Social learning drives underprioritization of collective challenges

당신이 북적이는 방 안에 서 있다고 상상해 보세요. 그곳의 모든 사람들은 무엇이 가장 중요한 문제인지 결정하려고 애쓰고 있습니다. 어떤 이들은 불이 났다고 소리치고 있고, 다른 이들은 지붕이 새는 것을 걱정하고 있습니다. 현실 세계에서 이것은 사회가 수행하는 역할입니다. 즉, 지금 당장 우리의 돈과 법, 그리고 주의를 기울여야 할 과제가 무엇인지 파고드는 일입니다. 집단이 어떻게 생각하는지를 연구하는 사회 과학자나 사회 물리학자들은 오랫동안 이상한 결함 하나에 의문을 품어 왔습니다. 때때로 거의 모든 사람이 어떤 문제가 무섭다는 데 동의함에도 불구하고, 정작 집단은 그것을 최우선 과제로 다루기를 거부하곤 합니다.

이를 이해하기 위해서는 두 가지 간단한 개념이 필요합니다. 첫째, **개별 학습(individual learning)**은 자전거 타기를 배울 때 몇 번 넘어지면서 배우는 것처럼, 자신의 직접적인 경험으로부터 배우는 것입니다. 둘째, **사회적 학습(social learning)**은 연석에서 뛰어내리기 전에 다른 사람들이 무엇을 하는지 주변을 둘러보는 것과 같습니다. 만약 군중이 달리고 있는 것을 본다면, 당신도 왜 그러는지 모르더라도 함께 달릴 수 있습니다. 여기서 핵심적인 질문은, 만약 사회가 두 가지 문제 사이에서 선택해야 하는데, 한 문제는 주로 타인을 관찰함으로써 배우고 다른 하나는 직접 체감함으로써 배운다면 어떤 일이 벌어질 것인가 하는 점입니다.

연구원인 윤 러스(Russ Yoon)와 척 쿼이오 양(Chuqiao Yang)이 작성한 이 논문은 컴퓨터 시뮬레이션이라는 수학적 모델을 사용하여 바로 그 수수께집을 파고듭니다. 그들은 우리가 서로로부터 배우는 방식이 어떻게 실수로 심각한 위험을 무시하게 만들 수 있는지 알아보고자 했습니다. 그들은 단순히 추측만 한 것이 아니라, 사람들이 어떻게 생각을 변화시키는지 관찰하기 위해 두 그룹의 사람들과 두 개의 경쟁하는 문제를 가진 가상 세계를 구축했습니다. 그들의 연구 결과는 우리가 서로의 걱정을 복제하는 바로 그 방식이, 가장 중요한 일에 행동하지 못하게 만드는 원인이 될 수 있음을 시사합니다.

거대한 우선순위 혼동

두 가지 문제를 상상해 봅시다. 이름을 각각 "느린 연소(The Slow Burn)"와 "큰 충돌(The Loud Crash)"이라고 부르겠습니다. 두 문제 모두 현실에서는 똑같이 위험합니다. "큰 충돌"은 은행 잔고가 갑자기 줄어들거나 식료품 가격이 급등하는 것과 같습니다. 당신은 그것을 즉각적으로 느끼고, 숫자를 확인하며, 그것이 나쁘다는 것을 압니다. 이것은 개별 경험을 통해 학습되는 문제입니다. 반면 "느린 연소"는 기후 변화나 새로운 바이러스와 같습니다. 그것은 눈에 보이지 않고, 멀리서 일어나며, 온전한 피해를 입히기까지 수년이 걸립니다. 당신은 이것을 직접 느낄 수 없기 때문에, 당신이 얼마나 걱정해야 할지를 결정하기 위해 사회적 학습에 의존해야 합니다.

연구진은 이 두 가지 문제에 직면한 두 그룹의 사람들(정치적 팀이나 이웃 동네라고 생각하면 됩니다)을 대상으로 시뮬레이션을 구축했습니다. 그들은 두 문제의 "위험 수준"을 정확히 동일하게 설정했습니다. 하지만 여기에 반전이 있습니다. "느린 연소"의 경우 사람들은 주로 서로로부터 배웠습니다. 반면 "큰 충돌"의 경우, 사람들은 자신의 지갑과 일상생활을 통해 배웠습니다.

결과는 놀라웠습니다. 두 문제 모두 똑같이 심각했음에도 불구하고, 집단은 지속적으로 "느린 연소"를 무시하고 "큰 충돌"에 모든 에너지를 집중했습니다. 왜 그랬을까요? 분열된 세상에서 사회적 학습이 작동하는 방식 때문입니다.

에코 체임버 효과 (Echo Chamber Effect)

시뮬레이션에서 사람들이 사회적 학습에 크게 의존할 때, 그들은 주로 자신이 속한 그룹 내의 다수를 모방하는 경향이 있습니다. 만약 A 그룹이 "느린 연소"에 대해 걱정하기 시작하면, 그들은 모두 함께 걱정하기 시작합니다. 하지만 만약 B 그룹이 걱정하지 않는다면, 그들은 모두 평온한 상태를 유지합니다. 이는 분열을 만듭니다. 인구의 절반은 그 문제에 대해 비명을 지르고 있는 반면, 나머지 절반은 완전히 무지한 상태가 되는 것입니다.

사회가 결정을 내리려 할 때, 사회는 전체적인 걱정의 양을 살펴봅니다. "느린 연소"는 단 하나의 그룹에 갇혀 있기 때문에, 전체적인 걱정 수준은 마땅히 높아야 할 수준보다 낮게 나타납니다. 반면 "큰 충돌"은 누구나 가격 상승을 목격하기 때문에 어디에서나, 모든 곳에서 느껴집니다. 따라서 "느린 연소"가 똑같이 치명적일지라도, 그 걱정이 방 한쪽 구석에 뭉쳐 있는 반면 다른 문제에 대한 걱정은 군중 전체에 퍼져 있기 때문에 사회는 이를 더 낮은 우선순위로 취급합니다.

이 논문은 이것이 사람들이 어리석거나 뉴스가 거짓말을 하기 때문이 아니라고 설명합니다. 이것은 구조적인 결함입니다. 만약 당신이 타인의 생각에 너무 많이 의녀하고, 그리고 그 "타인들"이 서로 분리되어 있다면, 당신은 결국 주요한 위협에 대해 절반은 잠든 상태가 되어버립니다.

기다림의 게임

연구진은 또한 문제가 시간이 지남에 따라 악화되는 경우(예: 서서히 차오르는 홍수) 어떤 일이 일어나는지도 테스트했습니다. 그들은 어떤 문제가 사회적 학습에 크게 의존할 경우, 사회가 깨어나는 데 매우 느리다는 것을 발견했습니다. 문제가 명백해질 때조차 집단은 계속 기다립니다. 이는 마치 사람들이 첫 번째 사람이 일어나서 박수를 치기를 기다리는 줄과 같습니다. 만약 모두가 다른 누군가가 먼저 시작하기를 기다린다면, 아무도 오랫동안 박수를 치지 않을 것입니다.

시뮬레이션은 사람들이 서로를 복제하는 것(사회적 학습)에 더 많이 의존할수록, 지연 시간이 길어진다는 것을 보여주었습니다. 점진적으로 악화되는 문제는 "사회적 신호"가 임계 질량에 도달할 때까지, 심지어 다른 이슈들보다 더 위험해진 이후에도 아주 오랫동안 무시될 수 있습니다. 이는 단순히 "사회적 신호"가 아직 충분한 규모에 도달하지 못했기 때문입니다.

결함을 고치는 방법

그렇다면 이 우선순위 혼동을 어떻게 멈출 수 있을까요? 이 논문은 두 가지 주요한 해결책을 제시하며, 두 방법 모두 우리가 학습하는 방식을 바꾸는 것을 요구합니다.

첫째, 문제를 더 실감 나게 만들어야 합니다. 사람들이 단지 소문을 듣는 것이 아니라 위험을 직접 경험할 수 있다면, 편향은 사라집니다. 저자들은 가상 세계에서 기후 변화나 팬데믹의 영향을 "느낄" 수 있는 대화형 시뮬레이션 같은 것들이 사람들이 타인을 모방하는 것에서 경험을 통해 배우는 것으로 전환하는 데 도움이 될 수 있다고 제안합니다.

둘째, 에코 체임버를 깨뜨려야 합니다. 시뮬레이션은 두 그룹이 서로 대화를 나누고 상대방의 말을 듣기 시작하면(집단 간 학습), 편향이 사라질 수 있음을 보여주었습니다. 그러나 여기에는 주의할 점이 있습니다. 사소한 대화만으로는 부족합니다. 연구진은 집단 간의 교류가 데드락(교착 상태)을 깨뜨리기 위해서는 상당한 양의 교차 작용이 필요하다는 것을 발견했습니다. 약간의 경청은 결과를 바꾸지 못합니다. 그룹들이 서로의 우려를 진정으로 이해하기 시작하는 특정 임계치를 넘어야 합니다.

거시적 관점

이 연구는 왜 사회가 기후 변화와 같은 큰 위협에 대해 대부분의 사람이 걱정하고 있음에도 불구하고 때때로 행동에 실패하는지에 대한 새로운 시각을 제공합니다. 이는 사람들이 단순히 관심이 없는 것이 아니라, 양극화된 세상에서 의견을 형성하는 방식 때문에 우리가 무엇을 해야 할지에 대해 합의하기 어렵다는 것을 시사합니다.

저자들은 자신들의 결과가 특정 연도에 실제로 일어난 일을 측정한 것이 아니라, 일이 어떻게 진행될 수 있는지를 보여주는 수학적 모델, 즉 시뮬레이션에서 나온 것임을 주의 깊게 밝히고 있습니다. 하지만 그 논리는 강력합니다. 우리가 우리 자신의 눈이나 다른 그룹의 목소리에 귀를 기울이기보다, 오직 우리 그룹의 생각에만 너무 많이 의존한다면, 우리는 방 안의 가장 위험한 불길을 무시할 위험이 있습니다. 이 논문은 우리의 집단적 우선순위를 바로잡기 위해서, 우리는 단지 이웃을 바라보는 것을 멈추고 자신의 눈으로 세상을 보거나, 적어도 울타리 너가 있는 이웃과 대화를 시작해야 할지도 모른다고 제안합니다.