[단독] 美, 주한미군 1개 여단 철수 검토
도널드 트럼프 미 행정부가 한·미 방위비분담금특별협정(SMA) 협상에서 한국이 미국의 5배 인상 요구에 응하지 않을 경우에 대비, 주한 미군 1개 여단을 철수하는 방안을 검토하고 있는 것으로 19일(현지 시각) 알려졌다.
위와 같은 제목으로 기사가 눈에 들어오면 독자들은 어떤 반응을 보일까? 많은 사람이 한미동맹과 관련된 일들을 연상하며 다양한 생각을 할 것이다. 그리고 비슷한 생각들이 모이며 다양한 여론이 형성될 것이다. 이는 지극히 자연스러운 현상이지만 문제는 위 기사가 '팩트일 때만' 자연스럽다. 위 기사는 미 국방부가 공식적으로 부인하면서 '거짓'으로 판명되었다. 만약 해당 기사가 검증과정 없이 전파되었다면 그 영향력은 무시할 수 없을 것이다.
사실이 아닌 것을 사실처럼 보도하는 기사를 '가짜뉴스(fake news)'라고 한다. 가짜뉴스의 생산과 유포는 과거부터 문제였지만, 미디어 기술이 점점 발달하면서 가짜뉴스가 난무하는 시대가 되었다. 발달한 미디어 기술과 역효과 그리고 가짜를 팩트로 보고 팩트를 가짜로 보는 오류를 줄이기 위해서 어떠한 노력을 해야 하는지를 살펴보고자 한다.
[Text] SNS의 개인 맞춤형 알고리즘과 필터버블현상
SNS에는 사용자의 사용기록을 바탕으로 사용자의 성향을 분석하고 비슷한 콘텐츠를 제공하는 개인맞춤형 알고리즘 기술이 있다. 최근에 다양한 언론사에서 SNS를 통해 뉴스를 제공하기 시작하였다. 언론사에서 제공하는 뉴스 또한 사용자의 성향을 분석하는 데 활용되며 비슷한 성향의 뉴스가 사용자에게 추천되도록 알고리즘이 작동된다. 이러한 과정이 반복되면 성향이 뚜렷한 사용자에게는 그 성향과 비슷한 기사만 노출되게 된다. 결과적으로 알고리즘에 의해 자동으로 추천되는 콘텐츠 때문에 더 많은 정보에도 불구하고 사람들의 시각은 더 극단적이고 편향적으로 변화하는데, 이를 '필터 버블(filter bubble)'현상이라고 한다. 필터 버블현상으로 '정보 편식' 현상으로 사용자가 편향된 성향을 가질 수 있는 문제가 있다. 성향의 극단적인 편향은 정치적 갈등과 같은 다양한 사회문제를 야기한다. 또한 편향으로 인한 양극화는 가짜뉴스(fake news)의 확산 문제를 발생시킨다.
최동욱 한국개발연구원이 2017년 발표한 보고서 <포털뉴스의 정치성향과 가짜뉴스 현상에 대한 시사점> 에 따르면, 미국의 리하이대학교의 DiFranzo 교수는 소셜미디어가 여론의 양극화를 유발하여 가짜뉴스의 전파를 확산했다는 점을 강조하고 개인맞춤형 알고리즘이 가짜뉴스의 전파를 가속화 시킬 것이라고 주장하였다. 실제로 활용되고 있는 개인 맞춤형 알고리즘 기술로 유튜브나 페이스북 같은 SNS에서는 가짜뉴스가 전파되고 있다. 이렇듯 개인 맞춤형 알고리즘이 개인의 정치적 성향을 더욱 극단화시키고 가짜뉴스의 전파를 가속한다는 점에서 역효과가 뚜렷한 기술이라고 볼 수 있다. 이러한 기술의 역효과를 방지할 노력이 절실하게 필요하다.
[Picture] 이미지편집 프로그램(포토샵)과 악용
포토샵은 이미지의 합성과 편집에 특화되어있는 프로그램이다. 사진의 보정, 합성, 편집을 통해서 더 나은 이미지를 구현하거나 예술작품을 만드는데 사용된다. 하지만 문제는 포토샵 프로그램이 가짜뉴스 생산에 악용되는 기술 중 하나라는 것이다.
미디어에서 주로 보는 이미지는 크게 2가지로 나눌 수 있다. 첫 번째는 텍스트의 이해를 돕는 일러스트레이션이다. 일러스트레이션은 이미지자체보다는 설명하는 내용에서 문제가 발생한다. 이미지가 설명하는 내용 중 가짜뉴스의 내용이 들어있는 경우가 그것이다. 그래서 일러스트의 성격은 이미지보다는 텍스트에 가깝다.
그와 반대로 두 번째 이미지인 사진은 이미지자체에서 문제가 발생 할 수 있다. 바로 포토샵의 악용이 가짜이미지를 생산하고 가짜뉴스를 전파하는데 기여를 한다는 점이다. 사람의 눈으로 조작된 사진을 구분할 수 없다는 점에서 매우 위험한 미디어기술의 악용이라고 볼 수 있다. 실제로 문재인 대통령이 대선후보이던 2017년 4월 13일 서울 광화문 광장에서 개최된 '2017 대선후보, 안전한 나라를 위한 대국민 약속' 행사에서 찍힌 사진을 조작하여 가짜뉴스를 퍼트린 사례도 있다. 이미지의 합성된 흔적이 있어 가짜뉴스인 것을 바로 알 수 있지만 더 좋은 기술로 조작을 한다는 가정을 하에선 가짜 이미지를 접하는 수많은 사람들이 가짜뉴스를 팩트로 인식할 수 있다. 이렇듯 포토샵과 같이 이미지를 편집하는 기술의 발달로 가짜 이미지와 가짜뉴스라는 악용사례가 증가하고 있다. 가짜이미지로 인한 피해를 막기 위해서 다양한 노력이 요구된다.
[Video] 딥페이크 기술과 악용
딥페이크(Deepfakes)는 인공지능의 딥러닝(Deep learning)과 페이크(Fake)의 합성어로, 인공지능 기술을 사용하여 영상에서 인물 이미지를 합성하는 기술이다. 딥러닝은 심화신경망(deep neural network)을 통한 기계학습의 방법의 하나다. 컴퓨터에 데이터를 입력하면 데이터를 스스로 분석하고 학습한다. 딥러닝 기술은 이미지 검색, 음성 검색, 번역 등 다양한 분야에 활용할 수 있다. 인공지능이 스스로 학습하여 영상의 이미지를 합성한다. 이러한 기술은 AI 아나운서 등에 활용될 수 있다.하지만 다른 기술과도 마찬가지로 악용될 소지는 충분하다. 영상에서 사람의 얼굴을 쉽게 바꿔치기할 수 있는 이 기술로 다양한 가짜 영상을 생산을 할 수 있게 되었다. 특히 사람들이 구분할 수 없을 정도로 정교한 딥페이크 기술 때문에 가짜뉴스에서 주로 악용될 가능성이 크다. 영상 속에서 나오는 인물의 얼굴을 바꿔치기할 수 있으며 음성, 표정까지 합성할 수 있기에 가짜뉴스에 악용되면 그 영향력이 커질 것이다. 실제로 버락 오바마 전 대통령이 트럼프 현 대통령에게 비난적 어조로 독설을 쏘는 영상이 온라인에서 유포되어 문제가 되기도 했다. 딥페이크 기술을 모르는 사람 중에서는 그 영상을 믿어 개인의 정치적 성향에 영향을 받는 사람도 있을 것이다. 이렇듯 자연스럽고 구분 불가능한 딥페이크 영상으로 가짜뉴스가 생산되고 영향을 끼칠 가능성이 있다. 영상은 다른 미디어보다 신뢰도가 높기에 딥페이크 영상이 줄 큰 피해를 막기 위해서 여러 노력을 해야 한다.
기술이 민주주의를 위협하는 시대
다양한 미디어 기술의 발전이 정보의 접근성과 다양성을 혁명적으로 발전시켰지만 문제는 악용과 역효과로 인하여 가짜뉴스라는 문제도 확대했다. 가짜뉴스는 사람들을 잘못된 믿음에 빠지게 할 가능성이 크다. 특히 정치적 신념에 영향을 주는 문제는 결국 민주주의에 직결된 문제이기 때문에 더욱 경각심을 가져야 할 필요가 있다. 가짜뉴스의 영향이 각 개개인에게 주는 것뿐만 아니라 민주주의의 근간에도 영향을 준다. 가짜뉴스의 생산이 각 개인의 정치적 의사와 사회적 질서에 부정적인 영향을 주어 민주주의의 역할이 변질하고 훼손될 수 있다. 물론 가짜뉴스가 최근에 발생한 현상은 아니지만, 미디어 기술의 발달로 팩트와 가짜를 구분하기 어려운 가짜뉴스의 발생량은 증가한 것은 사실이다. 민주주의의 제 기능과 의미를 지키기 위해서는 가짜뉴스의 영향을 줄 일 필요가 있다. 그렇다면 어떤 노력을 통하여 미디어 기술의 악용과 역효과를 방지할 수 있을까?
가짜뉴스 어떻게 잠재워야 하나?
가짜뉴스는 각 개인에게뿐만 아니라 우리 사회 전반적인 악영향을 주기에 억제해야 하는 존재이다. 이러한 가짜뉴스의 전파를 방지하기 위해서 어떤 노력이 필요할까?
먼저, '팩트체크'라는 과정이 절실하게 필요하다. 언론사와 정보통신사 그리고 플랫폼이 팩트체크로 가짜뉴스에 대응하고 이를 알려야 한다. 어떤 뉴스가 단지 가짜뉴스인지 아닌지를 검증해야 한다는 것이다. 가짜뉴스는 생산이 쉽고 빠르지만 팩트체크과정은 어렵고 비교적 오래 걸린다. 따라서 다양한 제도를 구축하여 가짜뉴스에 대한 영향을 줄이도록 노력해야 한다. 특히 개인 맞춤형 알고리즘에서 전파되는 가짜뉴스를 방지하기 위한 자정 노력도 필요하다.
또한 이미지 편집 프로그램과 딥페이크 기술로 인한 가짜뉴스의 전파를 방지해야 한다. 전파된 가짜뉴스는 팩트체크로, 가짜 이미지와 딥페이크는 가짜인지 색출하는 기술로 검증해야 한다. 포토샵 개발사인 어도비에서는 조작된 이미지를 판별하는 AI를 개발하고 있다. 포토샵의 '픽셀 유동화(Pixel Liquify)'로 편집된 이미지와 원본의 기계학습을 통해 이미지의 조작 여부를 검증하는 인공지능이다. 연구 결과에 따르면 사람의 눈으로는 약 53%가 달라진 얼굴을 구별한 반면에 기계 학습된 인공지능은 약 99%의 경우 조작된 이미지를 판별했다. 더 나아가 조작된 이미지의 복원기능까지 개발한다고 한다. 이로써 가짜뉴스의 전파를 가속하는 조작된 이미지의 영향력을 감소시킬 수 있는 효과를 볼 수 있다.
마찬가지로 딥페이크 여부 검증 기술 역시 개발되고 있다. 아직은 미미하지만 이러한 노력이 결국에는 민주주의를 뒤흔드는 가짜뉴스의 영향력을 잠재울 것으로 기대된다. 아쉬운 점은 가짜뉴스 생산 자체를 막을 방안이 없다는 것이다. 결국 전파되는 것을 막는 '팩트체크'의 역할과 이를 뒷받침하는 기술이 매우 중요하다. 가짜뉴스가 판치는 세상에서 독자들이 다양한 뉴스와 마주칠 때 그것이 가짜뉴스인지를 판단하는 비판적 사고력을 키우길 바란다.
저작권자(c) 오마이뉴스(시민기자), 무단 전재 및 재배포 금지
오탈자 신고
