Deep learning four decades of human migration

전 세계적인 '의자 뺏기' 게임을 추적한다고 상상해 보세요. 여기서 음악은 경제, 정치, 그리고 날씨이고, 의자는 국가입니다. 수십 년 동안 누가, 언제, 왜 어디로 이동했는지를 정확히 세려고 노력하는 것은 매우 혼란스럽고 좌절스러운 게임이었습니다. 독일처럼 입구에서 엄격한 명단을 작성하는 국가가 있는가 하면, 영국처럼 티켓을 산 사람을 보고 대략 짐작하는 곳도 있고, 세상의 많은 지역에는 명단 자체가 아예 없는 곳도 있습니다. 그 결과는 어떨까요? 숫자가 일치하지 않는 경우가 많습니다. 예를 들어 독일은 폴란드에서 16만 명이 왔다고 말하는데, 폴란드는 12,300명만이 떠났다고 말한다면, 수학적으로 엄청난 사람들이 사라진 셈입니다.

여기에 새로운 디지털 탐정 팀인 토마스 가스킨(Thomas Gaskin)과 가이 J. 에이블(Guy J. Abel)이 등장했습니다. 그들은 단순히 머릿수를 센 것이 아니라, 1990년부터 2023년까지 인류 이동의 이야기를 파악하기 위해 시간 여행을 하는 로봇 뇌(심층 순환 신경망, deep recurrent neural network)를 구축했습니다.

기억력을 가진 마법의 뇌

이동을 추측하는 기존의 방식 대부분은 5년마다 스냅샷을 찍고 그 사이의 일을 추측하는 것과 같았습니다. 그들은 사람들이 오직 현재 일어나고 있는 일에 따라서만 움직인다고 가정했습니다. 하지만 인간은 그렇지 않습니다. 우리는 기억합니다. 10년 전의 위기가 오늘 누군가를 떠나게 만드는 원인이 될 수도 있습니다.

저자들의 로봇 뇌는 특별합니다. 왜냐하면 기억력이 있기 때문입니다. 이것은 마치 범죄 현장의 오늘 모습만 보는 것이 아니라, 지난 30년 동안의 모든 단서를 기억하는 탐정과 같습니다. 이 뇌에 국가가 벌어들이는 돈, 거리, 언어의 유사성, 종교, 심지어 전쟁에서 사망하는 사람 수 등 18가지 유형의 단서를 입력함으로써, 뇌는 인구 흐름을 예측하는 법을 배웠습니다.

결정적으로, 이 뇌는 단순히 하나의 숫자만을 추측하지 않습니다. 또한 자신이 얼마나 불확실한지도 알려줍니다. 만약 데이터가 모호하다면(아프리카의 많은 지역처럼), 뇌는 "이 부분은 100% 확신할 수 없으니, 기록을 다시 확인해 봐야 할 것 같습니다"라고 말합니다. 이는 우리가 정확히 어느 부분에서 더 나은 데이터를 수집해야 하는지를 명확히 짚어준다는 점에서 매우 중요한 성과입니다.

그들이 발견한 것 (반전의 결과)

이 로봇 뇌가 들려주는 이야기는 세계의 이동에 관한 몇 가지 큰 변화를 드러냅니다:

• 거대한 급증: 2000년 이후 매년 국경을 넘어 이동하는 사람의 수는 1,300만 명에서 2023년 3,600만 명 이상으로 급증했습니다. 이는 단순히 지구상에 사람이 많아졌기 때문이 아닙니다. 이동하는 인구의 비율이 **0.21%**에서 **0.45%**로 거의 두 배 가까이 늘어난 것입니다.
• 큰 충격들: 이 수치가 감소했던 유일한 시기는 **대공황(2008~2009년)**과 코로나19 팬데믹(2020년) 기간이었습니다.
• 가장 큰 이동: 뇌가 포착한 단일 연도 최대 규모의 급증은 약 85만 명의 베네수엘라 사람들이 콜롬비아로 탈출했던 2019년이었습니다. 또 다른 거대한 물결로는 2022년 멕시코에서 미국으로 이동한 인구와 2022년 우크라이나에서 러시아로 이동한 인구가 있었습니다.
• 중동이라는 자석: 중동은 새로운 유입 인구의 가장 큰 자석 역할을 해왔으며, 주로 남아시아 출신들입니다. 2010년 이후, 인도, 파키스탄, 방글라데시에서 사우디아라비아, 카타르, 바레인, UAE로 매년 평균 130만 명(총 1,840만 명)이 이동했습니다. 이는 1990년 이후 멕시코에서 미국으로 이동한 총 인구수인 1,480만 명보다 많은 수치입니다.
• 유럽의 셔플: 팬데믹 이전에는 매년 약 300만 명이 유럽 내부에서 이동했습니다. 1991년 소련이 붕괴한 후에는 거대한 이동이 있었는데, 폴란드, 러시아, 우크라이나, 루마니아에서 태어난 80만 명 이상의 사람들이 그해에 유럽 내에서 이동했습니다.

그들이 반박하는 내용 ("이렇게 하지 마세요" 목록)

저자들은 무엇이 효과적이지 않은지에 대해 매우 명확하게 밝히고 있습니다:

• "5년 단위 스냅샷"은 너무 느립니다: 기존 방식은 5년 또는 10년마다 데이터만 제공했습니다. 저자들은 이것이 갑작스러운 재난이나 빠른 변화를 포착하기에는 너무 느리다고 주장합니다. 5년마다 데이터만 본다면 갑작스러운 전쟁이나 급격한 경제 위기를 이해할 수 없습니다.
• "현재 상태만 고려하는" 모델은 틀렸습니다: 그들은 인간을 기억이 없는 존재처럼 취급하는 모델(마르코프 모델)에 반대합니다. 그들은 사람이 오직 오늘의 날씨나 경제 상황에 따라서만 이주를 결정한다고 생각하는 것은, 지난 몇 년간의 위기를 무시하는 어리석은 일이라고 말합니다.
• "잔차(Residual)" 계산법은 불안정합니다: 많은 공식 UN의 "순 이동(net migration)" 수치(유입 인구에서 유출 인구를 뺀 값)는 전체 인구 변화에서 출생과 사망을 빼서 계산됩니다. 저자들은 인구수 자체가 불투명할 수 있기 때문에 이 방식이 자주 틀린다고 보여줍니다. 예를 들어, 그들의 모델은 러시아의 순 이동이 1995년 이후 양(+)의 흐름이었다는 UN의 주장과 달리, 실제로는 2005년경에 이미 음(-)의 흐름으로 돌아섰음을 시사합니다.

얼마나 확신하나요?

저자들은 단순히 추측한 것이 아니라, 자신들의 로봇 뇌를 엄격하게 테스트했습니다.

• 테스트: 그들은 학습 과정에서 알려진 이동 경로의 **20%**를 뇌에게 숨긴 뒤, 그 숨겨진 경로를 맞히도록 했습니다.
• 점수: 뇌는 학습한 데이터에 대해 **95%**의 상관관계를, 숨겨진 테스트 데이터에 대해서는 **80%**의 상관관계를 보였습니다. 이동 데이터가 매우 노이즈가 심하다는 점을 고려하면 이는 매우 높은 점수입니다.
• 비교: 그들이 이 로봇 뇌를 기존의 "재고 차분(stock-differencing)" 방식(5년 단위 스냅샷) 및 다른 표준 기술들과 비교했을 때, 이 딥러닝 모델은 그들 모두를 상당히 능가했습니다.
• 주의사항: 그들은 사하라 이남 아프리카와 같은 일부 지역의 경우, 입력 데이터가 부족하여 여전히 불확실성이 높다는 점을 인정합니다. 그들은 나이지리아와 같은 국가의 추정치에 대한 불확실성이 세계 최고 수준임을 명시하며, 그곳에 더 많은 데이터 수집이 필요함을 시사했습니다.

결론

이것은 단순한 숫자 목록이 아닙니다. 세상을 바라보는 새로운 방식입니다. 컴퓨터에 기억력을 부여하고 18가지 유형의 단서로부터 배우도록 가르침으로써, 저자들은 230개 국가와 지역을 아우르는 1990년부터 2023년까지의 가장 상세한 인류 이동 지도를 만들어냈습니다. 그들은 이주가 증가하고 있으며, 과거의 복잡한 기억에 의해 움직이며, 우리에게 훌륭한 새 지도가 생겼지만 여전히 더 밝은 빛을 비춰야 할 안개 낀 곳들이 있다는 것을 보여주었습니다.

가장 좋은 점은 무엇일까요? 이 지도, 로봇 뇌, 그리고 코드가 누구나 사용할 수 있도록 무료로 공개되어 있다는 것입니다. 마치 그들이 타임머신의 열쇠를 전 세계에 건네준 것과 같습니다.