[ET단상]인공지능이 편협한 뉴스 소비를 부추길까

[ET단상]인공지능이 편협한 뉴스 소비를 부추길까

최근 인공지능(AI)에 의한 뉴스 추천이 화두다. AI 뉴스 추천은 사람이 아닌 AI 기술로 사용자의 관심사나 소비 패턴 등을 분석하고, 이에 따라 뉴스를 자동으로 보여 주는 서비스다.

AI 뉴스 추천을 놓고 의견이 엇갈린다. AI 기술에 기반을 두고 투명한 뉴스 편집이 가능할 것이라는 긍정적인 기대감이 있다.

일각에서는 우려하는 목소리도 나온다. AI가 이용자가 좋아하고 보고 싶어하는 뉴스만 추천하기 때문에 이미 필터링된 정보만을 접하는 이른바 '필터 버블' 현상이 발생한다는 것이다. 필터 버블로 이용자 확증 편향성이 심해질 것이라는 우려다.

네이버는 자체 연구개발(R&D)한 AI 추천 시스템 '에어스(AiRS)'를 지난달 모바일 뉴스판 일부에 시범 적용했다. 이를 두고도 우려하는 목소리가 흘러나왔다.

뉴스 콘텐츠를 추천하는 AI가 어떤 알고리즘으로 되어 있는지에 따라 상황이 달라진다. 에어스 뉴스 기술과 추천 과정을 중심으로 항간의 걱정을 풀어 본다.

에어스 뉴스는 '다양성(Diversity Feature)'을 기사 내용과 카테고리 정보 등으로부터 추출한다. 추천 콘텐츠가 한 가지 주제로 쏠리지 않도록 한다. 여러 주제의 기사가 다양하게 추천되도록 설계됐다.

예를 들어 A라는 기사를 읽은 이용자에게 동일한 주제의 다른 기사뿐만 아니라 A를 본 수많은 이용자가 살펴본 다른 영역의 기사도 추천한다. 더 다양한 주제의 기사를 확인하도록 알고리즘이 짜였다. 쉽게 설명하면 이용자가 기존의 관심 뉴스에서 접하지 못한 새로운 주제의 뉴스도 추천받도록 설계됐다.

AI가 엉뚱한 주제를 추천한다면 이용자의 뉴스 소비는 오히려 줄어든다. 이를 막기 위해 관심사가 같은 사용자 그룹이 구독한 콘텐츠를 추천하는 공동여과(CF) 기술을 적용했다. CF 기술은 사용자가 뉴스를 선택할 때마다 관심사가 비슷한 사용자 그룹을 새로 구축한다. 그룹 구성원이 많이 본 콘텐츠 순위를 매겨 이용자에게 추천한다.

뉴스는 영화나 상품과 달리 실시간 생성되는 양이 폭증한다. 뉴스마다 다른 이용자 그룹이 발생하고, 이용자가 속한 그룹이 수시로 변하도록 만드는 것이 중요하다. 이 때문에 웹툰 추천에 사용되는 AI와 뉴스 영역에서 쓰이는 AI는 다른 방식으로 설계된다.

실제로 네이버는 모바일 뉴스판에 '에어스 뉴스(베타 버전)'를 도입한 후 1인당 뉴스 소비량이 30~40% 증가한 것을 확인했다. 소비되는 기사 주제도 함께 늘어났다. AI가 뉴스를 추천한다고 해서 이용자의 관심사를 제한하는 것이 아니라 오히려 다양한 분야로 관심사를 확장한다고 할 수 있다.

네이버는 인공 신경망 기술인 반복신경망(RNN)을 통한 뉴스 추천을 연구하고 있다. 해당 기술은 궁극적으로 스스로 학습이 가능한 추천 시스템이다. 앞으로 더욱 다양한 뉴스가 여러 사용자에게 소비될 것으로 예상한다.

사실 추천 기술은 이미 2000년대 초 온라인 쇼핑 상품 추천에 활용되며 주목받았다. 이후 다양한 분야에서 오랜 시간에 걸쳐 진화된 기술이다. 수많은 정보 홍수 속에서 '이 순간, 이 문서를 먼저 보여 주면 좋겠다'는 생각에서 시작됐다. 이용자가 효율적으로 다양한 정보를 소비하도록 돕기 위해 고민을 거듭하면서 나온 결과다.

AI에 의한 뉴스 추천은 편견이나 고정관념을 강화하는 필터 버블이 아니다. 지금도 실시간으로 수백건씩 생성되는 뉴스를 더 많은 이용자가 효율적으로 구독하는 공정한 필터로서의 역할을 기대한다.

최재호 네이버 에어스 리더 chio-jaeho@naver.com