2015.01.14

"'좋아요'로 성격 분석해보니... 사람보다 정확"

Joab Jackson | Computerworld
다른 사람을 잘 파악한다고 자신하는가? 그러나 캠브리지와 스탠포드 대학의 연구진에 의하면 컴퓨터가 더 잘 알아낼 가능성이 높다.

연구진은 통계 모델링 소프트웨를 통해 페이스북 ‘좋아요’를 분석함으로써 특정 사람의 기본적인 성격을 배우자나 가족이 아는 수준만큼 도출해낼 수 있다고 밝혔다.

또 지난 12일 미국 국립 과학원 회보를 통해 발간된 연구 내용이 의하면 이러한 디지털 흔적을 분석하는 것은 컴퓨터가 사람들과 더욱 의미 있는 방식으로 소통할 수 있도록 프로그래밍하는데 도움을 줄 수 있다. 

이번 연구는 성격적 특성이 페이스북 ‘좋아요’ 분석을 통해 놀라울 만큼 정확하게 판단 가능하다는 점을 입증한 2013년 3월 연구에 뒤이은 것이다.

'좋아요'는 페이스북 용어로 SNS에 올라온 사진이나 글에 호감을 보일 때 사용된다. 분석할 ‘좋아요’가 충분하면 컴퓨터가 기본적인 성격적 특성을 추론할 수 있다고 이전의 연구는 결론내린 바 있다. 연구원들은 다음으로 컴퓨터가 인간보다 성격적 특성을 더 잘 파악해낼 수 있는지를 확인하고자 이번 연구를 진행했다.

그들은 8만 6,220명의 자원자들로부터 페이스북 페이지를 샘플링 했고, 이 참가자들은 5가지 주요 심리적 특성 즉, 개방성, 성실성, 외향성, 우호성, 신경증적 경향에 초점을 맞춘 성격적 특성 조사 문항 100개에도 답변했다.

이후 몇 번의 기계 학습이 진행돼 추가적인 페이스북 ‘좋아요’와 성격적 특성을 연결 지었다. 예를 들어 “살바도르 달리” 혹은 “명상”에 좋아요를 누른 것은 높은 개방성을 가진 것으로 보는 식이다.

컴퓨터 알고리즘의 효과를 판단하기 위해 연구원들은 몇몇 참여자들의 친구와 친지들에게도 설문 문항을 작성하도록 했다. 이후 그 조사 결과와 컴퓨터로 연산된 인격적 특성을 피실험자의 자가 판단과 비교했다.

그 결과 단 10개의 ‘좋아요’만으로 컴퓨터는 그 사람을 직장 동료 수준만큼 파악해냈다. 70개가 넘는 ‘좋아요’가 있으면 컴퓨터는 친구나 룸메이트 수준으로 그 사람에 대해 알아냈고, ‘좋아요’ 300개를 넘어서면 배우자나 가까운 가족 수준으로 파악해냈다.

메릴랜드 대학 컬리지파크의 컴퓨터 과학자이자 메릴랜드 대학 인간-컴퓨터 인터랙션 연구소 소장 제니퍼 골벡은 이번 연구가 실험 샘플 규모의 크기로 인해 특히 주목할만하다고 이야기했다.

골벡은 이 연구에 참여하지는 않았지만 온라인 활동을 통해 인격적 특성을 예측해내는 방법에 대해 연구하는 전문가 중 하나다.

그는 “연구에 참여한 사용자들의 규모가 아주 크다. 연구 결과가 단순히 작은 데이터에 기반한 운으로 나온 게 아니라는 점을 시사한다”라고 말했다.

골벡은 이어 “아주 많은 수의 사람을 대상으로 특정 상관관계가 통하지는 않을 것이다. 하지만 분명 사람의 인격적 특성과 그 사람의 온라인 활동 같은 상관관계를 규정하는 일반적인 방법론의 미래가 전도유망하다는 점은 분명해 보인다”라고 말했다.

한편 코신스키는 페이스북 외에 다른 온라인 영역에서도 그런 디지털 흔적을 찾을 수 있다고 말했다. 트위터 같은 공공의 장, 어떤 유형의 음악이나 영화를 감상하는지에 대한 사용 통계, 심지어 회사의 웹 서버 로그 등도 심화된 사용자 분석을 위한 기반을 제공하는데 사용될 수 있다는 설명이다.

코신스키는 온라인 기업들이 이미 그런 온라인 흔적들을 면밀히 검토하고 있지만, 각 기업이 판단해낼 수 있는 결론은 제한적이라고 말하며 사람에 대한 추가적인 데이터를 더함으로써 더 일반적인 특성을 식별해낼 수 있을 것이라고 덧붙였다.

예를 들어 살바도르 달리에 관한 사이트의 퍼블리셔는 이미 사이트에 자주 오는 방문자들이 예술 애호가라는 사실을 알고 있다. 하지만 그 방문자들이 보통 사람들보다 새로운 아이디어에 더욱 개방적이라는 추가적인 통찰을 확보하면, 더욱 실험적인 스타일로의 사이트 재편하는 것과 같이 실용적으로 도움을 받을 수 있을 것이라는 설명이다.

물론 그런 데이터의 활용이 프라이버시 문제를 심화시킬 수도 있다. 코신스키는 페이스북이 사용자들의 개인적 특성을 추론하기 위한 그런 접근방식을 활용할 수도, 어쩌면 이미 했을 수도 있다고 말했다.

한편 골벡은 모든 기업들이 페이스북만큼 폭넓은 사용자 데이터를 가지고 있지는 않지만, 각기 다른 소스의 공공 데이터와 상용 데이터를 꿰 맞춤으로써 기존 프로파일링 도구를 넘어서는 성격적 특성 분석 기반을 쉽게 형성할 수도 있을 것이라고 전망했다.

골벡은 “물론 이를 통해서 아주 무서운 일들이 벌어질 수도 있다”라고 강조했다. 예를 들어 당신의 신용도 점수나 보험요금이 영향 받을 수도 있다는 의미다.

하지만 행동 분석이 부정한 목적에 사용될 수 있는 것처럼, 좋은 목적 즉 사용자의 니즈를 더 잘 충족시키도록 조정하는데도 활용될 수 있다고 그는 덧붙였다.

골벡은 “이는 우연에 가까운 것들을 발굴해내는데 활용될 수 있을 것이다. 시스템은 나에 대해 아주 많은 것들을 알고 있고, 다른 10억 인구가 무엇을 하는지에 접속할 수 있다. 이를 비교해 내가 스스로 찾지 못한 그 소소한 무언가를 찾아줄 수 있다”라고 이야기했다.

연구원들은 또 범위를 확장시켜 10억 명의 사용자를 대상으로 이들의 성격적 특성을 큰 연산 부담 없이 식별할 수 있다는 점을 알아냈다고 전했다. 심지어 실시간에 가깝게 분석이 이뤄져 밀리초 단위로 성격적 프로필을 제공할 수도 있다는 설명이다.

코신스키는 “아주 많은 인구를 대상으로 거의 실시간에 가깝게 아주 적은 비용만으로 예측을 도출해낼 수 있게다는 것”이라고 말했다. ciokr@idg.co.kr 



2015.01.14

"'좋아요'로 성격 분석해보니... 사람보다 정확"

Joab Jackson | Computerworld
다른 사람을 잘 파악한다고 자신하는가? 그러나 캠브리지와 스탠포드 대학의 연구진에 의하면 컴퓨터가 더 잘 알아낼 가능성이 높다.

연구진은 통계 모델링 소프트웨를 통해 페이스북 ‘좋아요’를 분석함으로써 특정 사람의 기본적인 성격을 배우자나 가족이 아는 수준만큼 도출해낼 수 있다고 밝혔다.

또 지난 12일 미국 국립 과학원 회보를 통해 발간된 연구 내용이 의하면 이러한 디지털 흔적을 분석하는 것은 컴퓨터가 사람들과 더욱 의미 있는 방식으로 소통할 수 있도록 프로그래밍하는데 도움을 줄 수 있다. 

이번 연구는 성격적 특성이 페이스북 ‘좋아요’ 분석을 통해 놀라울 만큼 정확하게 판단 가능하다는 점을 입증한 2013년 3월 연구에 뒤이은 것이다.

'좋아요'는 페이스북 용어로 SNS에 올라온 사진이나 글에 호감을 보일 때 사용된다. 분석할 ‘좋아요’가 충분하면 컴퓨터가 기본적인 성격적 특성을 추론할 수 있다고 이전의 연구는 결론내린 바 있다. 연구원들은 다음으로 컴퓨터가 인간보다 성격적 특성을 더 잘 파악해낼 수 있는지를 확인하고자 이번 연구를 진행했다.

그들은 8만 6,220명의 자원자들로부터 페이스북 페이지를 샘플링 했고, 이 참가자들은 5가지 주요 심리적 특성 즉, 개방성, 성실성, 외향성, 우호성, 신경증적 경향에 초점을 맞춘 성격적 특성 조사 문항 100개에도 답변했다.

이후 몇 번의 기계 학습이 진행돼 추가적인 페이스북 ‘좋아요’와 성격적 특성을 연결 지었다. 예를 들어 “살바도르 달리” 혹은 “명상”에 좋아요를 누른 것은 높은 개방성을 가진 것으로 보는 식이다.

컴퓨터 알고리즘의 효과를 판단하기 위해 연구원들은 몇몇 참여자들의 친구와 친지들에게도 설문 문항을 작성하도록 했다. 이후 그 조사 결과와 컴퓨터로 연산된 인격적 특성을 피실험자의 자가 판단과 비교했다.

그 결과 단 10개의 ‘좋아요’만으로 컴퓨터는 그 사람을 직장 동료 수준만큼 파악해냈다. 70개가 넘는 ‘좋아요’가 있으면 컴퓨터는 친구나 룸메이트 수준으로 그 사람에 대해 알아냈고, ‘좋아요’ 300개를 넘어서면 배우자나 가까운 가족 수준으로 파악해냈다.

메릴랜드 대학 컬리지파크의 컴퓨터 과학자이자 메릴랜드 대학 인간-컴퓨터 인터랙션 연구소 소장 제니퍼 골벡은 이번 연구가 실험 샘플 규모의 크기로 인해 특히 주목할만하다고 이야기했다.

골벡은 이 연구에 참여하지는 않았지만 온라인 활동을 통해 인격적 특성을 예측해내는 방법에 대해 연구하는 전문가 중 하나다.

그는 “연구에 참여한 사용자들의 규모가 아주 크다. 연구 결과가 단순히 작은 데이터에 기반한 운으로 나온 게 아니라는 점을 시사한다”라고 말했다.

골벡은 이어 “아주 많은 수의 사람을 대상으로 특정 상관관계가 통하지는 않을 것이다. 하지만 분명 사람의 인격적 특성과 그 사람의 온라인 활동 같은 상관관계를 규정하는 일반적인 방법론의 미래가 전도유망하다는 점은 분명해 보인다”라고 말했다.

한편 코신스키는 페이스북 외에 다른 온라인 영역에서도 그런 디지털 흔적을 찾을 수 있다고 말했다. 트위터 같은 공공의 장, 어떤 유형의 음악이나 영화를 감상하는지에 대한 사용 통계, 심지어 회사의 웹 서버 로그 등도 심화된 사용자 분석을 위한 기반을 제공하는데 사용될 수 있다는 설명이다.

코신스키는 온라인 기업들이 이미 그런 온라인 흔적들을 면밀히 검토하고 있지만, 각 기업이 판단해낼 수 있는 결론은 제한적이라고 말하며 사람에 대한 추가적인 데이터를 더함으로써 더 일반적인 특성을 식별해낼 수 있을 것이라고 덧붙였다.

예를 들어 살바도르 달리에 관한 사이트의 퍼블리셔는 이미 사이트에 자주 오는 방문자들이 예술 애호가라는 사실을 알고 있다. 하지만 그 방문자들이 보통 사람들보다 새로운 아이디어에 더욱 개방적이라는 추가적인 통찰을 확보하면, 더욱 실험적인 스타일로의 사이트 재편하는 것과 같이 실용적으로 도움을 받을 수 있을 것이라는 설명이다.

물론 그런 데이터의 활용이 프라이버시 문제를 심화시킬 수도 있다. 코신스키는 페이스북이 사용자들의 개인적 특성을 추론하기 위한 그런 접근방식을 활용할 수도, 어쩌면 이미 했을 수도 있다고 말했다.

한편 골벡은 모든 기업들이 페이스북만큼 폭넓은 사용자 데이터를 가지고 있지는 않지만, 각기 다른 소스의 공공 데이터와 상용 데이터를 꿰 맞춤으로써 기존 프로파일링 도구를 넘어서는 성격적 특성 분석 기반을 쉽게 형성할 수도 있을 것이라고 전망했다.

골벡은 “물론 이를 통해서 아주 무서운 일들이 벌어질 수도 있다”라고 강조했다. 예를 들어 당신의 신용도 점수나 보험요금이 영향 받을 수도 있다는 의미다.

하지만 행동 분석이 부정한 목적에 사용될 수 있는 것처럼, 좋은 목적 즉 사용자의 니즈를 더 잘 충족시키도록 조정하는데도 활용될 수 있다고 그는 덧붙였다.

골벡은 “이는 우연에 가까운 것들을 발굴해내는데 활용될 수 있을 것이다. 시스템은 나에 대해 아주 많은 것들을 알고 있고, 다른 10억 인구가 무엇을 하는지에 접속할 수 있다. 이를 비교해 내가 스스로 찾지 못한 그 소소한 무언가를 찾아줄 수 있다”라고 이야기했다.

연구원들은 또 범위를 확장시켜 10억 명의 사용자를 대상으로 이들의 성격적 특성을 큰 연산 부담 없이 식별할 수 있다는 점을 알아냈다고 전했다. 심지어 실시간에 가깝게 분석이 이뤄져 밀리초 단위로 성격적 프로필을 제공할 수도 있다는 설명이다.

코신스키는 “아주 많은 인구를 대상으로 거의 실시간에 가깝게 아주 적은 비용만으로 예측을 도출해낼 수 있게다는 것”이라고 말했다. ciokr@idg.co.kr 

X