Perceptions of Robot Experience Reshape Human Social Networks

기술 요약: 로봇 경험에 대한 인식이 인간 사회 네트워크를 재편한다

문제 제기
인공지능과 체화된 로봇(embodied robots)이 인간의 사회 시스템에 점점 더 깊숙이 자리 잡음에 따라, 비인간 에이전트에 대한 인식이 인간 간의 사회적 역동성에 어떻게 영향을 미치는지 이해하는 데 있어 중요한 격차가 존재한다. 기존의 인간-로봇 상호작용(HRI) 연구는 주로 인간이 고립된 상태에서 로봇을 어떻게 인식하고, 신뢰하며, 협력하는지를 조사하는 이자 관계(dyadic) 교환에 집중해 왔다. 그러나 로봇은 점차 집단과 조직 내에서 마주하게 되며, 로봇에 대한 믿음은 타인에게도 가시화된다. 본 연구가 다루는 핵심 질문은 비인간 에이전트에 대한 인간의 인식(구체적으로는 정신 상태의 귀속)의 차이가 인간이 서로를 어떻게 인식하고, 포함하며, 관계를 맺는지의 방식을 재편하는가 하는 점이다. 본 연구는 로봇에 대해 '경험'(감정, 정서, 주관적 의식)을 귀속시키는 것이 '행위 주체성'(계획, 행동, 목표 추구)을 귀속시키는 것과 비교했을 때, 인간의 사회적 포함(inclusion)과 네트워크 구조를 변화시키는 사회적 신호로서 기능하는지를 조사한다.

연구 방법론
본 연구는 파일럿 연구, 통제된 실험, 그리고 3개 시점의 종단적 현장 연구를 포함하는 다중 방법론을 채택하였다.

1. 파일럿 연구: 448명의 직장인을 대상으로 한 예비 평가를 통해 마음 지각(mind perception)의 기초적인 구분을 확립하였다. 참가자들은 로봇의 행위 주체적 능력 또는 경험적 능력을 평가하도록 무작위로 배정되었다. 결과는 개인이 로봇에 대해 경험적 능력보다 행위 주체성을 훨씬 높게 귀속시킨다는 것을 확인하였으며, 이는 경험적 귀속이 로봇을 기능적 도구로 보는 일반적인 규범으로부터의 일탈임을 시사한다.
2. 연구 1 (시나리오 기반 실험): 432명의 직장인을 대상으로 한 피험자 간 실험을 통해 로봇 경험에 대한 인식이 사회적 포함에 미치는 인과적 영향을 테스트하였다. 참가자들은 로봇의 경험적/행위적 지각 수준이 높거나 낮은 것으로 묘사된 가상의 동료를 평가하였다. 종속 변수는 의사소통 유대를 형성하고 조언을 구하려는 의지였다. 이는 유입되는 사회적 포함(incoming social inclusion)에 대한 실험적 유사 모델 역할을 하였다.
3. 연구 2 (현장 연구): 로봇 설계 경진대회에 참여하는 142개의 학부 공학 팀에 속한 3,416명의 참가자를 대상으로 1년간 3개 시점의 현장 연구를 수행하였다.
   • 시점 1 (Time 1): 참가자들은 로봇의 경험 및 행위 주체성에 대한 자신의 인식을 보고하였다.
   • 시점 2 (Time 2, 1개월 후): 명부 기반 지명(업무 관련 의사소통 빈도)을 통해 팀 내 의사소통 네트워크를 매핑하였다. 팀 리더들은 개인별 과업 수행도를 평가하였다.
   • 시점 3 (Time 3, 1년 후): 대회 수상 결과라는 객관적 팀 성과를 측정하였다.
   • 분석: 인구통계학적 특성과 팀 규모를 통제한 상태에서, 개인 수준의 내입 중심성(in-degree centrality)과 팀 수준의 네트워크 밀도 및 성과에 미치는 효과를 조사하기 위해 다층 경로 분석(multilevel path analyses)을 사용하였다.

주요 결과
연구 결과는 로봇 경험에 대한 인식이 행위 주체성과는 별개로 인간의 사회적 조직을 체계적으로 재편한다는 것을 보여준다:

• 개인 수준 (사회적 포함):
  • 실험에서 참가자들은 로봇의 경험적 능력을 높게 귀속시키는 동료보다 낮게 귀속시키는 동료와 의사소통 유대를 형성하려는 의지가 유의미하게 낮았다. 이 효과는 '경험'에 특이적이었으며, 높은 행위 주체성을 귀속시키는 것은 연결 의지를 유의미하게 감소시키지 않았다.
  • 현장 연구에서도 로봇의 경험적 능력을 더 크게 귀속시키는 개인은 의사소통 유대를 적게 받는 것(낮은 내입 중심성)으로 나타났다. 행위 주체성 지각은 내입 중심성과 유의미한 연관성을 보이지 않았다.
• 집단 수준 (네트워크 구조):
  • 변이성 및 밀도: 경험적 지각의 팀 내 변이성이 클수록 의사소통 네트워크 밀도가 낮아졌다. 로봇 경험에 대해 이견이 있는 팀은 더 파편화된 상호작용 패턴을 보였다.
  • 팀 규범에 의한 조절 효과: 경험적 지각의 변이성과 네트워크 밀도 사이의 부정적 관계는 팀의 평균적인 경험적 지각 수준에 의해 조절되었다. 이러한 파편화는 팀의 평균 지각이 낮을 때(즉, 로봇을 경험이 없는 것으로 보는 것이 규범일 때) 가장 두드러졌다. 이러한 맥락에서 경험을 귀속시키는 개인은 이질적인 존재로 부각되어 결속력을 저해했다. 팀의 평균이 높을 경우, 변이성은 유의미한 영향을 미치지 않았다.
• 성과 결과:
  • 개인: 높은 내입 중심성은 높은 과업 수행도 평가를 예측하였다. 경험적 지각에서 중심성을 거쳐 성과로 이어지는 간접 경로는 부정적이었으나 미미하였다.
  • 팀: 의사소통 네트워크 밀도는 객관적 팀 성과와 정적 상관관계가 있었다. 경험적 지각의 변이성이 팀 성과를 저해하는 간접적 효과는 팀의 평균 경험적 지각이 낮을 때만 유의미하게 나타났다.

핵심 기여

• 이자 관계 HRI를 넘어: 본 연구는 초점을 인간-로봇 이자 관계에서 인간 간의 대인 관계적 결과로 전환한다. 본 연구는 비인간 에이전트에 대한 믿음이 인간이 서로를 평가하는 사회적 신호로 기능한다고 가정한다.
• 경험 vs 행위 주체성의 구분: 본 연구는 구체적인 메커니즘을 식별하였다. 인간의 사회 구조를 와해시키는 것은 행위 주체성(acting)이 아니라 경험(feeling)의 귀속이다. 행위 주체성을 귀속시키는 것은 로봇의 기능적 역할과 일치하지만, 경험을 귀속시키는 것은 인간 주체와 인공 객체 사이의 범주적 경계를 도전함으로써 인식자를 사회적으로 비전형적인 존재로 만든다.
• 네트워크 역동성: 본 논문은 비인간 마음(non-human minds)에 대한 인식이 개인의 인지에서 집단의 네트워크 구조로 확장되어, 혼합형 인간-기계 사회에서의 포함, 배제 및 조정 효율성에 영향을 미칠 수 있음을 입증한다.

의의 및 주장
저자들은 본 연구의 결과가 AI 매개 사회를 위한 일반적인 원리를 드러낸다고 주장한다. 즉, 비인간 마음의 지각이 인간 조직과 집단적 기능을 재구조화한다는 것이다. 연구는 혼합 환경에서 비인간 에이전트에 대한 해석이 규범적 정렬(normative alignment)의 표식이 된다고 제안한다. 로봇 경험에 관한 공유된 범주적 경계에서 벗어난 개인은 의사소통 네트워크로부터 선택적 배제를 경험할 수 있다.

결론적으로, 로봇이 일상생활에서 더욱 가시화됨에 따라, 로봇에 대한 인간의 해석을 이해하는 것은 인간-기계 상호작용뿐만 아니라 변화하는 인간-인간 관계의 구조를 이해하는 데에도 필수적이다. 저자들은 현장 연구의 특수한 맥락(로봇 설계 경진대회)에 따른 한계를 언급하며, 이러한 지각적 분열의 일반성을 결정하기 위해 다양한 환경(예: 의료, 교육)에서의 후속 연구를 촉구하였다.