정경대학 · 데이터연구소 공동 콜로퀴엄 (3회차)

전자담배 예방 정보처리에서 멀티모달 AI의 편향 탐색

경희대학교 인문·사회과학 데이터연구소

Humanity & Social Science Data Institute (HSSDI), Kyung Hee University

2026년 4월 14일(화)  |  경희대학교 정경대학 211호

 

▲ 3차 콜로퀴엄 발제 장면 — 경희대학교 정경대학 211호 (2026.4.14)

 

 

일  시	2026년 4월 14일(화) 낮 12:00
장  소	경희대학교 정경대학 211호
주  제	전자담배 예방 관련 정보처리에서 멀티모달 인공지능의 편향 탐색
발  제	김관호 (경희대학교 미디어학과)
토  론	전현식 (경희대학교 사회학과)
공동주최	경희대학교 정경대학  |  인문·사회과학 데이터연구소  |  사회과학연구원  |  글로벌 통상·금융연구원

 

생성형 AI가 학문과 일상 전반으로 스며들면서 그 활용 논의 또한 넘쳐나고 있습니다. 그러나 방대한 데이터와 알고리즘 뒤에 실제 사람의 삶과 사회의 목소리가 얼마나 반영되고 있는지는 여전히 물음표로 남습니다. AI가 누구를 위해, 무엇을 위해 작동해야 하는가라는 근본적 질문이 그 어느 때보다 절실해지고 있습니다.

이러한 문제의식 아래, 경희대학교 정경대학은 인문·사회과학 데이터 연구소, 사회과학연구원, 글로벌 통상·금융연구원과 함께 AI와 데이터를 사람과 사회에 대한 이해의 도구로 삼아 인문사회과학 연구의 새로운 방법론적 토대를 마련하고자 이 자리를 준비하였습니다. 이번 3회차 콜로퀴엄은 AI가 건강 정보를 어떻게 처리하고 재현하는지, 그 과정에서 어떤 편향이 작동하는지를 전자담배 예방 정보를 사례로 멀티모달 인공지능을 통해 탐색하는 연구를 주제로 다루었습니다.

 

발제 제목 및 발표자

「The Black Box of AI in Health Contexts: Bias, Alignment, and Implications for Communication Research」

김관호 (경희대학교 미디어학과) — 담배예방, 건강 커뮤니케이션, 컴퓨테이셔널·AI 기반 방법론 전공

 

연구 배경 — AI의 블랙박스 문제와 편향

AI는 기존 미디어와 달리 작동 방식을 예측하기 어려운 '블랙박스'입니다. 신문·TV·소셜 미디어 등 기존 매체는 이론적 또는 직관적으로 그 편향 방향을 추론할 수 있었지만(예: 특정 신문의 정치적 성향), AI의 내부 구조는 개발자조차 완전히 파악하지 못합니다. 특히 대규모 머신러닝 모델은 훈련 데이터에 포함된 사회적 고정관념과 역사적 편향을 그대로 학습하거나 증폭시킬 수 있으며, 이는 AI 출력 결과에 명시적(Overt) 편향과 암묵적(Covert) 편향으로 나타납니다.

AI 편향은 단순한 기술적 문제가 아닌 커뮤니케이션 연구의 핵심 의제입니다. AI가 미디어 에이전트로서 정보 큐레이션, 건강 캠페인 메시지 생성, 여론 형성에 직접 관여하는 현실에서, AI가 어떤 집단의 위험 인식을 얼마나 정확히 재현하는지는 커뮤니케이션 불평등(Communication Inequities)과 직결됩니다.

•    AI Bias 정의: AI 시스템에서 특정 집단을 이롭게 하거나 불이롭게 하는 체계적·불공정한 차별

•    AI Alignment 정의: AI 시스템을 특정 개인 또는 집단의 목표·선호·윤리 원칙에 부합하도록 조종하는 것

•    편향 유형: Overt(명시적) 편향 — 생성 결과물에 직접 편향 내용이 등장 / Covert(암묵적) 편향 — 다른 결과 또는 인간 판단과 비교할 때만 드러나는 편향

 

예시 연구 — 멀티모달 AI의 전자담배 위험 인식 시뮬레이션

본 발표의 핵심 사례 연구는 GPT-5.2를 활용한 '실리콘 샘플링(Silicon Sampling)' 실험입니다. Cornell 대학이 수행한 전자담배 경고 라벨 효과 실험(Niederdeppe et al., 2024; N=2,856: 청소년 1,217명 + 성인 1,639명, 5가지 경고 라벨 조건)의 인간 응답 데이터를 기준으로, AI가 동일한 실험 참여자를 페르소나 프롬프트 방식으로 시뮬레이션한 뒤 AI 응답과 실제 인간 응답 간의 차이를 분석하였습니다.

각 에이전트는 실제 참여자의 나이·인종·성별·소득·교육·흡연·베이핑 경험 등 특성을 프롬프트로 부여받고, 경고 라벨이 포함된 전자담배 광고 이미지를 관찰한 뒤 전자담배 관련 위험 인식을 응답합니다. 이 과정에서 이미지 누락·응답 오류 시 즉시 종료하도록 하는 엄격한 종료 조건도 설계되었습니다.

•    데이터: Cornell 전자담배 경고 라벨 실험 — 청소년(14-17세) 1,217명 + 성인 1,639명

•    AI 시뮬레이션 모델: GPT-5.2 (Responses API, 추론 최소화·최소 verbosity 설정)

•    방법: 실리콘 샘플링 — 각 인간 참여자와 동일한 특성의 AI 에이전트 생성 후 동일 실험 진행

•    종속 변수: 전자담배 관련 위험 인식 (vaping-related perceived risk)

 

주요 연구 결과

세 가지 연구 문제에 대한 분석 결과, AI 시뮬레이션은 집계 수준에서는 인간 응답과 유사하게 보이지만 집단별·메시지별로는 체계적인 편향이 숨어 있었습니다.

•    RQ1 (전반적 대응도): AI-인간 간 양의 상관관계 확인. 평균값 차이는 통계적으로 유의하나 실질적 크기는 크지 않음 — 집계 수준에서는 AI가 인간을 잘 모방하는 것처럼 보임

•    RQ2 (집단별 차이): AI는 집단 간 차이를 과소 재현(flatten)하는 경향 — 특히 흡연·베이핑 경험 여부에 따른 집단 간 위험 인식 차이를 AI가 제대로 구현하지 못함

•    RQ3 (메시지 조건별 차이): 경고 라벨 유형에 따라 AI-인간 격차가 달라짐 — 멀티모달 정보(이미지+텍스트 통합 처리)도 이 문제를 해결하지 못함

결론적으로, AI 시뮬레이션은 메시지 효과를 심각하게 왜곡할 수 있으며, AI는 인간 기반 추론을 대체할 수 없습니다. 이는 단순한 효율성 대 윤리의 문제를 넘어, 방법론적 타당성의 근본 문제입니다.

 

커뮤니케이션 연구에 대한 함의

발표는 AI 블랙박스 문제가 커뮤니케이션 연구에 주는 세 가지 차원의 함의를 제시하며 마무리되었습니다. 이론적으로는 선택적 노출(Selective Exposure)과 편향된 미디어 환경 개념을 AI 맥락에서 재검토하고, 미디어 측면과 이용자 측면을 통합하는 새로운 이론화가 필요합니다. 방법론적으로는 커뮤니케이션 연구에서 AI 도구의 타당성 검증 절차와 학계 합의가 요구됩니다. 실천적으로는 현재 AI 기반 정보 유통의 역학을 파악하고 커뮤니케이션 불평등의 새로운 패턴을 탐구해야 합니다.

 

▲ (좌) 발제자 김관호 교수 · (우) 토론자 전현식 교수 (2026.4.14)

 

토론자 전현식 교수(경희대학교 사회학과)는 사회학 이론의 관점에서 이번 연구를 입체적으로 조명하였습니다. AI를 단순 도구가 아닌 Actor-Network Theory의 관점에서 전문성을 재정의하는 행위자로 바라보면서, AI의 '이중 블랙박스' 성격—전문가 집단이 만들어내는 블랙박스인 동시에 개발자도 설명할 수 없는 블랙박스—을 짚었습니다.

이론적 코멘트의 핵심은 '선언적 문화(Declarative Culture)'와 '비선언적 문화(Non-declarative Culture)'의 구분을 통한 AI-인간 격차 해석이었습니다. 흡연·베이핑 비경험자는 공적 담론에서 습득한 선언적 지식에 기반하므로 AI가 잘 재현할 수 있지만, 경험자는 체화된 경험·습관·정체성 등 비선언적 문화가 강하게 개입하여 AI 재현이 어렵다는 설명입니다. 이를 통해 AI 시뮬레이션 결과를 선언적 차원의 근사치로, AI-인간 격차를 비선언적 차원의 기여분에 대한 근사치로 해석하는 새로운 이론적 틀을 제안하였습니다.

방법론적 질문으로는 AI 응답의 분산 패턴이 모델 파라미터 설정에 의해 영향을 받는지 여부, GPT 외 타 모델과의 비교 가능성, 2021년 실험 시점이 결과에 미치는 영향, 그리고 비백인 집단(Non-white group)에 대한 분석 필요성이 제기되었습니다. 참석자들은 AI 편향 연구의 윤리적 함의, 보건 정보 캠페인 설계에 대한 실천적 제언, 기존 불평등 구조와 AI 편향의 연계 가능성 등 다양한 주제로 활발한 토론을 이어갔습니다.

 

▲ 3차 콜로퀴엄 참석자 일동 (경희대학교 정경대학 211호, 2026.4.14)

 

경희대학교 정경대학

경희대학교 인문·사회과학 데이터연구소 (HSSDI)

경희대학교 사회과학연구원

경희대학교 글로벌 통상·금융연구원