디지털 거울: 알고리즘은 나를 어떻게 반영하는가?

알고리즘은 당신을 보고 있다

우리는 매일 알고리즘이 보여주는 세상을 마주합니다. 쇼핑 추천, SNS 피드, 검색 결과, 뉴스 큐레이션까지, **모든 화면은 당신의 과거 클릭, 시청, 좋아요에 기반하여 설계된 ‘개인화된 세계’**입니다. 이것은 마치 거울처럼 보입니다. 그러나 그 거울은 당신이 누구인지 있는 그대로 비추는 것이 아니라, 당신이 어떤 사람이어야 더 오래 머무를지 계산한 결과를 비추고 있습니다. 사이보그 페미니즘은 이 알고리즘적 반영을 단순한 기술 현상이 아닌, 존재를 사회적으로 구성하고 통제하는 감각적 장치로 해석합니다.

우리는 선택하는가, 선택당하는가

알고리즘은 사용자의 선택을 기반으로 작동한다고 말하지만, 실제로는 우리가 보지 못한 것, 선택하지 않은 것, 처음부터 제시되지 않은 것에 의해 더욱 강하게 영향을 받습니다. 예를 들어 특정 성별, 인종, 지역에 따라 추천 콘텐츠가 달라지거나, 기존 클릭 패턴에 맞춰 비슷한 정보만 반복 노출될 때, 우리는 ‘선택하는 것처럼 보이지만 사실은 선택당하는 상황’에 놓입니다. 알고리즘은 우리의 존재를 고정된 범주로 분류하고, 그 범주 안에서 반복되는 이미지를 제공하며, 다양성과 우연성의 가능성을 제거한 채 ‘내가 기대되는 존재’로만 구성합니다.

당신을 닮은 것이 아니라, 당신을 예측한 것

디지털 거울은 당신의 취향과 관심사를 보여주는 것처럼 보이지만, 그것은 실제의 당신이 아니라 당신이 과거에 남긴 흔적들의 통계적 예측입니다. 이는 우리가 새로운 것을 시도하거나, 다른 삶의 방식을 상상하거나, 기존의 틀을 벗어나려는 시도 자체를 점점 더 어렵게 만듭니다. 알고리즘은 예외, 변칙, 실험, 모순을 제거한 일관된 사용자로서의 ‘당신’을 재생산하며, 우리는 점점 과거의 반복으로 구성된 존재로 살아가게 됩니다. 이처럼 기술은 가능성을 보여주는 거울이 아니라, 가능성을 닫아버리는 투사된 이미지일 수 있습니다.

누구는 더 잘 반영되고, 누구는 왜곡되는가

모든 알고리즘이 공정하게 작동하는 것은 아닙니다. 특정 정체성, 언어, 외모, 문화는 데이터 양이 많고 인식률이 높아 더 잘 ‘보이지만’, 그렇지 않은 존재들은 알고리즘의 주변부로 밀려나거나 오류로 처리되기 쉽습니다. 예를 들어, 페이스북은 피부색이 어두운 사람을 ‘동물’로 인식한 사례가 있었고, 검색 엔진은 여성 이름을 검색할 때 성적 이미지나 왜곡된 정보로 연결되는 경우가 많았습니다. 사이보그 페미니즘은 이와 같은 현상을 기술이 만든 왜곡된 반영이 아니라, 이미 사회가 왜곡해온 시선을 기술이 학습한 결과로 진단합니다.

진짜 나를 비추는 기술은 가능한가

우리는 기술이 나를 더 잘 이해해주길 바라지만, 진짜 중요한 것은 나를 더 잘 비추는 기술이 아니라, 나의 다면성과 변화 가능성을 허용하는 기술입니다. 사이보그는 완성된 존재가 아니라, 계속 조합되고 생성되는 존재이며, 그 특성을 반영할 수 있는 기술 환경은 정답이나 예측이 아니라 열림과 질문을 중심으로 구성되어야 합니다. 알고리즘은 거울이 아니라 창이 되어야 하며, 그 창을 통해 나는 아직 경험하지 못한 세계, 존재하지 않던 나의 모습, 상상되지 않았던 관계를 마주할 수 있어야 합니다.