Cross-Cutting Exposure as an Engine of Radicalization: Platform Design, Attention, and Geography in a Stochastic Multiplex Model of Opinion Dynamics

의견의 거대한 뒤섞임: 왜 더 많이 보는 것이 우리를 덜 수용적이게 만드는가

인터넷을 모든 사람이 끊임없이 돌아다니며 이웃과 부딪히고 자신의 의견을 외치는 거대하고 시끄러운 광장이라고 상상해 보십시오. 오랫동안 인간의 사고 방식을 연구해 온 과학자들은 "에코 체임버(echo chambers, 반향실)"라는 특정한 문제에 대해 우려해 왔습니다. 소셜 미디어 알고리즘이 마치 당신이 이미 동의하는 사람들과만 대화할 수 있도록 허용하는 문지기처럼 행동한다는 공포였습니다. 만약 당신이 매운 음식을 좋아한다면, 문지기는 담백한 음식을 좋아하는 사람들을 모두 숨겨서 당신이 결코 마음을 바꿀 필요가 없게 만듭니다. 일반적인 해결책은 문지기에게 당신이 "반대편"과 더 자주 대화하도록 강제하여, 노출이 모두를 더 관대하게 만들기를 기대하는 것이었습니다.

하지만 정반대의 상황이 발생한다면 어떨까요? 만약 반대편을 보는 것이 오히려 당신의 신념을 더 고수하게 만든다면 어떨까요? 이 질문은 물리학, 컴퓨터 과학, 그리고 심리학의 접점에 놓여 있습니다. 물리학자들은 규칙을 약간 수정했을 때 집단이 어떻게 행동하는지 테스트하기 위해 "토이 모델(toy models)"—현실 세계를 단순화한 수학적 버전—을 만드는 것을 좋아합니다. 그들은 "브라운 운동"(술 취한 사람이 인파 속에서 비틀거리는 것처럼 무작별로 걷는 것을 의미함)과 "유한한 확신(bounded confidence)"(우리는 우리의 의견과 충분히 가까운 사람들의 말에만 귀를 기울인다는 개념)과 같은 개념을 사용합니다. 핵심적인 질문은 이것입니다. 소셜 미디 플랫폼이 우리가 보는 것을 큐레이션하는 방식이 실제로 우리의 분열을 치유하는가, 아니면 실수로 우리를 극단으로 몰아넣는가?

반전: "중립적인" 플랫폼이 가장 나쁜 가해자이다

새로운 연구에서 연구자 루벤 아라우호(Ruben Araújo)는 이를 답하기 위해 디지털 시뮬레이션을 구축했습니다. 그는 2D 공간(거대한 비디오 게임 지도와 같은)을 배회하며 서로 대화하는 200명에서 1,600명의 가상 사람들을 만들었습니다. 이 사람들은 두 가지 방식으로 상호작용합니다. 물리적으로, 즉 근처에 있는 이웃과 부딪히는 방식과, 디지털로, 즉 알고리즘에 의해 큐레이션된 피드를 스크롤하는 방식입니다. 결정적으로, 이 사람들은 제한된 주의력을 가지고 있습니다. 만약 그들이 스크롤하는 데 시간을 보낸다면, 그들은 바로 옆에서 걷고 있는 사람들과 대화하는 것을 멈춥니다.

이 시뮬레이션은 어떤 플랫폼(알고리즘)이 가장 많은 양극화(모두가 의견 스펙트럼의 맨 왼쪽이나 맨 오른쪽 끝에 도달하는 현상)를 유발하는지 확인하기 위해 세 가지 다른 유형의 "플랫폼"을 테스트했습니다:

1. 유사성 알고리즘(The Similarity Algorithm): 이것은 "에코 체임버" 문지기입니다. 이는 당신과 똑같이 생각하는 사람들의 콘텐츠만을 보여줍니다.
2. 중립 알고리즘(The Neutral Algorithm): 이것은 "무작위" 문지기입니다. 이는 의견에 상관없이 누구의 콘텐츠든 보여줍니다.
3. 논쟁 알고리즘(The Controversy Algorithm): 이것은 "드라마" 문지기입니다. 이는 당신을 계속 참여시키기 위해 당신의 의견과 다른 콘텐츠를 특별히 보여주려고 노력합니다.

연구는 또한 실세계의 심리학을 바탕으로 한 반전을 추가했습니다: 때때로 사람들이 자신과 강력하게 의견이 다른 것을 볼 때, 단순히 무시하는 것이 아니라 화를 내며 그 의견으로부터 더 멀리 이동하기도 합니다. 이것을 "반발(repulsion)"이라고 부릅니다.

여기 놀라운 결과가 있습니다: "중립적" 플랫폼이 가장 위험했습니다.

시뮬레이션에서, 알고리즘이 사람들에게 무작위 의견을 보여주었을 때(중립 플랫폼), 인구는 최대한 양극화되었습니다. 모든 사람의 의견이 스펙트럼의 극단적인 가장자리(예: -1과 +1)에 고정되었습니다. "논쟁" 플랫폼도 거의 비슷하게 나빴으며, 사람들을 매우 빠르게 극단으로 밀어냈습니다.

충격적인 사실은? 유사성 알고리즘(우리가 보통 에코 체임버의 원인으로 비난하는 것)이 실제로는 가장 안전했다는 점입니다. 반대되는 견해를 숨김으로써, 그것은 "반발" 메커니즘을 굶겨 죽였습니다. 화가 나는 반발 반응이 트리거되지 않았기 때문에, 사람들은 극단으로 강하게 밀려나지 않았습니다. "에코 체임버"는 반대 의견을 보는 것이 가져오는 급진화 효과로부터 인구를 보호하는 방패 역할을 했습니다.

수학은 어떻게 혼돈을 설명하는가

저자는 단순히 시뮬레이션을 지켜본 것이 아닙니다. 그는 왜 이런 일이 발생하는지를 수학적으로 설명했습니다. 그는 인구가 반대편에 있는 두 개의 큰 집단(블록)으로 나뉜다고 가정했습니다. 이 집단들이 서로 멀어지는 속도는 그들이 얼마나 자주 서로를 보느냐에 달려 있습니다.

• 중립 플랫폼은 두 집단이 서로를 보게끔 지속적으로 강제합니다. 만약 "반발" 규칙이 활성화되어 있다면, 이 지속적인 노출은 두 집단을 밀어내는 로켓 부스터 역할을 하여, 그들이 의견의 벽에 부딪힐 때까지 집단을 갈라놓습니다.
• 유사성 플랫폼은 집단들이 서로를 보는 것을 드물게 만듭니다. 그 사이를 벌리는 힘이 없기 때문에, 집단들은 매우 느리게, 혹은 아예 벌어지지 않고 표류합니다.
• 논쟁 플랫폼은 집단들이 서로를 보게 하려고 노력하지만, 한계가 있습니다. 집단들이 너무 멀어지면, 더 이상 "매력적"이지 않다는 이유로 알고리즘은 그들에게 콘텐츠를 보여주는 것을 중단합니다. 이로 인해 집단들은 벽에 부딪히기 직전에 표류를 멈추지만, 여전히 매우 가까워집니다.

연구는 이러한 급진화가 "임계값(threshold)" 효과(특정 선을 넘기 전까지는 아무 일도 일어나지 않는 현상)가 아니라는 것을 발견했습니다. 대신, 이것은 "속도(rate)" 효과입니다. 아주 적은 양의 디지털 주의력이라도 표류를 시작할 수 있지만, 표류의 속도는 알고리즘이 당신에게 얼마나 많은 "반발적" 콘텐츠를 강요하느냐에 전적으로 달려 있습니다.

지리학적 서프라이즈

이 연구는 이 디지털 세계에서 사람들이 어디에 사는지도 살펴보았습니다. 흔한 직관은 만약 사람들이 많이 움직이지 않는다면, 그들은 유사한 생각을 가진 사람들의 지역적 "이웃"(지리적 에코 체임버)을 형성할 것이라는 것입니다. 그러나 시뮬레이션은 예상치 못한 것을 보여주었습니다: 만약 사람들이 무작위로 움직이고 움직일 때 의견을 고려하지 않는다면, 지리적 의견 구조는 형성되지 않습니다.

심지어 사람들이 한곳에 머물러 있더라도, 그들의 이동이 의견에 의해 유도되는 경우(예: 적극적으로 자신과 동의하는 이웃을 찾는 경우)가 아니라면 의견이 위치에 따라 클러스터를 형성하지 않습니다. 연구는 무작위 보행을 극복하고 이러한 의견 이웃을 만들기 위해서는 특정한 "표류" 강도가 필요하다는 것을 발견했습니다. 그 특정한 동력이 없다면, 의견의 지도는 뚜렷한 색상의 영역이 아닌 정적인 노이즈처럼 보일 뿐입니다.

이것이 현실 세계에 의미하는 바

이 연구는 소셜 미디어에 대한 이야기가 "알고리즘이 에코 체임버를 만든다"는 것보다 훨씬 더 복잡하다는 점을 시사합니다. 만약 사람들이 반대 의견에 화를 내고 그로부터 멀어지는 심리적 경향이 있다면(논쟁의 여지가 있으나 기록된 현상임), 사람들에게 더 다양한 의견을 보도록 강제하는 것이 실제로 양극화를 악화시킬 수 있습니다.

이 연구는 "노출의 다양성"이 양날의 검임을 시사합니다. 사람들이 그저 동의하기를 원하는 세상에서는, 더 많은 견해를 보여주는 것이 도움이 됩니다. 하지만 사람들이 불일치에 의해 반발하는 세상에서는, 더 많은 견해를 보여주는 것이 그들을 극단으로 밀어냅니다. 우리가 가장 공정하다고 생각할 수 있는 "중립적" 플랫폼이 가장 급진화될 수 있는데, 이는 그 플랫폼이 최대치의 반발적 노출을 보장하기 때문입니다.

저자는 이것이 인간 본성에 대한 최종적인 법칙이 아니라 컴퓨터 시뮬레이션의 결과임을 강조합니다. "반발" 효과는 심리학에서도 여전히 논쟁 중이며, 이 모델은 인간의 행동을 몇 가지 수학적 규칙으로 단순화했습니다. 그러나 이 시뮬레이션은 명확한 메커니즘을 제공합니다: 만약 "반발" 채널이 활성화되어 있다면, 우리가 피드를 구성하는 방식은 생각보다 더 중요하며, 때로는 반대편을 숨기는 것이 우리가 무너지는 것을 막는 유일한 방법일 수도 있습니다.