마치 거대하고 무질서한 도시에서 단서를 찾는 탐정처럼, 한 국가의 숨겨진 빈곤 지역을 찾아내는 과정을 상상해 보십시오. 보통 탐정들은 사람들에게 돈, 음식, 건강에 대해 묻기 위해 모든 문을 두드려야 합니다. 이것은 전통적인 인구 조사나 가구 조사와 같습니다. 정확하긴 하지만, 느리고 비용이 많이 들며, 보고서가 완성될 때쯤에는 이미 과거의 데이터가 되어버리는 경우가 많습니다. 과학의 세계에서 이것은 '빈곤'—즉, 사람들이 생활에 필요한 음식, 주거, 의약품과 같은 기본적 요소들을 갖추지 못한 상태—을 측정하는 오래된 방식입니다. 하지만 만약 모든 문을 두드릴 필요가 없다면 어떨까요? 도시의 밤 불빛이나, 사람들이 휴대폰을 사용하는 방식, 혹은 소셜 미디어에 올리는 글들을 보는 것만으로 누가 어려움을 겪고 있는지 알아낼 수 있다면 어떨까요? 여기서 새로운 종류의 탐정 작업이 등장합니다. 바로 "비전통적 데이터(nontraditional data)"와 컴퓨터 모델을 사용하여 실시간으로 빈곤을 지도화하는 것입니다. 이것은 방 안의 구석구석에 온도계를 꽂아 온도를 재는 대신, 안에 있는 사람들이 어떻게 대화하고, 움직이고, 멀리서 보기에 어떤 옷을 입고 있는지를 듣고 관찰하여 방의 온도를 추측하는 것과 같습니다.

"빈곤 매핑: 데이터, 모델 및 응용(Poverty Mapping: Data, Models and Applications)"이라는 제목의 이 논문은 과학자들이 이러한 디지털 발자국을 사용하여 빈곤층을 찾아내는 방법에 대한 방대한 리뷰입니다. 저자들인 중국, 독일, 스위스의 대학 연구진은 새로운 기술의 풍경을 안내하는 가이드 역할을 합니다. 그들은 우리가 위성 사진이나 전화 통화로 빈곤을 직접 측정할 수는 없지만, 빈곤이 남기는 "흔적"은 볼 수 있다고 설명합니다. 그들은 지구의 위성 이미지, 이동통신 전화 기록, 그리고 소셜 미디어 게시물을 사용하여 누가 어디에서 어려움을 겪고 있는지에 대한 그림을 그려내는 방법을 탐구합니다. 이 논문은 단순히 "이것이 작동한다"라고 말하는 데 그치지 않습니다. 그들은 지도를 면밀히 검토하고, 여전히 안개가 자욱한 곳이 어디인지 지목하며, 새로운 지도가 그저 멋져 보인다는 이유만으로 맹목적으로 신뢰하지 말라고 경고합니다. 이들은 이러한 새로운 도구들이 강력한 조력자이긴 하지만, 기존의 느린 문 두드리기식 조사를 완전히 대체하는 마법 지팡이는 아니라고 제안합니다.

옛날 방식 vs. 새로운 방식

오랫동안 사람들이 얼마나 가난한지 알 수 있는 유일한 방법은 팀을 보내 직접 묻는 것이었습니다. 이것은 호수 속의 물고기를 한 마리씩 잡아내어 숫자를 세는 것과 같습니다. 효과적이긴 하지만, 시간이 너무 오래 걸리고 비용이 엄청나게 들며, 조사를 마칠 때쯤이면 물고기들은 이미 이동해 버립니다. 논문은 특히 빈곤한 국가들의 경우, 이러한 조사가 매우 드물게 이루어지기 때문에 데이터가 몇 년 전의 것이 되는 경우가 많다고 지적합니다. 재난이 닥치거나 경제가 무너진다면, 옛날 방식의 지도는 쓸모가 없게 됩니다.

새로운 접근 방식은 헬리콥터에서 호수를 내려다보는 것과 비슷합니다. 모든 물고기를 다 볼 수는 없지만, 물결이 어디서 출렁이는지, 새들이 어디로 잠수하는지, 빛이 어디서 다르게 반사되는지는 볼 수 있습니다. 논문은 과학자들이 사용하고 있는 세 가지 주요 "헬리콥터 뷰"를 검토합니다.

1. 야간 조명과 주간 사진 (위성 이미지)
도시의 밤을 생각해 보십시오. 밝게 빛나는 구역은 보통 전기가 풍부하고 거리의 활동이 활발한 부유한 지역입니다. 어둡고 희미한 구역은 종종 더 가난한 지역입니다. 과학자들은 수십 년 동안 밤의 불빛 이미지를 사용하여 특정 지역이 얼마나 부유한지 추측해 왔습니다. 이는 마치 파티 외부의 불빛이 얼마나 켜져 있는지를 보고 파티의 규모를 판단하는 것과 같습니다. 하지만 논문은 한 가지 문제를 지적합니다. 가장 가난한 지역은 너무 어두워서 불빛이 전혀 나타나지 않는 경우가 많아, "매우 가난한 곳"과 "극도로 가난한 곳"을 구분하기 어렵다는 점입니다.

이를 해결하기 위해 연구자들은 주간 사진을 보기 시작했습니다. 그들은 컴퓨터를 사용하여 집의 지붕, 흙길, 그리고 들판의 작물 종류를 관찰합니다. 이는 집 외부를 보고 그 가족이 내부에서 어떻게 생활하는지 추측하는 것과 같습니다. 만약 지붕이 진흙으로 되어 있고 벽이 갈라져 있다면, 컴퓨터는 그 가족이 가난할 것이라고 추측할 수 있습니다. 논문은 "전이 학습(transfer learning)"—이미 알고 있는 패턴을 컴퓨터에게 가르치는 세련된 방식—을 사용하여, 한 국가에서 훈련된 모델을 가져와 해당 국가에 조사가 없더라도 다른 나라 마을의 부를 추측하는 데 사용할 수 있다고 설명합니다.

2. 디지털 발자국 (휴대폰 데이터)
오늘날 거의 모든 사람이 휴대폰을 가지고 있으며, 이는 매우 가난한 곳에서도 마찬가지입니다. 전화를 걸거나, 문자를 보내거나, 장소를 이동할 때마다 당신의 휴대폰은 디지털 흔적을 남깁니다. 논문은 이러한 흔적이 마치 한 사람의 인생을 기록한 일기와 같다고 설명합니다. 만약 누군가 친구들과 자주 통화하고, 다양한 장소를 여행하며, 통화료를 많이 충전한다면, 그 사람은 잘 살고 있을 가능성이 높습니다. 반대로 휴대폰이 조용하고, 아주 좁은 범위 내에서만 움직이며, 충전도 거의 하지 않는다면, 그 사람은 어려움을 겪고 있을 수 있습니다.

저자들은 이러한 통화 기록으로부터 어떻게 "네트워크"를 구축하는지 설명합니다. 모든 사람이 하나의 점이고 모든 통화가 그들을 연결하는 줄인 웹을 상상해 보십시오. 부유한 지역에서는 이 웹이 크고 복잡하며, 사람들이 다양한 집단과 소통합니다. 가난한 지역에서는 이 웹이 작고 촘데기처럼 붙어 있어, 사람들이 오직 직계 이웃들과만 소통할 수도 있습니다. 논문은 이러한 패턴을 살펴봄으로써, 단 한 명에게 질문하지 않고도 특정 동네 전체의 부를 추측할 수 있다고 제안합니다. 그러나 논문은 또한 이것이 휴대폰 네트워크에 참여하는 사람들이 전체 인구를 공정하게 대표할 때만 유효하다고 경고합니다. 만약 가장 가난한 사람들이 휴대폰을 가지고 있지 않다면, 지도는 그들을 놓치게 될 것입니다.

3. 세상의 이야기 (소셜 미디어 데이터)
소셜 미디어는 사람들이 자신의 생각을 외치는 거대한 광장과 같습니다. 논문은 과학자들이 사람들의 기분과 경제적 수준을 추측하기 위해 이러한 외침을 어떻게 읽어내는지 살펴봅니다. 만약 어떤 동네 사람들이 주로 비싼 휴가, 고급 자동차, 혹은 행복한 사건들에 대해 게시물을 올린다면, 그 지역은 부유할 수 있습니다. 만약 게시물들이 배고픔, 슬픔, 혹은 일자리 부족에 대한 불만으로 가득 차 있다면, 그 지역은 가난할 수 있습니다.

과학자들은 컴퓨터를 사용하여 텍-마이닝(text mining, 텍스트 채굴)을 수행하고 네트워크 분석을 통해 누가 누구를 팔로우하는지 확인합니다. 그들은 사람들이 사용하는 언어, 게시물을 올릴 때 사용하는 기기(예: 아이폰 vs. 오래된 안드로이드 폰), 심지어 게시물을 올리는 시간대 등이 소득에 대한 단서를 제공한다는 것을 발견했습니다. 하지만 다시 한번, 논문은 모든 사람이 소셜 미디어를 사용하는 것은 아니라고 주의를 줍니다. 오프라인 상태인 사람들이 종종 가장 많은 도움이 필요한 사람들인데, 소셜 미디어에만 의존하면 편향된 그림을 그릴 위험이 있습니다.

종합하기: 슈퍼 맵

이 논문의 가장 흥격적인 부분은 저자들이 "다중 소스 데이터 융합(multisource data fusion)"에 대해 이야기할 때입니다. 이것은 밤의 불빛, 휴대폰의 흔적, 그리고 소셜 미디어의 이야기를 하나의 거대하고 정교한 지도로 결합하는 것과 같습니다. 논문은 이러한 서로 다른 단서들을 혼합했을 때 그림이 훨씬 더 명확해진다고 제안합니다. 예를 들어, 방글라데시의 한 연구에서는 위성 이미지와 모바일 데이터 결합을 통해 각각을 따로 사용했을 때보다 훨씬 더 정확하게 빈곤을 예측할 수 있었습니다. 이는 지문, 목격자 진술, 그리고 보안 카메라 영상을 동시에 사용하여 미스터리를 푸는 것과 같습니다.

저자들은 이러한 결합된 지도가 놀라운 정확도로 부를 예측할 수 있으며, 때로는 지역 간의 부의 차이를 70% 이상 설명할 수 있음을 보여줍니다. 심지어 코로나19 팬데믹과 같은 위기 상황에서 전통적인 조사보다 더 빠르게 가장 취약한 사람들을 찾아내어 도움을 보낼 수 있는 방법도 보여줍니다.

한계점: 완벽하지 않다

이러한 모든 흥분되는 내용에도 불구하고, 논문은 이것이 완벽한 해결책이라고 말하지 않도록 매우 주의를 기울입니다. 저자들은 몇 가지 큰 문제점을 지적합니다.

• "누락된 사람들" 문제: 만약 어떤 사람이 휴대폰이 없거나, 소셜 미디어를 사용하지 않거나, 위성이 명확하게 볼 수 없는 곳에 산다면, 그 사람은 지도에 나타나지 않을 것입니다. 논문은 이러한 방식이 의도치 않게 가장 가난한 사람들, 노인, 또는 분쟁 지역에 있는 사람들을 소외시킬 수 있다고 경고합니다.
• "하나의 크기가 모두에게 맞지 않는" 문제: 한 국가에서 잘 작동하는 모델이 다른 국가에서는 실패할 수 있습니다. 사람들이 휴대폰을 사용하는 방식이나 집의 형태는 지역에 따라 매우 다를 수 있습니다. 논문은 모델이 여전히 작동하는지 확인하지 않고 단순히 한 곳의 모델을 다른 곳으로 복사해서 붙여넣을 수 없다고 제안합니다.
• "블랙박스" 문제: 일부 컴퓨터 모델은 너무 복축하여 과학자들조차 왜 그런 추측을 했는지 그 이유를 완전히 이해하지 못할 때가 있습니다. 만약 컴퓨터가 특정 동네가 가난하다고 말하는데 왜 그런지에 대한 근거를 알 수 없다면, 정치인들이 이를 신뢰하고 정책 결정에 활용하기 어렵습니다.

결론

논문은 이러한 새로운 도구들이 놀라운 조력자이지만, 기존의 방식을 대체하는 것은 아니라고 결론짓습니다. 그것들은 우리가 이전에는 볼 수 없었던 것들을 볼 수 있게 도와주는 고성능 망원경과 같지만, 중요한 것을 놓치고 있지는 않은지 확인하기 위해 여전히 직접 나가서 사람들과 대화해야 합니다. 저자들은 빈곤 퇴치의 미래가 이러한 새로운 디지털 지도와, 느리지만 신뢰할 수 있는 기존의 조사를 혼합하는 데 있다고 제 제안합니다. 이렇게 함으로써 우리는 더 상세하고 정확한 그림을 얻을 수 있으며, 도움이 가장 절실한 사람들을 그 어느 때보다 빠르게 찾아낼 수 있습니다. 이 논문은 빈곤을 해결했다고 주장하는 것이 아니라, 우리가 마침내 어둠 속에 있는 사람들을 찾기 위한 훨씬 더 나은 손전등을 갖게 되었음을 시사합니다.