글로벌연합대학 버지니아대학교
인공지능융합연구소장 이현우교수
오늘날 우리는 인공지능(AI)이 만들어낸 거대한 정보의 파도 속에 살고 있습니다.
흥미로운 점은 이 기술이 야기한 문제와 한계를 다시금 AI 기술과 데이터에 대한 집요한 탐구로 해결하려는 '청년들의 시도'가 이어지고 있다는 사실입니다.
대학생들이 개발한 뉴스 편향성 분석 앱 '다시 스탠드'와 최신 LLM(거대언어모델)의 성능을 검증한 학생의 데이터 분석 사례는,
단순한 기술적 성취를 넘어 우리가 지향해야 할 정보의 균형과 객관성에 대해 깊은 성찰을 요구합니다.
1. 알고리즘의 편향, AI로 균형을 잡다: '다시 스탠드'의 시사점
국내 대학생들이 개발한 '다시 스탠드'는 LLM을 활용해 뉴스의 정치적 편향성을 분석하고 사용자에게 균형 잡힌 시각을 제공합니다.
이는 '알고리즘에 의한 정보 편향성의 역설'을 정면으로 마주한 결과입니다.
[이슈 분석] 필터 버블의 붕괴와 기술의 목적성
현재의 소셜 미디어와 뉴스 추천 시스템은 사용자의 클릭과 체류 시간을 극대화하기 위해 설계되었습니다.
이 과정에서 개인의 성향에 맞는 정보만을 지속적으로 노출하는 '필터 버블(Filter Bubble)'과 '확증 편향(Confirmation Bias)'이 강화됩니다.
이는 필연적으로 사회적 양극화와 신뢰의 붕괴를 초래합니다.
주목할 점은 이들이 AI가 야기한 문제를 회피하는 것이 아니라, 오히려 더 고도화된 기술을 통해 '해결책'을 제시했다는 것입니다.
단순히 기사를 나열하는 것이 아니라, 진보·중도·보수 등 성향별 관점의 차이를 AI가 직접 요약하고 비교 분석합니다. 이는 기술 자체가 문제가 아니라,
'기술을 설계하는 목적'이 중요함을 시사합니다. 미국의 '그라운드뉴스'처럼 정보 편향성을 객관적으로 인지하려는 시장의 요구가 국내에서도 구체화되고 있는 것입니다.
[실천 방안]
다양성을 위한 알고리즘과 플랫폼의 책임
이러한 시도는 우리에게 구체적인 실천 과제를 던져줍니다.
• AI 개발의 목적성 전환: AI 모델 개발 시 단순한 '참여(Engagement)' 지표를 넘어 '관점의 다양성(Viewpoint Diversity)'을 핵심 성과 지표(KPI)로 설정해야 합니다.
기술을 활용해 의도적으로 편향을 제거하고 건전한 담론을 유도하는 기능 설계가 필수적입니다.
• 사용자 교육 및 도구 제공: 사용자가 자신의 정보 소비 패턴을 인지할 수 있도록 돕는 '데이터 시각화' 도구가 필요합니다.
내가 주로 소비하는 뉴스의 성향과 놓치고 있는 반대 관점을 시각적으로 보여줌으로써 비판적 사고를 유도해야 합니다.
• 플랫폼의 사회적 책임 강화: 정보 유통 플랫폼은 편향성 문제를 방관해서는 안 됩니다.
자체적인 분석 시스템을 도입하거나 외부 독립 서비스와의 연동을 통해, 사용자에게 '균형 잡힌 시각'이라는 선택지를 의무적으로 제공하는 방안을 고려해야 합니다.
• 우리 역시 AI 기술을 다루는 플랫폼으로서, 화려한 기술 혁신 소식 뒤에 가려진 잠재적 위험성이나 소외된 목소리를 간과하는 '기술 중심적 확증 편향'을 경계해야 할 것입니다.
특정 기술을 다룰 때 긍정적 평가뿐만 아니라 비판적 시각과 윤리적 쟁점을 함께 제공하여, 독자가 사안을 입체적으로 볼 수 있도록 돕는 '균형 잡힌 큐레이션'이 필요한 시점입니다.
2. 최신 모델의 성능 검증: 제미나이 3와 데이터의 힘
한편, AI 기술의 발전 속도는 현기증이 날 만큼 빠릅니다. 최근 구글이 발표한 '제미나이 3(Gemini 3)'를 포함한 최신 모델들의 성능 경쟁은 이를 증명합니다.
여기서도 학생 연구자의 데이터 분석이 빛을 발했습니다.
[이슈 분석] 1주일 차이로 갈리는 '최강'의 타이틀
순천향대학교 컴퓨터소프트웨어공학과 구유겸 학생이 공개한 모델별 최고/최저점 그래프 분석에 따르면, 최근 출시된 제미나이 3, 클로드 3.7, GPT-4.5가 전체 성적에서 나란히 1~3위를 차지했습니다.
불과 일주일 차이로 출시된 최신 모델들이 상위권을 독식했다는 점은 기술의 발전 주기가 얼마나 짧은지를 보여주는 동시에, 최신성이 성능의 핵심 지표가 되고 있음을 시사합니다.
특히 제미나이 3는 강력한 멀티모달 기능과 에이전트 능력, 그리고 코딩 능력에서 역대 최강의 성능으로 꼽히고 있습니다.
구글은 이를 두고 "전례 없는 수준의 깊이와 뉘앙스를 이해할 수 있도록 설계된 최첨단 추론 능력"이라고 강조했습니다.
[실천 방안] 객관적 검증과 투명한 정보 공유
기업의 화려한 발표 뒤에 숨겨진 실질적인 성능 차이를 검증하는 것은 사용자들의 몫이 되었습니다. 구유겸 학생은
"아직 제미나이 3 프로를 많이 사용해본 것은 아니지만,
비전(시각) 능력을 포함해 다방면에서 성능이 많이 개선됐음을 확인할 수 있었다"고 평했습니다.
이는 단순한 감상이 아닌, 깃허브(GitHub)를 통해 공개된 구체적인 실험 데이터에 기반한 것입니다.
우리는 이러한 객관적 데이터를 통해 마케팅 용어에 현혹되지 않고 기술의 실체를 파악해야 합니다.
AI 뉴스를 접할 때 기업의 보도자료를 넘어, 학계와 개발자 커뮤니티의 '교차 검증된 분석'을 함께 살피는 태도가 중요합니다.
'다시 스탠드'를 개발한 학생들과 모델 성능을 분석한 학생 연구자는 AI 시대에 우리가 지켜야 할 '균형 감각'과 '비판적 사고'의 중요성을
일깨워줍니다. 기술에 함몰되지 않고 기술을 도구로 삼아 더 나은 정보 환경을 만들려는 이들의 노력은, 우리 사회가 지향해야 할 AI 시대의
이정표가 되어주고 있습니다.
이현우교수
heir201933@gmail.com
){kind=small}
){kind=small}
){kind=small}
){kind=small}