도시목격자

요즘 일상의 문화가 왜 점점 단조로워지는가 알고리즘이 메뉴부터 가사까지 '평평하게' 만든다 (아래 원문 발췌) 대도시 어딜 가나 예상 가능한 대기업 소유 음식·음료·소매점이 거리를 메워 간다. 예전엔 각양각색 다채로웠지만 점점 체인점들로 획일화되고 있다. 비슷한 공간이 늘면서 장소성을 잃어간다. 어딜 가나 우리는 같은 곳에 있다. 데이터과학자 로렌 리크는 최근 '문화의 영점: 왜 모든 것이 똑같아 보이기 시작했는가'라는 서브스택 글에서 예측 알고리즘이 음악, 영화, 요식업 등 오늘날 소비자 문화의 거의 모든 측면을 ‘평준화’한다고 썼다. 런던의 640개 쇼핑 거리를 사례로, 첨단 데이터 분석 도구를 활용해 예측 알고리즘이 어떻게 균질한 '단일 문화'를 만들어냈는지 조사했다. 그 결과 “우리는 사람들이 원하는 것과 시스템이 원하기 쉽게 만든 것 사이의 차이를 구분하는 능력을 잃게 된다”고 썼다. 리크는 글에서 자신만의 알고리즘, 디지털 매핑, 텍스트 분석을 활용해 LLM이 어디서든 소비자 문화를 어떻게 똑같이 느껴지게 만드는지를 보여준다. 팝 음악은 최근 몇 년간 문화가 얼마나 급격하게 ‘평준화’되었는지를 보여주는 대표 분야다. 1950-2015년 빌보드 핫 100 차트에 오른 4,000여 곡의 가사 어휘의 풍부도를 추적해 보면, 1960년대 초반 이후 고유 단어의 범위가 4분의 1 이상 줄어든 반면, 반복되는 가사의 수는 3분의 1 가까이 늘었다. 스트리밍이 아주 구체적인 인센티브를 만들어낸 결과다. 30초가 지나야 수익이 발생하는 산업 구조에서, 노래의 후크를 반복하는 것은 합리적 대응이다. 펍 메뉴도 비슷하다. 모든 메뉴는 QR 코드로 주문할 수 있고 체인점은 이전 주문 고객들로부터 데이터를 얻는다. 이들은 메뉴를 최적화하기 위해 모든 지점의 주문 데이터를 통합한다. 지역별 차이는 사라지고 개성 있는 요소는 제거된다. 소비자 문화 평준화의 핵심은 알고리즘의 수학과 다음 토큰 예측 방법론에 있다. LLM은 데이터를 토큰 단위로 작성해 각 단계에서 가장 가능성이 높은 다음 토큰을 예측하고 선택한다. 이 모델엔 ‘온도’ 설정이 있는데, 선택의 모험성을 조절하는 일련의 매개변수다. ‘온도 0’에서는 모델이 늘 가능도 최고치의 토큰을 선택해 매번 동일한 답변을 내놓는다. 모델은 불확실할 때도 예측을 해야 하니 늘 예상치가 높은 답으로 회귀하게 된다. 무작위성이나 놀라움은 사라진다. 알고리즘이 문화를 단조롭고 예측 가능하며 수학적으로 결정된 ‘온도 0’ 상태로 몰아가고 있다. “알고리즘은 ‘평균적인 사람’을 위해 예측하지만, ‘평균적인 사람’이라는 건 현실에 존재하지 않는다. 각 사람은 자신만의 틈새 취향을 가지고 있으며, 그 틈새는 서로 다르다. 모든 사람의 취향 평균을 최적화하는 시스템은 아무도 특별히 싫어하지는 않지만, 아무도 특별히 좋아하지도 않는 결과를 만들어 낸다. 그것은 존재하지 않는 사람을 위해 만들어진 것이다.” “개별 커피숍이나 식당이 꼭 더 나빠진 것은 아니다. 플랫 화이트는 20년 전보다 훨씬 더 맛있을 수도 있다. 잃어버린 것은 다양성이다. 인공지능으로 인해 그런 변화는 거의 순식간에, 모든 곳에서 동시에 일어난다.” nytimes.com/2026/10/31/arts/…