허위정보로 독자 관심 받으면
다른 미디어도 동참하며 확산
매체 신뢰 잃더라도 이익 선택

한국과 미국 과학자들이 언론 등 미디어가 독자의 관심을 끌기 위해 경쟁을 벌이다가 편파적인 허위 정보를 퍼뜨릴 수 있다는 점을 수학적으로 계산해 밝혀냈다. 게티이미지코리아

일부 미디어에 쏟아져 나오는 이른바 ‘허위 정보’(가짜 뉴스)가 국내뿐 아니라 전 세계적으로 문제가 되고 있다. 그 해결 방안에 대한 과학자들의 연구도 계속 이어지고 있다. 한국과 미국 과학자들이 언론 등 미디어가 독자의 관심을 끌기 위해 경쟁을 벌이다가 편파적인 허위 정보를 퍼뜨릴 수 있다는 점을 수학적으로 계산해 밝혀냈다. 허위 정보를 퍼뜨리는 이유가 단순한 실수나 악의적 의도가 아니라 경쟁 구조에 따른 전략적 선택의 결과로 설명된다는 것이다. 시스템적으로 허위 정보 문제에 대응해야 한다는 지적이 나온다.

이은주 서울대 인공지능신뢰성연구센터 소장(서울대 언론정보학과 교수)과 미국 오스틴 텍사스대 연구팀은 미디어가 허위 정보를 선택하게 되는 구조를 입증해 18일(현지 시간) 국제학술지 ‘사이언스 어드밴시스’에 발표했다. 게임 이론을 이용해 미디어가 어떤 뉴스 방향을 선택하고 여론이 어떻게 변하는지 모델을 만들어 수학적으로 시뮬레이션한 결과다.

연구팀은 가상의 미디어 10개, 가상 독자 500명을 설정하고 미디어가 주기적으로 사실이 확인된 뉴스와 허위 정보를 선택하는 모델을 만들어 ‘제로섬 게임’을 적용했다. 제로섬 게임이란 한쪽의 이득이 다른 쪽의 손해와 정확히 같아 총합이 0이 되는 상황을 가리키는 수학적 용어다. 경쟁을 벌여 누군가 이득을 얻으면 누군가는 반드시 그만큼 잃는다는 개념이다.

연구팀은 또 미디어가 ‘확률적 반응 균형’에 따른 선택을 할 것으로 가정했다. 비합리적인 행동을 수학적으로 계산해 설명하는 개념인 확률적 반응 균형은 ‘사람은 장기적으로 단점이 있더라도 단기적으로 보상이 많다고 생각하는 전략을 선택할 확률이 높다’는 것이다. 연구팀은 모델에서 미디어가 자체 신뢰도, 허위 정보에 대한 독자의 수용성, 기사 내용의 진실성 등을 변수로 사실이 확인된 뉴스와 가짜 뉴스를 선택하도록 했다.

모델을 시뮬레이션한 결과 제로섬 게임으로 인해 사회에 허위 정보가 만연해지는 것으로 나타났다. 한 미디어가 허위 정보로 독자의 관심을 끌기 시작하면 다른 미디어도 독자를 빼앗기지 않기 위해 똑같이 허위 정보를 선택해 보도하게 된다. 허위 정보 확산 속도가 가속화되고 ‘군비 경쟁’과 유사한 양상이 발생한다. 군비 경쟁이란 국가들이 상대보다 우위를 점하기 위해 군사력을 확장하는 데 극단적으로 많은 비용을 지불하게 되는 딜레마를 뜻한다.

특히 특정 성향의 미디어가 허위 정보를 보도하기 시작하면 반대 성향의 미디어도 경쟁 때문에 허위 정보를 기사로 쓰는 양상이 두드러진다. 연구팀은 “시간이 흐를수록 허위 정보의 비중이 높아지고 사실이 확인된 뉴스의 비중은 점점 줄어든다”고 설명했다.

연구팀은 허위 정보가 사회 전체의 의견에 어떤 영향을 미치는지도 분석했다. 시뮬레이션 초기에 독자의 여론은 비교적 중앙에 있었지만 시간이 흐르고 독자가 자신의 성향과 유사한 미디어가 실은 기사에 더 많이 노출되면서 여론은 극단으로 분열됐다.

연구팀은 “허위 정보를 선택한 미디어는 단기적으로 더 많은 독자의 주목을 받는 동시에 신뢰도는 꾸준히 하락하지만 진실된 기사를 선택한 미디어는 신뢰도는 높지만 주목을 덜 받게 되는 딜레마가 발생한다”며 “이 같은 구조가 미디어에 신뢰를 얻을 것인가, 독자의 주목을 받을 것인가에 대한 선택을 요구하게 된다”고 말했다.

이번 연구는 미디어가 허위 정보를 선택하는 이유를 분석했다는 의미가 있다. 허위 정보의 양산은 경쟁 구조에 따른 전략적 선택의 결과라는 것이다. 연구팀은 “단순히 허위 정보 문제를 일부 미디어의 일탈로 보고 비난하는 것은 근본 해결책이 아니다”라며 “신뢰도 높은 미디어에 제공하는 보상을 늘리거나 뉴스를 수용하는 독자를 대상으로 미디어 리터러시(문해력) 교육을 강화하는 방안이 필요하다”고 강조했다.

이채린 동아사이언스 기자 rini113@donga.com

Copyright © 동아일보. All rights reserved. 무단 전재, 재배포 및 AI학습 이용 금지