X의 엔지니어링 팀이 지난 달 플랫폼의 “당신을 위한” 알고리즘을 구동하는 코드를 공개했을 때 Elon Musk는 이러한 움직임이 투명성의 승리라고 말했습니다. 머스크는 “우리는 알고리즘이 멍청하고 엄청난 개선이 필요하다는 것을 알고 있지만 적어도 실시간으로 투명성을 확보하기 위해 노력하고 있다는 것을 알 수 있다”고 썼다. “다른 어떤 소셜 미디어 회사도 이런 일을 하지 않습니다.”
X가 추천 알고리즘 요소를 오픈 소스로 만드는 유일한 주요 소셜 네트워크인 것은 사실이지만, 연구원들은 회사가 발표한 내용이 2026년 X가 어떻게 작동하는지 이해하려는 모든 사람에게 실제로 유용한 투명성을 제공하지 않는다고 말합니다.
코넬대학교 컴퓨터과학과 조교수인 John Thickstun에 따르면 이 코드는 2023년에 게시된 이전 버전과 마찬가지로 X 알고리즘의 “수정된” 버전입니다. Thickstun은 Engadget에 “이러한 릴리스에서 문제가 되는 점은 코드 릴리스에 대해 투명한 척하고 누군가가 이 릴리스를 사용하여 일종의 감사 작업이나 감독 작업을 수행할 수 있다는 느낌을 준다는 것”이라고 말했습니다. “그리고 사실은 그것이 전혀 가능하지 않다는 것입니다.”
예상대로, 코드가 출시되자마자 X 사용자는 플랫폼에서 가시성을 높이고자 하는 제작자에게 이것이 무엇을 의미하는지에 대한 긴 스레드를 게시하기 시작했습니다. 예를 들어, 350,000회 이상 조회된 한 게시물은 X가 “대화하는 사람들에게 보상을 줄 것”이며 “X의 진동을 높일 것”이라고 사용자에게 조언합니다. 조회수가 20,000회가 넘는 또 다른 게시물은 동영상 게시가 답이라고 주장합니다. 또 다른 게시물에서는 “주제 전환으로 인해 도달 범위가 손상되기” 때문에 사용자는 “틈새 시장”을 고수해야 한다고 말합니다. 그러나 Thickstun은 입소문을 타기 위한 가정된 전략을 너무 많이 읽지 말라고 경고했습니다. “그들은 공개된 내용에서 그러한 결론을 도출할 수 없습니다”라고 그는 말합니다.
X가 게시물을 추천하는 방법을 밝히는 몇 가지 작은 세부 사항이 있지만(예: 하루 이상 지난 콘텐츠를 필터링) Thickstun은 그 중 많은 부분이 콘텐츠 제작자에게 “실행 가능하지 않다”고 말합니다.
구조적으로 현재 알고리즘과 2023년에 출시된 버전 사이의 가장 큰 차이점 중 하나는 새로운 시스템이 게시물 순위를 매기기 위해 Grok과 같은 대규모 언어 모델을 사용한다는 것입니다. “이전 버전에서는 이것이 하드코딩되었습니다. 어떤 것이 좋아요를 누른 횟수, 공유된 횟수, 응답된 횟수를 기록하고 이를 바탕으로 점수를 계산한 다음 점수에 따라 게시물의 순위를 매깁니다”라고 그라츠 대학의 pHD 연구원인 Ruggero Lazzaroni는 설명합니다. “이제 점수는 실제 좋아요와 공유 수가 아니라 Grok이 귀하가 게시물을 좋아하고 공유할 것이라고 생각하는 정도에 따라 결정됩니다.”
이는 또한 알고리즘을 이전보다 훨씬 더 불투명하게 만든다고 Thickstun은 말합니다. “… 훨씬 더 많은 의사결정이 블랙박스 신경망 내에서 이루어지고 있으며 데이터를 학습하고 있습니다.”라고 그는 말합니다. “이러한 알고리즘의 의사 결정 능력 중 점점 더 많은 부분이 대중의 시야에서 벗어나고 있을 뿐만 아니라 실제로 이러한 시스템에서 작업하는 내부 엔지니어의 시야나 이해에서도 벗어나고 있습니다. 왜냐하면 이러한 알고리즘이 이러한 신경망으로 이동하고 있기 때문입니다.”
이 릴리스에는 2023년에 공개된 알고리즘의 일부 측면에 대한 세부 정보가 훨씬 적습니다. 당시 회사는 어떤 게시물의 순위가 더 높아야 하는지 결정하기 위해 다양한 상호 작용에 가중치를 부여하는 방법에 대한 정보를 포함했습니다. 예를 들어, 답글은 27개의 리트윗의 가치가 있고 원래 작성자로부터 응답을 생성한 답글은 75개의 리트윗의 가치가 있습니다. 그러나 X는 이제 “보안상의 이유로” 이 정보가 제외되었다고 말하면서 이러한 요소를 어떻게 평가하는지에 대한 정보를 수정했습니다.
또한 코드에는 알고리즘이 훈련된 데이터에 대한 정보가 포함되어 있지 않으므로 연구원과 다른 사람들이 이를 이해하거나 감사를 수행하는 데 도움이 될 수 있습니다. Carnegie Mellon University의 비즈니스 기술 조교수인 Mohsen Foroughifar는 “내가 정말로 보고 싶은 것 중 하나는 그들이 이 모델에 사용하는 교육 데이터가 무엇인지입니다.”라고 말합니다. “이 모델을 훈련하는 데 사용되는 데이터가 본질적으로 편향된 경우 모델 내에서 어떤 종류의 항목을 고려하는지에 관계없이 모델이 실제로 여전히 편향될 수 있습니다.”
소셜 미디어 플랫폼을 위한 대체 추천 알고리즘을 탐색하는 EU 자금 지원 프로젝트에 참여하고 있는 Lazzaroni는 X 추천 알고리즘에 대한 연구를 수행할 수 있다는 것은 매우 가치 있는 일이라고 말합니다. Lazzaroni의 작업 중 대부분은 다양한 접근 방식을 테스트하기 위해 실제 소셜 미디어 플랫폼을 시뮬레이션하는 것입니다. 그러나 그는 X가 공개한 코드에는 추천 알고리즘을 실제로 재현할 만큼 충분한 정보가 없다고 말합니다.
“우리는 알고리즘을 실행하기 위한 코드를 갖고 있지만, 알고리즘을 실행하는 데 필요한 모델은 없습니다.”라고 그는 말합니다.
연구자들이 X 알고리즘을 연구할 수 있다면 소셜 미디어 플랫폼 그 이상으로 영향을 미칠 수 있는 통찰력을 얻을 수 있습니다. 소셜 미디어 알고리즘의 작동 방식에 대해 제기된 동일한 질문과 우려 중 상당수가 AI 챗봇의 맥락에서 다시 나타날 가능성이 높습니다. Thickstun은 “소셜 미디어 플랫폼과 추천(시스템)에서 볼 수 있는 이러한 많은 문제는 이러한 생성 시스템에서도 매우 유사한 방식으로 나타납니다.”라고 말했습니다. “따라서 소셜 미디어 플랫폼에서 본 과제를 GenAI 플랫폼과의 상호 작용에서 보게 될 과제로 추정할 수 있습니다.”
소셜 미디어에서 가장 해로운 행동을 시뮬레이션하는 데 많은 시간을 소비하는 Lazzaroni는 훨씬 더 무뚝뚝합니다. “AI 회사는 이익을 극대화하기 위해 진실을 말하거나 사용자의 정신 건강에 관심을 두는 것이 아니라 사용자 참여를 위해 대규모 언어 모델을 최적화합니다. 그리고 이것은 똑같은 문제입니다. 그들은 더 많은 이익을 얻지만 사용자는 더 나쁜 사회를 얻거나 그로 인해 정신 건강이 더 나빠집니다.”
