"What Are You Really Trying to Do?": Co-Creating Life Goals from Everyday Computer Use
이 논문은 활동 이론(Activity Theory)에 기반하여 사용자의 일상적인 컴퓨터 사용으로부터 사용자의 장기적인 삶의 목표를 추론하고 대화형 편집 인터페이스를 통해 이를 협력적으로 정교화함으로써, 표면적인 행동만을 포착하는 기존 시스템의 한계를 극복하는 "노력하는 공동 창조(striving co-creation)" 시스템을 소개한다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
단순히 사용자가 무엇을 클릭하고 타이핑하는지를 지켜보는 것을 넘어, 왜 그렇게 하는지를 이해하는 컴퓨터를 상상해 보십시오. 수십 년 동안 인간-컴퓨터 상호작용의 꿈은 우리가 수행하는 일상적인 행동 뒤에 숨겨진 더 깊은 목적을 파악하는 시스템을 구축하는 것이었습니다. 우리는 기계가 우리가 스프레드시트를 보고 있거나 이메일을 읽고 있다는 사실은 알려줄 수 있지만, 이러한 파편화된 순간들이 사실은 새로운 도시로의 이주를 계획하거나 성장하는 가족을 위해 안정적인 삶을 구축하는 것과 같은 더 크고 장기적인 노력의 일부라는 점은 파악하지 못한다는 사실을 오랫동안 받아들여 왔습니다. 이러한 격차는 현재의 기술이 근본적인 동기보다는 즉각적인 과업에 집중하기 때문에 발생합니다. 기술은 단계를 보지만 여정은 놓칩니다. 스탠퍼드 대학교의 연구진은 단순히 행동을 기록하는 것이 아니라, 사람들과 협력하여 그들의 일상적인 컴퓨터 사용을 이끄는 장기적인 목표를 밝혀내는 시스템을 개발함으로써 이 간극을 메우는 중요한 발걸음을 내디뎠습니다.
이 연구를 이끈 샤르둘 사프코타(Shardul Sapkota)와 동료들은 '템포(Tempo)'라고 불리는 시스템을 개발했습니다. 핵심 아이디어는 그들이 '노력하는 공동 창조(striving co-creation)'라고 부르는 과정입니다. 컴퓨터가 사용자가 무엇을 원하는지 조용히 추측하게 하거나, 사용자가 자신의 인생 목표 목록을 수동으로 직접 입력하게 하는 대신, 시스템과 사람이 함께 협력하여 그 목표의 그림을 그려나가는 것입니다. 시스템은 먼저 하루 종일 사용자의 화면 스크린샷을 찍어 웹 서핑부터 친구와의 메시지 주고받기까지 모든 것을 포착합니다. 그런 다음 고급 인공지능을 사용하여 이 가공되지 않은 이미지들을 하나의 계층 구조로 조직합니다. 가장 하단에는 단일 클릭이나 스크롤과 같은 단순한 '연산(operations)'이 있습니다. 이들은 특정 주제를 검색하는 것과 같은 '행동(actions)'으로 그룹화됩니다. 행동은 반복되는 행동 패턴인 '활동(activities)'으로 결합됩니다. 마지막으로, 이러한 활동들은 '노력(strivings)'으로 합성되는데, 이는 '문화적 정체성 보존'이나 '전문적인 평판 구축'과 같이 일상적인 업무에 의미를 부여하는 지속적이고 장기적인 추구입니다.
하지만 연구진은 화면을 보는 컴퓨터가 항상 전체 이야기를 알 수는 없다는 점을 알고 있었습니다. 학교를 조사하는 것과 같은 동일한 행동이 가족이 더 나은 직업을 위해 이주하는 것을 의미할 수도 있고, 혹은 어려운 상황으로부터 도망치는 것을 의미할 수도 있습니다. 이를 해결하기 위해 템포에는 사용자가 시스템의 추측을 검토하고 수정할 수 있는 두 번째 단계가 포함되어 있습니다. 만약 컴퓨터가 사용자가 '사회적 자본을 구축하고 있다'고 생각하지만 사용자는 실제로는 단순히 행정 업무를 처리하고 있는 것이라면, 사용자는 시스템을 바로잡을 수 있습니다. 이러한 수정은 단 한 번의 고침으로 끝나지 않습니다. 이는 컴퓨터가 향후 반드시 따라야 할 규칙이 됩니다. 시스템은 이러한 편집으로부터 학습하며, 사람의 인생 목표에 대한 이해를 시간이 지남에 따라 정교하게 다듬어 나갑니다. 이는 기계가 해석을 제안하고, 인간이 이를 정제하며, 기계가 그 새로운 이해를 다음 분석 단계에 통합하는 순환 구조를 만듭니다.
이 접근 방식이 실제로 효과가 있는지 테스트하기 위해, 연구진은 14명의 자원봉사자를 대상으로 일주일 동안 템포를 배치했습니다. 참가자들은 자신의 개인용 컴퓨터에 소프트웨어를 설치했고, 소프트웨어는 그들이 일상생활을 하는 동안 수천 장의 스크린샷을 캡처했습니다. 시스템은 이 데이터를 처리하여 행동과 목표의 계층 구조를 구축한 후, 실험실 세션에서 참가자들에게 결과를 검토하도록 요청했습니다. 결과는 고무적이었습니다. 시스템에 사용자의 현재 직업, 스트레스 요인, 우선순위와 같은 개인적 맥락이 포함되었을 때, 생성된 목표들이 훨씬 더 정확하고 그 사람의 실제 우선순위와 일치한다는 평가를 받았습니다. 이러한 개인적 맥락이 없었을 때, 시스템은 사람들이 무엇을 하고 있는지는 식별할 수 있었지만, 그 이면의 깊은 '이유'는 자주 놓쳤습니다.
연구는 또한 계층적 구조가 필수적이라는 점을 보여주었습니다. 연구진이 중간 단계를 건너뛰고 스크린샷에서 직접 장기적인 목표를 추측하는 버전의 시스템을 테스트했을 때, 결과는 덜 효과적이었습니다. 참가자들은 그러한 직접적인 추측이 너무 특정한 순간의 과업에 얽매여 있으며, 그들의 노력에 담긴 더 넓은 목적을 포착하지 못한다고 느꼈습니다. 단계별 계층 구조 덕분에 시스템은 서로 관련 없어 보이는 활동들 사이의 점들을 연결할 수 있었고, 건강 모니터링 서비스를 검색하는 것과 부모님께 가족 전통에 대해 메시지를 보내는 것이 모두 '사랑하는 사람을 돌보기'라는 하나의 더 큰 노력의 일부임을 밝혀낼 수 있었습니다.
아마도 가장 놀라운 발견은 이러한 목표를 검토하는 과정이 참가자들의 사고방식을 어떻게 변화시켰는가 하는 점이었습니다. 편집을 하기 전이라도, 시스템이 해석한 자신의 일주일을 보는 것만으로도 많은 이들이 자신의 행동을 성찰하게 되었습니다. 어떤 이들은 자신이 밝힌 가치와 일치하지 않는 과업에 시간을 쓰고 있다는 것을 깨달았고, 다른 이들은 이전에는 인지하지 못했던 자신의 업무 패턴을 발견했습니다. 한 참가자는 이 경험을 자신의 행동을 분석하는 상담가와 같다고 묘사하며, 고려하지 못했던 통찰력을 제공받았다고 말했습니다. 시스템은 단순히 데이터를 기록하는 데 그치지 않고, 사람들이 자신의 일상적인 디지털 습관과 장기적인 인생 포부 사이의 연결 고리를 볼 수 있도록 돕는 거울 역할을 했습니다.
연구진은 이 시스템이 완벽하지 않으며 완성된 제품이 아니라는 점을 주의 깊게 명시했습니다. 연구는 단 일주일 동안 진행되었는데, 이는 반복되는 패턴을 보기에는 충분하지만, 추론된 이러한 목표들이 몇 달 또는 몇 년 동안 안정적으로 유지될 것임을 증명하기에는 충분하지 않습니다. 또한 사용자가 커리어를 전환하려는 것이 아닌데도 전환하고 있다고 확신하며 잘못 추측하는 등의 순간도 있었습니다. 참가자들은 계층 구조를 편집할 수 있는 능력이 매우 중요하다고 느꼈는데, 이는 그들에게 통제권을 부여하고 시스템의 오해를 바로잡을 수 있게 해주었기 때문입니다. 편집할 수 있는 능력이 없었다면 시스템의 추측은 도움이 되는 해석이라기보다 경직된 라벨처럼 느껴졌을 것입니다.
궁극적으로 이 연구는 기술이 우리와 상호작용하는 새로운 방식을 시사합니다. 명령을 기다리는 수동적인 도구나 우리의 마음을 추측하려는 침입적인 관찰자가 되는 대신, 컴퓨터는 우리 삶을 이해하는 파트너가 됩니다. 컴퓨터는 우리가 무엇을 달성하고자 하는지에 대한 이야기를 제안하고, 우리는 그 이야기가 진실되게 느껴질 때까지 다시 써 내려갈 권한을 가집니다. 연구진은 인간과 기계가 이런 방식으로 협력할 때, 그 결과물이 어느 한쪽이 단독으로 달성할 수 있는 것보다 훨씬 더 정확하고 의미 있는 인간의 목표를 나타낸다는 것을 발견했습니다. 이 접근 방식은 우리의 인생 목표를 추출해야 할 고정된 사실이 아니라, 우리가 매일 사용하는 도구와 함께 만들어가는 지속적인 서사로 취급합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.