🤖 AI

Argumentation for Common Ground: Finding Zones of Possible Agreement between Individuals in Conflict

본 논문은 시민들의 평화 협정에 관한 주관적 추론을 모델링하여 상호 수용 가능한 잠재적 합의 영역(ZOPA)을 식별하는 계산적 논증 프레임워크를 제안하며, 이론적 분석과 팔레스타인-이스라엘 분쟁에 대한 실험을 통해 그 효용성을 입증한다.

원저자: Elisa Cavatorta, Antonio Rago

게시일 2026-08-18

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Elisa Cavatorta, Antonio Rago

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

평화는 단순히 문서를 서명하는 것과 같은 단순한 문제가 되는 경우가 드뭅다. 그것은 평범한 사람들이 그 조건들이 공정하다고 믿는지 여부에 따라 구축되는 취약한 구조물이다. 두 사회가 갈등에 갇혀 있을 때, 지속적인 합의로 가는 길은 지도자들이 텍스트에 합의하지 못해서가 아니라, 양측의 시민들이 그 텍스트가 무엇을 의미하는지에 대해 서로 다른 이야기에 설득되어 있기 때문에 종종 정체된다. 한 집단에게 승리로 보이는 조항이 다른 집단에게는 굴복으로 느껴질 수 있으며, 이러한 주관적인 서사들은 종로적인 설문조사나 단순한 여론조사로는 매핑하기에는 너무 복잡하고, 감정적이며, 모순적이다. 바로 이 지점에서 계산 논증(computational argumentation)이라 불리는 인공지능의 한 분야가 개입한다. 단순히 투표수를 세는 대신, 이 분야는 사람들이 결론에 도달하기 위해 사용하는 실제 논리를 모델링하며, 정책에 대한 찬성 또는 반대의 모든 이유를 더 큰 퍼즐의 별개 조각으로 취급한다. 이러한 조각들이 서로를 어떻게 공격하거나 지지하는지를 이해함으로써, 연구자들은 "무엇을 원하는가?"를 묻는 것을 넘어 "왜 이것이 옳다고 믿는가?"를 이해할 수 있게 된다.

새로운 연구에서 킹스 칼리지 런던(King's College London)의 연구진은 이 논리를 이스라엘과 팔레스타인 사이의 깊게 양극화된 갈등에 적용하여, '가능한 합의 영역(Zone of Possible Agreement)'을 찾아내도록 설계된 디지털 도구를 만들었다. 이 영역은 양측이 완벽해서가 아니라, 각 시민이 가진 복잡한 이유의 망을 고려할 때 가장 거부감이 적은 선택지로서 실제로 수용할 수 있는 구체적인 평화 협정들의 집합을 나타낸다. 연구팀은 단순히 사람들에게 잠재적 조약 목록의 순위를 매기게 한 것이 아니다. 대신, 그들은 정착지 건설 중단이나 국가 승인과 같이 사람들이 특정 조항을 지지하거나 거부하는 데 드는 구 구체적인 이유들을 가져와 이를 하나의 구조화된 네트워크로 엮어내는 시스템을 구축했다. 이 네트워크에서 모든 이유는 하나의 논거가 되며, 이들 사이의 연결은 하나의 신념이 다른 신념을 어떻게 지지하거나 약화시키는지를 보여준다.

연구진은 개인 시민 또는 시민 집단의 명시된 선호도와 그 배후에 있는 추론을 바탕으로 이러한 네트워크를 구축하는 것으로 시작했다. 그들은 평화 협정 자체를 현재 상황에 대한 변화 가능성이 있는 조항들의 집합으로 취급했다. 만약 어떤 시민이 특정 조항을 지지한다면, 그 지지는 해당 조항을 포함하는 모든 합의에 부양 효과(boost)를 준다. 반대로 반대한다면, 그 반대는 저항(drag)으로 작용한다. 결정적으로, 시스템은 그러한 입장을 이끌어내는 추론까지도 고려한다. 예를 들어, 어떤 사람은 조항 그 자체 때문이 아니라, 그 조항의 결과에 대한 특정한 두려움 때문에 반대할 수 있으며, 이 두려움은 그들이 믿는 다른 사실들에 의해 지지되거나 약화될 수 있다. 이러한 각 이유에 강도를 부여함으로써, 시스템은 모든 가능한 조항 조합에 대한 '수용 가능성 점수'를 계산할 수 있으며, 이는 개별 신념의 총합에 기초하여 사람이 복잡한 계약에 대해 어떻게 느낄지를 효과적으로 시뮬레이션한다.

공통 분모를 찾기 위해, 연구진은 대립하는 양측의 네트워크를 하나의 결합된 지도로 병합했다. 여기서 이 방법의 힘이 드러난다. 두 집단이 한쪽은 모든 조항을 지지하고 다른 쪽은 모든 조항을 거부하여 완전히 불일치하는 것처럼 보일 때조차, 병합된 지도는 여전히 중간 경로를 식착할 수 있다. 시스템은 양측의 지지 무게가 반대의 무게보다 더 큰 합의안을 찾는다. 분석에서 연구진은 이 접근법이 표면적인 선호도가 해결 불가능해 보일 때조차도 더 수용 가능한 특정 협정들을 식별할 수 있음을 발견했다. 핵심 통찰은 단순한 찬성 또는 반대의 이분법보다 추론의 강도가 더 중요하다는 것이었다. 어떤 합의는 비록 반대가 많더라도, 이를 지지하는 이유가 반대 의견을 압도할 만큼 강력하다면 병합 과정에서 살아남을 수 있다.

연구팀은 수천 명의 이스라엘 및 팔레스타인 응답자가 참여한 이전 설문 조사 데이터와, 대규모 언어 모델을 사용하여 구체적인 추론을 추출한 최근의 여론 보고서 데이터를 사용하여 이 프레임워크를 테스트했다. 첫 번째 테스트에서, 그들은 시스템의 평화 협정 순위와 실제 설문 데이터에 기록된 선호도를 비교했다. 결과는 명확한 상관관계를 보여주었으며, 이는 모델이 대중이 어떤 협정을 가장 수용 가능하다고 느낄지 정확하게 예측할 수 있음을 시사했다. 두 번째 테스트에서는 언어 모델을 사용하여 뉴스 보고서에서 추론을 추출했을 때, 시스템은 양측으로부터 가장 강력한 결합 지지를 받은 조항들이 가장 '수용 가능한' 협정에 포함되는 반면, 가장 부정적인 추론을 가진 조항들은 제외된다는 것을 성공적으로 식별해 냈다. 이는 원시 설문 데이터에 직접 접근할 수 없더라도, 대중이 펼치는 논거에 접근할 수 있다면 이 도구가 작동할 수 있음을 입증했다.

이 연구는 갈등을 해결했거나 완벽한 평화 조약을 찾아냈다고 주장하는 것이 아니다. 대신, 협상가들이 여론의 지형을 볼 수 있는 새로운 방법을 제시한다. 근저에 깔린 논거들을 시각화함으로써, 중재자들은 정확히 어디에서 마찰이 발생하는지, 그리고 어떤 타협안이 실제로 정밀한 검토를 견뎌낼 수 있는지를 볼 수 있다. 이 연구는 지지자의 수라는 단순한 계산보다 추론의 강도에 집중함으로써, 이전에는 보이지 않았던 합의의 영역을 찾는 것이 가능하다는 것을 시사한다. 이 접근법은 인간 갈등의 무질서하고 주관적인 현실을 탐색하여, 대중 여론의 혼란스러운 소음을 실현 가능한 미래를 가리키는 구조화된 지도로 바꾸어 놓는다.

기술 요약: 갈등 해결을 위한 공통 분모 도출에 관한 논증

문제 정의
지속 가능한 평화 협정은 단순한 협정 조항의 포함 여부가 아니라, 시민들이 해당 조항을 평가할 때 사용하는 주관적인 서사와 추론에 의해 매개되는 '대중적 수용성'에 의존한다. 이스라엘-팔레스타인 분쟁과 같은 양극화된 갈등에서 시민들은 종종 논쟁적인 서사를 보유하며, 이는 상호 수용 가능한 합의 집합인 '가능한 합의 영역(ZOPA, Zone of Possible Agreement)'을 식별하는 것을 어렵게 만든다. 계산적 논증(Computational Argumentation)이 의견 모델링 및 예측에는 적용되어 왔으나, 시민들의 추론에 근거하여 실질적인 ZOPA를 매핑하기 위한 실제 갈등 해결 분야에는 아직 배치되지 않았다. 핵심 과제는 양측 모두를 만족시키는 합의를 식별하기 위해 상충하는 개인의 추론을 체계적으로 표현하고 병합하는 것이다.

방법론
저자들은 갈등하는 당사자들의 추론을 모델링하고 병합하기 위해 **양적 양극적 논증 프레임워크(QBAF, Quantitative Bipolar Argumentation Frameworks)**를 활용하는 새로운 접근 방식을 제안한다.

표현 (QBAF 구축):
- 이 프레임워크는 시민의 추론을 세 가지 유형의 논증( $X$ $X$ )을 포함하는 QBAF $\langle X, A, S, \tau \rangle$ $⟨ X, A, S, τ ⟩$ 로 모델링한다:
  - 합의 논증 ( $X_P$ ): 특정 평화 협정(조항의 부분 집합)을 나타낸다.
  - 조항 논증 ( $X_C$ ): 개별 조항(현상 유지에 대한 변화)과 이에 대한 시민의 지지 또는 거부를 나타낸다.
  - 추론 논증 ( $X_R$ ): 조항을 지지하거나 반대하는 근저에 있는 서사 또는 정당화를 나타낸다.
- 관계: 공격( $A$ )과 지지( $S$ )는 시민의 입장에 따라 정의된다. 예를 들어, 지지된 조항을 나타내는 조항 논증은 해당 조항을 포함하는 합의 논증을 지지하고, 포함하지 않는 합의 논증은 공격한다.
- 기초 점수 ( $\tau$ ): 합의 논증에는 중립적인 기초 점수인 0.5가 할당된다. 조항 및 추론 논증에는 그들의 내재적 수용성이나 보편성을 반영하는 기초 점수가 할당된다.
- 점진적 의미론 (Gradual Semantics): 공격과 지지의 상호작용을 고려하여 각 논증의 강도(수용성)를 $[0, 1]$ 범위 내에서 계산하기 위해 점진적 의미론 함수 $\sigma$ 가 적용된다.
ZOPA 식별을 위한 병합:
- 공통 분모를 찾기 위해 여러 시민(예: 이스라엘인과 팔스틴인)의 QBAF를 하나의 단일 프레임워크 $Q^*$ 로 병합한다.
- 병합 과정은 각 개인의 구체적인 추론과 조항 논증을 보존하면서 모든 논증과 관계의 합집합을 취한다. 합의 계층은 공유된 상태로 유지된다.
- ZOPA는 병합된 프레임워크에서 계산된 강도가 중립 임계값인 0.5를 초과하는( $\sigma(Q^*, p_k) > 0.5$ ) 합의들의 집합으로 정의된다.
이론적 제약:
- 저자들은 점진적 의미론의 어떤 속성이 이 맥락에서 직관적인 동작을 위해 필요한지 분석한다. 그들은 균형(Balance), (엄격한) 단조성(Monotonicity), 그리고 **쌍대성(Duality)**이 필수적임을 확립한다.
- 균형은 공격이 지지를 압도할 경우 강도가 기초 점수 아래로 떨어진다는 것을 보장한다.
- 단조성은 지지를 증가시키거나 공격을 감소시키면 강도가 증가한다는 것을 보장한다.
- 쌍대성은 거울 형태의 시나리오(예: 한 쪽의 추론이 다른 쪽의 정확한 역(inverse)인 경우)에서 대칭성을 보장한다(예: 그들의 강도 합은 1이 되어야 함).
- 논문은 QEM(Potyka 2018)이 엄격한 단조성을 포함하여 세 가지 속성을 모두 만족하므로 적절한 의미론임을 확인한다. 반면 DF-QuAD는 엄격한 단조성을 만족하지 못한다.

주요 기여

새로운 프레임워크: 평화 협정과 관련하여 갈등하는 개인의 추론을 표현하기 위해 합의, 조항, 추론 논증을 구분하는 맞춤형 QBAF를 도입하였다.
이론적 보장: 점진적 의미론이 균형, 단조성, 쌍대성을 만족하는 QBAF를 병합하는 것이 개인의 관점을 직관적으로 표현하고, 결과적인 ZOPA가 양측의 집단적 추론에 의해 뒷받침되는 합의를 반영함을 증명하였다.
ZOPA의 형식적 정의: 병합된 추론이 중립적 기준선보다 높은 강도를 산출하는 합의의 부분 집합으로서 ZOPA를 식별하는 공식적인 메커니즘을 제공하였다.
경험적 검증: 두 가지 데이터 소스를 사용하여 이스라엘-팔레스타인 갈등에 프레임워크를 적용하는 예비 실험을 수행하였다:
1. 설문 데이터: 1,152명의 이스라엘인과 1,152명의 팔레스타인을 대상으로 한 Cavatorta, Groom, Sher (2025)의 데이터를 재분석하였다.
2. LLM 추출 데이터: 국가 대표성을 갖는 여론 조사 보고서에서 추론 논증을 추출하기 위해 대규모 언어 모델(Opus 4.7)을 사용하였으며, 정확성을 위해 수동 검증을 거쳤다.

결과

설문 데이터 상관관계: 기존 설문 데이터에 적용했을 때, 병합된 QBAF에 의해 생성된 논증 순위는 경험적 합의 순위와 통계적으로 유의미한 상관관계를 보였다 (Spear-man $\rho = 0.448$ , Kendall $\tau = 0.293$ ). 현상 유지 이상의 합의를 식별하는 측면에서, 모델은 통합된 다수 지표(pooled majority ground truth)에 대해 0.873의 정밀도(precision)와 0.982의 재현율(recall)을 달erm했다.
LLM 데이터 통찰: LLM으로 추출된 추론을 사용한 실험은 프레임워크가 추론의 강도와 일치하는 ZOPA를 식별할 수 있음을 보여주었다. 예를 들어, 강력한 긍정적 결합 추론을 가진 조항들(예: 상호 사면, 조항 7)은 더 많은 ZOPA 합의에 등장한 반면, 강력한 부정적 추론을 가진 조한들(예: 이스라엘을 유대 국가로 인정하는 것, 조항 2)은 더 적게 등장했다. 상호 지지된 변화(조항 5)는 가장 많은 ZOPA 합의에 포함되는 것으로 올바르게 식별되었다.
이론적 발견: 엄격한 단조성이 없으면 부분적 합의가 있는 경우 프레임워크가 직관적으로 합의 순위를 매기는 데 실패할 수 있음을 확인하였다. QEM 의미론은 대립하는 견해를 병합하여 명시적이지 않았던 타협 솔루션(예: 예시의 합의 $P_4$ )을 드러내는 데 성공하였다.

의의 및 주장
본 논문은 계산적 논증이 정책 조항뿐만 아니라 시민의 추론에 근거하여 실행 가능한 ZOPA를 매핑할 수 있는 유효한 도구로서 갈등 해결 팀과 협상가들에게 제공될 수 있다고 주장한다. 서사의 배후에 있는 추론을 활용함으로써, 이 방법은 전통적인 분석으로는 접근하기 어려운 공통 분모를 밝혀낼 수 있다.

저자들은 이 연구가 기초적인 단계임을 명시하며, 이 접근 방식이 실질적인 배포에 적합하고 고무적인 상관관계를 보여줌에도 불구하고 예비적인 평가임을 밝힌다. 그들은 이 프레임워크가 근저에 있는 추론이 정확하게 포착된다면 깊게 양극화된 맥락에서도 ZOPA 식별을 지원할 수 있음을 강조한다. 이 연구는 갈등을 해결하려는 것이 아니라, 가능한 합의 공간을 시각화하고 분석하기 위한 구조화되고 증거 기반의 방법을 제공하는 것을 목적으로 한다. 향후 과제로 더 큰 인구 집단으로의 확장, 기초 점수 도출 프로토콜 개발, 더 복잡한 논증 형식(예: 집합 공격, 확률적 논증) 탐색 등을 제시하였다.

기술 요약: 갈등 해결을 위한 공통 분모 도출에 관한 논증

유사한 논문