민주주의자 또는 권위주의자? 대규모 언어 모델에서 정치적 편견의 새로운 차원 탐색

정치적 편향을 넘어: AI 언어모델의 민주주의와 권위주의 성향 탐구 대형 언어모델(LLM)이 우리의 정보 생태계에 빠르게 스며들면서, 이들이 사회에 미치는 영향에 대한 우려도 커지고 있다. 최근까지 AI 모델의 편향 연구는 주로 성별, 인종, 좌우 정치 성향에 초점이 맞춰져 왔지만, 실제로는 민주주의와 권위주의라는 더 넓고 결정적인 정치적 가치축에서 어떤 입장을 보이는지에 대한 논의는 부족했다. 이 연구는 LLM이 민주주의적 가치와 권위주의적 가치 중 어디에 더 가까운지 다각도로 탐구하며, 언어와 맥락에 따라 모델의 정치적 성향이 어떻게 달라지는지 구체적으로 분석한다. 연구진은 세 가지 주요 평가 도구를 사용했다. 첫째, 권위주의적 태도를 측정하는 심리학적 척도(F-스케일)를 활용해, 모델이 얼마나 권위주의적 가치에 동의하는지 수치화했다. 둘째, 전 세계 지도자들에 대한 선호도를 측정하는 새로운 지표(FavScore)를 개발해, 각국 지도자에 대한 평가가 실제 정치 체제(민주주의/권위주의)에 따라 어떻게 달라지는지 살폈다. 셋째, 정치와 무관해 보이는 상황(‘역할 모델’ 추천)에서까지 권위주의적 인물이 자주 언급되는지를 조사했다. 가장 흥미로운 결과는 언어에 따른 편향의 차이였다. 영어로 질문할 때 LLM은 전반적으로 권위주의를 거부하고 민주주의적 가치에 더 우호적인 태도를 보였다. 하지만 중국어(만다린)로 질문할 경우, 권위주의적 태도에 동의하는 경향이 눈에 띄게 높아졌다. 예를 들어, 영어에서는 민주적 지도자를 더 긍정적으로 평가하는 반면, 중국어에서는 민주적·권위주의적 지도자에 대한 평가 차이가 줄어들고, 심지어 권위주의 지도자에 대한 호감도도 높아지는 현상이 나타났다. 이는 LLM이 사용되는 언어와 그 언어의 문화적·정치적 맥락, 그리고 훈련 데이터의 특성이 모델의 응답에 큰 영향을 미침을 시사한다. 또한, ‘역할 모델’이라는 비교적 중립적인 질문에도 불구하고, LLM은 자주 권위주의적 인물을 추천했다. 이는 정치적 맥락이 명시적으로 제시되지 않아도, 훈련 데이터에 내재된 세계관이나 지식체계가 자연스럽게 드러날 수 있음을 보여준다. 특히, 권위주의 국가의 경우 그 나라 출신의 권위주의 지도자가 역할 모델로 언급될 확률이 높았고, 전체적으로 영어보다 중국어에서 권위주의 인물의 추천 비율이 더 높았다. 이러한 편향은 단순한 학문적 문제가 아니다. LLM이 교육, 뉴스, 상담 등 일상에 더 깊이 관여할수록, 이들이 보여주는 정치적 가치관은 사용자들의 인식과 판단에 실질적인 영향을 미칠 수 있다. 만약 AI가 무심코 권위주의적 인물을 긍정적으로 소개하거나, 권위주의적 가치에 더 관대하다면, 이는 민주적 가치 확산에 장애가 될 수도 있다. 특히 다양한 언어권에서 AI 모델이 제공하는 정보가 각기 다르다면, 글로벌 정보 불균형이나 정치적 오해도 심화될 수 있다. 따라서 배우로서 이 연구를 이해한다는 것은, 단순히 AI의 기술적 한계나 오작동을 넘어서, AI가 사회적으로 어떤 영향을 미칠 수 있는지, 그리고 그 영향이 언어와 문화적 맥락에 따라 어떻게 달라질 수 있는지 깊이 고민해야 함을 의미한다. AI가 내보내는 답변이 중립적이거나 단순한 정보 전달로만 받아들여질 수 없다는 점, 그리고 ‘어떤 인물을 역할 모델로 제시하는가’ 같은 작은 응답 하나에도 사회적 파장이 스며들 수 있다는 점을 주목해야 한다. 이 연구는 AI 모델의 정치적 편향을 한층 더 넓은 시야에서 점검할 필요성을 강조하며, 앞으로 더 다양한 언어와 문화, 맥락에서의 추가 연구가 요구됨을 시사한다. 오늘날 AI와 인간의 상호작용이 더욱 촘촘해진 만큼, 이 기술이 민주주의, 권위주의 등 사회적 가치에 어떻게 기여하거나 위협이 되는지 이해하는 것이 배우의 입장에서 매우 중요하다.