온라인 이미지, 텍스트보다 성 편향 더 심각…구글 이미지 검색 결과에서 여성 대표성 크게 부족

디지털 시대에 접어들면서 사람들의 정보 소비 패턴이 급격히 변화하고 있다. 미국 예술과학원의 조사에 따르면, 사람들의 독서 시간은 지속적으로 감소하는 반면 이미지 콘텐츠 소비는 증가하는 추세다. 구글과 위키피디아의 이미지는 매일 수백만 회 다운로드되고 있으며, 인스타그램과 틱톡 같은 이미지 기반 소셜미디어의 사용도 급증하고 있다.

UC버클리 연구진은 이런 현상이 기존의 성 편향을 심화시키고 있다는 우려스러운 연구 결과를 발표했다. Nature에 실린 이 연구는 온라인 이미지에서 나타나는 성 편향이 텍스트보다 더 강하고 광범위하다는 것을 실증적으로 보여줬다.

연구진은 3,495개의 직업 관련 단어에 대해 구글 이미지 검색, 구글 뉴스 텍스트, 위키피디아 데이터를 포괄적으로 분석했다. 각 직업별로 구글 이미지 검색 상위 100개의 결과물을 수집하고, 이를 구글 뉴스의 텍스트 데이터와 비교했다.

분석 결과, 이미지에서의 성 편향이 텍스트보다 훨씬 강하게 나타났다. 특히 전통적으로 특정 성별과 연관된 직업군에서 이러한 경향이 두드러졌다. 예를 들어 ‘간호사’는 이미지에서 압도적으로 여성으로, ‘의사’는 남성으로 묘사되는 경향이 텍스트에서보다 훨씬 강했다.

연구진은 이론적 분석에 그치지 않고, 실제 이미지가 사람들의 인식에 미치는 영향을 검증하기 위한 실험도 진행했다. 미국인 450명을 대상으로 한 이 실험에서, 참가자들은 두 그룹으로 나뉘어 특정 직업을 각각 구글 이미지와 텍스트로 검색한 뒤, 해당 직업에 대한 성별 연관성을 평가했다.

실험 결과, 이미지 검색 그룹이 텍스트 그룹보다 더 강한 성별 고정관념을 보였다. 예를 들어 ‘모델’이라는 직업에 대해, 텍스트 그룹은 약한 수준의 여성 편향(-0.32)을 보인 반면, 이미지 그룹은 거의 두 배에 가까운 강한 여성 편향(-0.62)을 나타냈다.

연구진은 최근 급부상하고 있는 DALL-E, 미드저니와 같은 텍스트-이미지 생성 AI에도 주목했다. 이들 AI 모델이 구글과 위키피디아의 이미지를 학습 데이터로 사용하는 만큼, 기존의 성 편향이 AI 생성 이미지를 통해 더욱 확산될 수 있다는 우려를 제기했다.

연구를 주도한 더글라스 길보(Douglas Guilbeault) 교수는 “이미지가 텍스트보다 더 강력하고 지속적인 영향을 미친다는 점에서, 온라인 이미지의 성 편향 문제는 매우 심각하게 다뤄져야 한다”고 강조했다. 특히 “이미지는 텍스트와 달리 성별을 즉각적이고 명시적으로 드러내기 때문에, 성 편향을 더욱 강화할 수 있다”고 설명했다.

연구진은 이 문제의 해결을 위해 여러 제안을 했다. 첫째, 검색 엔진과 소셜미디어 플랫폼들이 이미지 추천 알고리즘에서 성 편향을 줄이기 위한 노력을 해야 한다. 둘째, AI 이미지 생성 모델 개발 시 학습 데이터의 성 편향을 고려해야 한다. 셋째, 사용자들이 온라인 이미지의 성 편향 문제를 인식하고 비판적으로 바라볼 수 있도록 교육해야 한다.

기사에 인용된 연구에 대한 자세한 정보는 네이처 홈페이지에서 확인할 수 있다.

기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다. 

관련 콘텐츠 더보기