눈에 잘 보이는 독자에 대한 가중치를 낮추고, 잘 보이지는 않지만 의미 있는 독자를 찾아 내 가중치를 높이는 것이다.