1. 2016년 미국 대선에 대한 여론조사가 트럼프 당선이라는 결과를 제대로 맞히지 못했던 반면 구글 트렌드 등 빅데이터 분석은 결과를 맞혔다고 한다. 이러한 결과가 나타난 이유를 빅데이터 시점으로 정리하고 나의생각 기술 현대에는 컴퓨터 기술이 발달하면서 빅데이터는 제 4차 산업혁명의 핵심 기술이 되었다. 빅데이터는 그 사용이 광범위한 산업과 분야에 활용될 수 있는 데 그 중에서도 2016년의 미국 대선에서 빅데이터 분석은 그 정확성으로 화제가 되었었다.

기존에 경선에서는 전화 및 우편 조사를 통해서 선거의 당선자를 예측하고 미디어 등이 이러한 자료를 수집하여 발표하는 방식으로 이루어졌다. 당시 여러 여론 조사 기관에서는 힐러리 클린턴의 당선을 예측하였으나 실제 당선자는 도널드 트럼프로 지명되면서 많은 사람들에게 놀라움을 가져다 주었다.

그러나 더욱 놀라운 것은 구글 트렌드, AI 등 컴퓨터 기술을 바탕으로 한 당선 예측이 정확했다는 것이다. 이러한 결과가 가능했던 것은 빅데이터가 가지고 있는 익명성 때문이다. 빅데이터는 사람들이 구글, 페이스북, 트위터 등 소셜 네트워크에서 사람들의 활동, 검색어 등 2000만개가 넘는 데이터를 분석하여 대통령 경선 당선자를 예측하였다.

구글의 검색 추세(구글 트렌드) 정보에 따르면 경선 전에 사람들이 더 많이 검색한 키워드는 클린턴이 아니라 트럼프 였다. 물론 검색이 많이 되었다는 것 자체가 당선에 유리하게 작용하는지 또는 불리하게 작용하는지는 장담할 수 없지만 사람들의 관심도를 암시하는 데는 충분한다. 따라서, 트럼프가 검색 순위가 꾸준히 클린턴보다 높았다는 것은 트럼프에 대한 많은 사람들의 관심을 의미한다고 할 수 있다.

또한, 빅데이터 분석에 있어서 '익명성'이라는 특징이 경선 당선자 예측에 매우 유리하게 작용하였다. 실제로 사람들은 기존의 여론 조사에서는 자신의 입장이나 의견을 적나라 하게 표현하는 것을 꺼리게 되지만 익명성이 보장되는 구글 검색 등에서는 솔직한 입장을 표현할 수 있다. 이는 기존의 여론 조사에서 잡아내지 못한 유권자의 속마음을 빅데이터가 파악한 것이라 할 수 있으며, 이로 인하여 빅데이터의 예측이 더욱 정확할 수 있었다.

이러한 결과는 충분히 놀라우며 컴퓨터 기술이 얼마만큼 진보했는지를 잘 보여준다고 생각한다. 이전에는 컴퓨터는 인간의 도구로서 그 능력은 인간보다 낮은 것으로 취급되었다. 특히, 컴퓨터는 단순 계산에서만 인간을 뛰어넘도록 설계되어 있었다.

즉, 인간만이 가지고 있는 것으로 여겨졌던 분석, 이해, 결과 도출 등에 있어서 컴퓨터가 인간을 뛰어넘기 시작한 것이다. 이는 컴퓨터가 가지고 있는 무궁무진한 가능성을 보여준다고 생각한다.

1) 협력적 정화 방법에 대해 정리

협력적 정화 방법(Collaborative Filtering)은 통계 방법을 이용하여 개인에게 맞춤 서비스를 제공하는 것을 가리킨다. 예를 들어 어떤 개인이 온라인으로 구매한 상품들의 정보, 특징, 구매 이력 등을 분석하여 해당 개인이 앞으로 어떤 상품을 구입할지를 예측하고 이를 추천해주는 구조이다. 이를 위해서 선호도가 비슷한 고객들을 조사 및 그룹화하고 그룹을 구성하는 각 개인에게 이를 소개 및 추천해주게 된다.

이러한 시스템의 바탕에는 유사한 구매나 선택을 하는 사람들의 성격과 성향이 비슷할 것이라는 전제에 바탕을 두고 있다. 수많은 사용자 개인마다 맞춤형 알고리즘을 적용하는 것은 비용, 시간적으로 과도한 자원이 요구되며, 효율성 역시 떨어지기 때문에 유사한 개인들을 그룹화하여 효과적인 추천 시스템을 구축할 수 있다. 우리가 듣는 성격 분석 검사, 유형 검사 등 역시 사람들을 유사한 유형으로 분류하는 같은 맥락이다.

2) 넷플릭스, 아마존 등 추천시스템을 이용하는 기업 하나를 정하여 그 회사의 추천방법을 정리 유튜브는 사람들이 자유롭게 영상을 올리고 공유하는 플랫폼으로 기계학습, 인공지능을 사용하는 추천시스템을 활용하고 있다. 흔히 우리는 유튜브에서 특정 연예인의 음악이나 인터뷰를 보면 다음날 해당 연예인의 다른 영상들이 추천으로 뜨는 것을 경험한다. 이러한 추천 시스템에 뒤에는 사용자의 사용 이력, 검색 이력 등을 실시간으로 분석하여 추천 영상을 제공하는 알고리즘이 존재하고 있다.

유튜브 알고리즘은 먼저 플랫폼에 존재하는 수많은 영상 데이터 중 사용자 시청 기록과 유사한 영상들을 먼저 분석하고 추출한다. 특정 사용자가 관심 있어할만한 수백 개의 영상들을 후보로 고른 후에는 이러한 영상들 중에서 조회수, 시청 시간, 지역 등과 같은 요소들을 고려하여 몇십개의 영상으로 줄여 사용자에게 최종적으로 추천해주는 것이다.

그림 1. 유튜브 추천 알고리즘 원리 및 구성

출처: Covington et al. (2016). <Deep neural networks for youtube recommendations>. Google.을 원본으로 하여 수정함 3. 프라이버시를 정의하고 COVID-19와 관련하여 프라이버시 보호와 감염 확산 방지를 위한 효율적 정책과의 상충관계에 대해 정리하고

이에 대해 본인의 의견을 제시 (빅데이터측면으로)

한국의 현행 개인정보보호법에서는 개인을 인식할 수 있는 성명, 주민등록번호 등과 같은 정보를 개인정보로 지정하고 있다. 프라이버시(Privacy)는 영어로 개인의 사생활이 간섭받지 않을 권리를 가리키며 법으로 정한 개인정보보호법보다 더욱 포괄적인 개념이라 할 수 있다. 최근 COVID-19 로 인하여 전염을 막기 위한 개인 정보의 사용과 프라이버시 침해라는 두 가치가 충돌하고 있다.

특히 코로나맵 등과 같이 코로나 확진자의 과거 동선을 파악하도록 하는 앱이 사용되면서 코로나 확진자 당사자의 프라이버시가 침해된다는 주장이 제기되고 있다. 동시에 코로나라는 특수적인 상황을 감안하고 타인에게 전염되는 것을 막기 위해 이러한 정보는 모든 사람들이 알아야 할 권리가 있다는 주장이 맞서고 있다. 나는 이 두 주장이 모두 충분한 근거를 가지고 있지만 전자의 주장에 더 공감한다.

실제로 프라이버시가 매우 중요하게 여겨지는 유럽에서는 일찍이 코로나 확진자의 동선이나 위치추적을 시행하지 않았다. 이 때문에 코로나 확진자가 바이러스를 주변에 퍼뜨릴 수 있는 높은 위험이 있음에도 사람들이 이를 알지 못하여 동일한 음식점이나 카페 등에 방문하게 되었다. 이로 인하여 전염성이 강한 코로나를 효과적으로 막지 못하였다.

이를 증명하듯, 한국에서는 매일 신규 확진자가 100명 안팎을 유지하는 것에 반해 프랑스에서는 하루에 40,000 명이 넘고 독일에서도 거의 20,000명의 수준으로 새로운 환자가 나타나고 있다(2020년 11월 기준). 프라이버시는 개인의 삶에 있어서 매우 중요한 가치이지만, 사람의 목숨만큼 중요하다고 생각하지는 않는다. 코로나 바이러스는 사람들의 목숨을 앗아가는 바이러스이며 전염성이 매우 강하다는 특수적인 상황을 고려하여 프라이버시보다 먼저 고려되어야 한다고 생각한다. 따라서, 전염병을 막기 위해 개인의 정보는 사용될 수 밖에 없으며 이로 인하여 발생할 수 있는 프라이버시 침해는 어쩔 수 없는 부작용이라고 생각한다.

4. 참고문헌

이호기 (2016.11.06.). < [미국의 선택 트럼프] "클린턴 승리" 외칠 때…구글 트렌드·AI는 트럼프 당선 알았다 >. 한국경제 강정규 (2020.11.03.). <[팩트와이] 구글은 美 대선 결과를 알고 있다?>. 연합뉴스 프라이버시 정책연구 포럼. (2013). <개인정보보호법제 개선을 위한 정책연구보고서>. 한국인터넷기업협회 4.Covington et al. (2016). <Deep neural networks for youtube recommendations>. Google 5.김태우 (2020.10.05.). <[테크리포트] 유튜브, 넷플릭스 추천 알고리즘 원리>. 전자신문 6.나지영 (2020.05.15.). <코로나19 사태, 공공의 알 권리와 프라이버시 보호의 딜레마 부상>. 바이오타임즈