알고리즘이 지배한다는 착각

- 케임브리지 애널리티카와 그 회사의 정치적 성격 분석 기법을 더 자세히 살펴본 결과, 나는 알고리즘의 정확도에 근본적 한계가 있다는 사실을 발견했다. 그 한계는 내가 인간 행동을 모형화하면 서 경험해온 바와 일치했다. 나는 응용수학 분야에서 20년 넘게 일했다. 회귀 모형, 신경망neural network, 기계학습, 주성분 분석, 그 밖에 지금 미디어에서 점점 더 많이 거론되는 많은 기법들을 사용해왔 다. 그리고 그 오랜 경험을 통해서, 나는 우리 주변의 세계를 이해하는 것이 과제일 때는 대개 인간이 수학적 모형보다 더 우수하다는 사실을 깨달았다.
- 나는 수학을 사용하여 세계를 예측하는 일을 하는 사람이므로, 나의 견해가 의아하게 느껴질 법도 하다. 현재 나는 이 책을 쓰고 있을 뿐 아니라 회사를 경영하고 있다. 그 회사는 모형들을 사용하 여 축구 경기의 결과를 이해하고 예측한다. 또한 나는 인간, 개미, 물고기, 새, 포유동물의 집단행동을 수학을 사용해서 설명하는 연 구팀의 지휘자다. 요컨대 모형들이 유용하다는 생각은 나의 이익을 위해 대단히 중요하다. 따라서 수학의 유용성에 대한 의심을 너무 많이 제기하는 것은 아마도 내 입장에서는 이롭지 않을 것이다. 하지만 정직할 필요가 있다. 축구에 관한 사업을 하면서 나는 최고의 팀들에서 일하는 분석가들과 만난다. 내가 특정 선수의 찬 스 만들기 chance creation 실적이나 경기 기여도에 관한 수치들을 그들 에게 말해주면, 그들은 그런 수치들이 나온 이유를 직관적으로 설명하여 나를 깜짝 놀라게 하곤 한다. 예컨대 나는 X 선수가 같은 포지션을 맡은 Y 선수보다 위협적인 패스를 34% 더 많이 했어요” 라고 말한다.
그러면 분석가는 이렇게 대꾸하곤 한다. “그렇군요. 그럼 수비기여도를 한번 봅시다. 그쪽에서는 Y 선수가 더 낫죠? 지금 상황에 서는 수비를 하라고 감독이 Y에게 지시하고 있어요. 그래서 Y가 찬 스를 만들 기회가 줄어드는 거예요.” 컴퓨터는 방대한 통계 수치들을 수집하는 일을 아주 잘하는 반면, 인간은 그 수치들의 바탕에 깔린 이유를 식별하는 일을 아주 잘한다.
- 회사들이 사적인 메시지들을 활용한다는 취지의 음모론은 옳을 개연성이 낮다. 더 그럴싸한 설명은, 데이터 연금술사들이 우리의 행동에서 발견한 통계학적 관련성을 이용하여 우리를 겨냥한다는 것이다. 이를테면 게임 마인크래프트Minecraft〉와 〈오버워치 Overwatch) 의 플레이 영상을 즐겨 보는 아이들은 저녁에 샌드위치를 먹는다는 식의 관련성이 이용된다. '으스스한 표적 광고의 또 다른 주요 원천은 '재조준'이다. 우리 는 알가르브 여행을 검색한 다음에 그 사실을 그냥 잊어버리지만, 웹브라우저는 그 사실을 기억하여 투이에 알려준다. 그러면 그 회사는 우리에게 알가르브의 최고급 호텔방을 예약하라고 제안한다.
우리는 엄청나게 많은 광고에 노출되고, 엄청나게 오랫동안 스 마트폰이나 컴퓨터 스크린을 들여다본다. 바로 그렇기 때문에 때때로 광고들이 우리의 마음을 읽었다고 느끼는 것이다.
실은 알고리즘이 영리한 것이 아니다. 영리함은 데이터 연금술 사들에게서 나온다. 그들은 데이터를 고객에 대한 자기네의 지식과 결합한다. 요한과 동료들의 전략은 영리하다. 왜냐하면 결과들을 산출하고 때로는 매출을 10배나 증가시키니까 말이다. 그러나 그 전략은 잘 정의된 과학적 방법론을 따르지는 않는다. 그들의 전략은 엄밀하지 않다. 요한이 내게 해준 말에 따르면, 고객들에 관한 상세한 모형을 연구한 경력이 10년에 달하는 아주 영리한 데이터 과학자가 어떤 전략을 제안했다고 하더라도, 그 전략에 투자할 가치가 있다고 확신할 수 없다. “우리의 전략은 대규모 인구 집단에서 타당 해야 해요. 데이터에만 의지해서 특정한 소집단들을 표적으로 삼는 것은 충분히 신뢰할 만한 방법이 아닙니다."
- 나는 인간의 행동과 성격을 측정하는 데 쓰이는 모든 알고리즘을 체계적으로 검사할 수 없다. 기본적으로 그럴 시간이 없다. 그러나 내가 비교적 자세히 탐구한 모형들 - 축구에서 골이 나올 확률, 음악적 취향, 범죄 확률, 정치적 성격을 예측하는 모형들에 대해 서 말하자면, 나는 다음과 같은 동일한 연구 결과에 도달했다. 알고 리즘의 정확도는 기껏해야 인간의 정확도와 대등하다.
그렇다고 해서 알고리즘이 무용한 것은 아니다. 비록 정확도는 인간과 대등하다 하더라도, 알고리즘은 속도의 측면에서 엄청나게 유용할 수 있다. 스포티파이는 수백만 명의 사용자를 보유하는데, 그들 각각의 음악적 취향을 파악하기 위해 인간 직원을 한 명씩 고용한다면 엄두도 못 낼 만큼의 비용이 들 것이다. 투이의 데이터 연금술사들은 우리에게 가장 잘 맞는 여름휴가 상품을 우리의 눈앞에 띄우기 위해 알고리즘을 사용한다.
알고리즘의 성능이 인간과 대등하다면, 컴퓨터가 인간을 이긴 다. 왜냐하면 컴퓨터는 인간보다 훨씬 더 빠르게 데이터를 처리할 수 있기 때문이다. 요컨대 모형들은, 전혀 완벽하지 않지만 확실히 매우 유용하다.
데이터 처리 규모의 확대를 옹호하는 이 논증을 피고인들의 재 범 성향 측정에 적용할 경우에는, 논증의 타당성이 감소한다. 콤파스 알고리즘의 작동에 필요한 데이터를 수집하는 작업은 복잡하고 비용이 많이 들며, 그 알고리즘이 처리해내는 사례의 수는 비교적 적다. 따라서 인간을 알고리즘으로 대체하는 것을 옹호하는 논증은 설득력이 약해진다. 게다가 알고리즘의 침습성invasiveness과 개인의 프 라이버시에 관한 중대한 질문도 있다. 머캐니컬 터크에서 모집한 일꾼들의 도움으로 수행한 연구에서, 일꾼들은 피고인들에 관한 공 개된 정보만 제공받았음에도 알고리즘과 대등한 정확도로 판단했 다. 강제로 면담과 알고리즘의 평가를 받는 일은 많은 피고인에게 굴욕적일 것이 틀림없다. 그럼에도 재범률 예측에서 그 일이 추가로 제공하는 혜택은 없는 것으로 보인다.
- 예측 결과들을 몇 개의 범주로 분류할 것을 강조하는 모나의 뜻 을 이어서 나는 모든 모형 예측 발표에 경고문을 덧붙이는 것을 의 무로 정하자고 제안한다. 경고문은 누구나 이해할 수 있게 작성되 어야 하며, 예측의 정확도를 알려주는 범주에 따라 이를테면 아래 와 같이 세분될 수 있을 것이다.
* 무작위 예측: 이 예측들은 다트를 던지는 침팬지를 능가하지 못함.
* 정확도가 낮은 예측: 이 예측들은 머캐니컬 터커에서 활동하는 저임금 일꾼들을 능가하지 못함. 
* 정확도가 중간인 예측: 이 예측들은 도박업자들을 능가하지 못함.
- 서던 캘리포니아 대학교 정보과학센터의 연구원 크리스티나 러먼Kristina Lerman이 나에게 해준 말에 따르면, 우리의 뇌는 '좋아요 추 가'를 아주 좋아한다. 그녀는 우리의 온라인 행동을 모형화할 때 한 가지 어림규칙을 사용한다. 그녀는 이렇게 말했다. “기본적으로 사 람들은 게으르다고 전제하세요. 그러면 사람들의 행동을 거의 다 예측할 수 있습니다.” 크리스티나는 매우 다양한 웹사이트를 연구한 끝에 그 결론에 도달했다. 어떤 웹사이트냐면, 페이스북과 트위터를 비롯한 사회연결망들, 스택 익스체인지Stack Exchange'를 비롯한 프로그래밍 사이트들, 야후 온라인 쇼핑, 학술 문헌 검색엔진 ‘구글 스칼러 Google Scholar 온라인 뉴스 사이트들이었다. 뉴스 기사들의 목록을 제공받으면 우 리는 목록의 꼭대기에 위치한 기사들을 읽을 개연성이 매우 높다. 3 프로그래밍 관련 문답 사이트인 스택 익스체인지'에 대한 연구에 서, 크리스티나는 사용자들이 답변을 받아들일 때 답변의 질에 대 한 평가에 기초해서가 아니라 그 답변이 웹페이지에서 얼마나 높은 곳에 있는지, 또 (얼마나 많은 단어들로 이루어졌는지가 아니라) 얼마나 큰 공간을 차지하는지에 기초해서 받아들이는 경향이 있음을 발견 했다.4 그녀는 나에게 이렇게 말했다. “이런 사이트에서 선택지들을 더 많이 보여줄수록, 사람들은 더 적은 선택지들을 주목하게 돼요." 우리에게 너무 많은 정보가 제공되면, 우리의 뇌는 그 정보를 그냥 무시하는 것이 최선이라고 판단한다.
- '블랙 햇'이라는 용어는 원래 사적인 이익을 위해 컴퓨터 시스템에 침입하여 그것을 조작하는 해커를 가리켰다. 그러나 '블랙 햇 월드'에 모이는 블랙 햇 제휴회사들은 구글에 침입하지 않는다. 대신에 그 회사들은 구글의 검색 알고리즘을 악용하여 돈을 벌기 위해 가능한 모든 수단을 동원한다. CCTV 사이먼은, 만일 구글의 검색 결과 가운데 제휴 웹사이트를 맨 위에 뜨게 만들 수 있다면 많은 트래픽이 아마존으로 향하는 도중에 그 사이트를 거칠 것이라는 사실을 깨달았다. 크리스티나 러먼이 보여주었듯이, 우리의 게으른 뇌는 검색 결과의 맨 윗부분에 관심을 기울인다. '블랙 햇 월드' 에 올라온 게시물들의 도움으로 사이먼은 한 전략을 개발했다. 그는 CCTV 카메라에 집중하기로 했다. 왜냐하면 영국에서 CCTV 시장은 한창 성장 중이며 수수료로 돈을 벌기에 충분할 만큼 크기 때문이다. 그는 '구글 애드워즈 Google AdWords' (현재는 '구글 애즈Google Ads')를 연구한 끝에 자신의 페이지에 집어넣을 핵심 검색 문구 몇 개를 고 안했다. 그는 한 페이지의 제목을 “CCTV 카메라를 살 때 범할 수 있는 최고의 실수 10가지"로 정함으로써 시장의 틈새를 선점했다. 그 검색 문구를 사용한 블랙 햇 제휴회사는 그때까지 없었다.
- 다음 단계는 구글 알고리즘을 속여서 사람들이 자신의 제휴 사이트에 정말로 관심이 있다고 믿게 만드는 것이다. 사이먼은 이 단 계를 “링크 주스link juice 창조하기”라고 부른다. 구글의 원조 알고리 즘인 '페이지랭크 PageRank'에서 한 사이트의 순위는 그 사이트를 통과 하는 클릭들의 흐름을 기준으로 매겨졌고, 그 흐름은 사이트를 오가는 하이퍼링크의 개수에 의존했다. 구글 알고리즘의 기본적인 원리는 '좋아요 추가 모형과 똑같다. 인기 있는 페이지일수록 검색 결 과에 뜰 확률이 더 높다. 한 페이지의 순위가 상승하면, 그 페이지 로 향하는 트래픽이 증가하고, 순위는 더욱 상승한다.
특정 페이지의 순위를 올리고자 할 때 블랙 햇 페이지로 향하는 링크들을 만들어낸다. 그러면 구글의 알고리즘은 그 페이지가 연결망에서 핵심적이라고 생각하면서 검색 결과에서 순위를 높인다. 일단 링크 주스가 흐르고 특정 사이트가 검색 결과 의 상위로 올라가기 시작하면, 진짜 사용자들의 클릭이 유발되면서 더 많은 링크 주스가 생산된다. 이때부터 블랙 햇 제휴회사들은 돈 을 벌기 시작하는데, 그 돈은 구글이 아니라 수수료를 지불하는 아 마존과 기타 제휴 사이트에 입력되는 클릭으로부터 나온다. | 구글이 가짜 링크를 식별하는 방법을 차츰 개발함에 따라, 구글 의 알고리즘을 속이기 위한 블랙 햇의 수법은 더 복잡해졌다. 현재 인기 있는 방법은 '사설 블로그 연결망private blog network, PBN'을 창조하 는 것이다. 그 연결망 안에서 한 개인은 예컨대 와이드스크린 TV에 관한 사이트 10개를 개설하고, 유령 저자들을 동원하여 그 주제를 다루는 다소 무의미한 글로 사이트들을 채운다. 그런 다음에 10개 의 사이트를 한 제휴 사이트와 연결하여 그 제휴 사이트가 최신 TV 를 다루는 가장 권위 있는 사이트인 것처럼 보이게 만든다. 외톨이 블랙 햇- 페이스북 '좋아요'들과 트위터 공유까지 완비한 - 이 온 라인 커뮤니티 전체를 창조하고 있다. 단지 구글의 알고리즘을 속이기 위해서 말이다.  사설 블로그 연결망이나 블랙 햇 아마존 제휴 사이트가 성공하 려면 일부는 진짜 문서 콘텐츠를 보유해야 한다. 구글은 단지 다른 사이트들을 베낄 뿐인 사이트를 차단하기 위해 표절 알고리즘을 사용하며, 게재된 글이 기초적인 문법 규칙을 따르는지 여부를 자동언어분석을 통해 확인한다. 사이먼이 내게 해준 말에 따르면, 그는 처음에 CCTV 카메라를 구입하고 진짜 리뷰를 썼다. 그러나 머지 않아 무언가를 깨달았다. “내가 카메라를 사건 말건, 구글은 사이트 의 순위를 바꾸지 않아요. 구글의 알고리즘이 하는 일은 키워드를 점검하는 것, 독창적인 내용을 찾아내는 것, 내 사이트에 그림이 있 는지 보는 것, 주스의 양을 측정하는 것이 전부죠.” 사이먼은 대학교 에서 공부한 덕분에 그 알고리즘이 어떻게 작동하는지 알고 있었지 만, 트래픽에 대한 구글의 접근법이 정말 얼마나 단순하고 엉성한지 실감하고는 깜짝 놀랐다. 그의 사이트는 금세 수십만 건의 방문을 유발하고 있었다.
- 상업적 이해관계가 끼어들 경우, 아마존과 구글의 집단적 신뢰성은 극적으로 추락할 수 있다. '좋아요 추가가 양의 피드백positive feedback을 창출하고 구글이 트래픽을 중시한다는 사실은, 실제로 모 든 와이드스크린 TV나 CCTV 카메라를 체계적으로 검토하는 진짜 화이트 햇 제휴 사이트가 그저 주스를 뿜어낼 뿐인 온갖 블랙 햇 사이트들 사이에서 금세 사라진다는 것을 의미한다. 사용자들이 더 우수한 예측을 하도록 독려하는 프리딕팃 알고리즘의 금전적 보상 과 달리, 온라인 쇼핑을 둘러싼 금전적 보상의 메커니즘은 소비자 들의 불확실성을 증가시키는 방향으로 작동한다.
온라인 쇼핑을 뒤덮은 온갖 왜곡을 보면서 나는 나 자신의 개인 적 성공에 대해서 잠깐 생각하지 않을 수 없었다. 이 책이 출판되면 잘 팔릴까? 나는 수많은 봇들을 만들어서 아마존 링크를 클릭하게 하거나, 사람들로 공동체를 꾸려 이 책을 추천하는 글을 웹사이트 굿리즈 Goodreads'에 올리게 할 생각이 없다. 내 책이 베스트셀러가 될 가망이 조금이라도 있을까?
- 애덤 모세리의 말마따나 처음에 사용자는 “아무것도 적혀 있지 않은 서판과 같다.” 그러나 사용자가 서판에 첫 메시지를 써넣자마자, 가시성과 관여 사이의 피드백이 시작된다. 가시성은 관여의 제 곱에 비례하므로, 서판은 사용자가 처음에 우연히 관심을 보인 신문의 기사들로 신속하게 채워진다. 필터’ 알고리즘은 버블(거품 방 울)을 창출한다. 심지어 처음에 편향이 없었던 사용자의 뉴스피드에 서도 그러하다.
이미 좌파 성향의 미디어나 우파 성향의 미디어를 선호하는 상태에서 페이스북을 사용하기 시작하는 사람들에게는 이 효과가 더 강력하게 나타난다. 필터' 알고리즘은 초기의 작은 차이를 포착하고 부풀려 약간 열등했던 한쪽 진영이 결국 사라지게 만든다. 사용자는 자기확증적 생각과 소규모 친구들과의 상호작용 안에 갇힌다.
- 구글 검색, 페이스북 필터링, 트위터 유행 목록은 문제점들을 안고 있다. 그러나 우리는 이것들이 정말로 경이로운 도구들이라 는 점도 잊지 말아야 한다. 때때로 검색 알고리즘은 공격적이며 틀 린 정보를 검색 결과의 상위에 올릴 것이다. 그것이 싫을 수도 있겠지만, 우리는 그것이 불가피한 현상이라는 점도 인정해야 한다. 그것은 구글 검색의 작동 방식 - ‘좋아요 추가'와 '필터링을 조합한 방식에 내재하는 한계다. 개미들이 원을 그리며 맴도는 것은 녀석들이 엄청나게 많은 먹이를 수집하기 위해 발휘하는 경이로운 능력의 부작용이다. 이와 마찬가지로 구글 검색 알고리즘의 실수들은 정보를 수집하여 우리에게 제공하는 그 알고리즘의 경이로운 능력에 내재한 한계다.
현재 구글, 페이스북, 트위터가 사용하는 알고리즘들의 가장 큰 한계는 우리가 주고받는 정보의 의미를 제대로 이해하지 못한다는 점이다. 그렇기 때문에 그 알고리즘들은, 독창적이며 문법도 올바르지만 결국 쓸모없는 텍스트로 채워진 CCTV 사이먼의 사이트에 지금도 계속 속고 있다. 결국 회사들은, 우리의 게시물을 감시하면서 게시물의 참된 의미에 대한 이해에 기초하여 그것들을 공유하는 것 이 적절한지 또 누구에게 전달해야 할지를 자동으로 판단할 수 있 는 알고리즘을 보유하기를 원할 것이다.  바로 이것이 지금 회사들이 추구하는 바다. 모든 회사들은 우리의 말을 이해하는 알고리즘을 개발하는 중이다. 목표는 인간 관리자에 대한 의존을 줄이는 것이다. 이를 위해 구글, 마이크로소프트, 페이스북은 미래의 알고리즘이 우리와 더 비슷해지기를 바란다.
- 하버드 대학교의 연구자들이 암묵적 연상 검사를 고안하고 대중화한 것은 우리 모두가 인종차별주의자이며 편견이 심함을 폭로 하기 위해서가 아니라, 우리의 무의식적 선입견들에 관하여 교훈을 주기 위해서였다. 암묵적 연상 검사의 기회를 제공하는 웹사이트는 연구자들의 취지를 이렇게 설명한다. “우리는 사람들에게 암묵적 선입견을 줄이는 전략을 권장하는 것이 아니라 암묵적 선입견이 작 동할 기회를 주지 않는 전략을 권장한다.” 알고리즘 세계의 언어로 번역하면, 알고리즘을 비판하는 것이 아니라 알고리즘이 지닌 선입 견을 제거할 길을 찾아내는 것에 집중해야 한다는 뜻이다.
- 알고리즘의 편견을 제거하는 어떤 전략은 알고리즘이 우리를 공간적 차원들로 표현하는 방식을 이용한다. 글로브는 수백 차원의 공간에서 작동하므로, 그 알고리즘이 단어들에 대해서 형성한 이해 를 온전히 가시화하는 것은 불가능하다. 그러나 알고리즘의 차원들 가운데 어떤 것들이 인종이나 젠더와 관련이 있는지 알아내는 것은 가능하다. 그래서 내가 연구해보기로 했다. 나는 글로브의 100차원 버전을 내 컴퓨터에 설치하고 어떤 차원들에서 남성 이름과 여성 이 름 사이의 거리가 가장 먼지 조사했다. 그런 다음에 간단한 조치를 취했다. 무슨 말이냐면, 그 젠더 관련 차원들을 0으로 설정했다는 뜻 이다. 그리하여 그 차원들에서는 수전, 에이미, 세라가 존, 데이비드, 스티브와 똑같은 점으로 나타나게 되었다. 이어서 나는 남성 이름과 여성 이름 사이의 거리가 꽤 먼 차원들을 추가로 찾아내어 그것들까지 총 10개의 차원을 모두 0으로 설정했다. 요컨대 나는 글로브 알고리즘에 내재한 성차별적 선입견의 대부분을 제거했다.
나의 조치는 유효했다. 젠더 차원 10개를 제거한 다음에 나는 알고리즘에게 나(데이비드)와 수전에 관한 질문들을 던졌다. 첫 질문은 '데이비드와 지능이 높음 사이의 관계는 수전과 무엇 사이의 관계와 같을까?'였다. 계산식으로 표현하면 '지능이 높음 - 데이비드+수전'의 결과를 물은 것이다. 대답은 명확했다. 영리함. 이와 유사하게 '영리함 - 데이비드 +수전의 결과는 '지능이 높음'이었다. 서로 비슷한 말인 '영리함'과 '지능이 높음'은 양방향으로 연결되어 있었다. 내가 데이비드인지 수전인지는 중요하지 않았다. 마지막으로 시험한 계산의 결과는 나를 놀라게 했다. '똑똑함 - 데이비드 + 수전 = 분방함Rambunctious.’ 나는 'Rambunctious'라는 단어를 몰라서 사전에서 찾아봐야 했다. 그 단어는 '통제할 수 없을 정도로 활기가 넘침'을 뜻한다. 새로운 수전은 데이비드에 못지않게 영리할뿐더러 새삼 발견한 자신의 지능에 뚜렷이 고무되어 있었다.
보스턴 대학교의 박사과정 학생 톨가 볼루크바시 Tolga Bolukbasi는 알고리즘의 공간적 차원들을 조작함으로써 성차별주의적 성향을 줄이는 방법을 더 본격적으로 연구했다. 구글이 사용하는 워드투벡 알고리즘은 글로브처럼 단어들을 다차원 공간에 배치하는데, 톨가 는 그 알고리즘이 다음과 같은 계산 결과를 내놓는 것에 충격을 받 았다. 남성 - 여성 = 컴퓨터 프로그래머 - 주부. 그리하여 그는 무언가 개선책을 강구하기로 했다.
- 톨가와 동료들은 여성 특유의 단어들(예컨대 ‘그녀’ ‘그녀의 여성’ '메리')의 위치에서 남성 특유의 단어들(그’ ‘그의' '남성' '존')의 위치 를 뺌으로써 체계적으로 차이들을 찾아냈다.10 이 방법으로 그들은 워드투벡 내부의 300차원 단어 공간에 내재한 편견의 방향을 알아 냈다. 그런 다음에 그들은 모든 단어들을 편견의 방향과 반대되는 방향으로 옮김으로써 그 편견을 제거하는 데 성공했다. 이 해법은 우아하면서도 효과적이다. 이렇게 젠더 편견을 제거하더라도 그 알고리즘이 구글의 표준 유추 검사에서 나타내는 전반적인 성능은 거의 그대로임을 연구자들은 보여주었다. 톨가가 개발한 방법은 단어에 관한 젠더 편견을 줄이거나 없애는 데 쓰일 수 있다. 그 방법이 만들어낸 새로운 단어 공간에서 모든 젠더 단어들은 모든 비젠더 단어들로부터 똑같은 거리만큼 떨어져 있다. 예컨대 '아기 돌보미’와 ‘할머니' 사이의 거리는 아기 돌보미’와 ‘할아버지’ 사이의 거리와 같다. 최종 결과는 완벽한 '정치적 올바름이다. 특정 동사나 명사에 한 젠더가 다른 젠더보다 더 가까이 위치한 경우는 전혀 없다.
우리가 알고리즘에게 요구해야 마땅한 정치적 올바름에 대해서 사람들은 다양한 견해를 가지고 있다. 개인적으로 나는 우리의 언어를 공간화하는 알고리즘에서 아기 돌봄'이 '할머니와 할아버지’로부터 똑같은 거리만큼 떨어져 있어야 한다고 생각한다. 할머니와 할아버지는 손주를 돌볼 능력을 동등하게 지녔으므로, 아기 돌봄'과 '할머니'와 '할아버지'가 그렇게 배치되는 것이 논리적으로 옳다.
하지만 어떤 이들은 '아기 돌봄'이 '할아버지'보다 '할머니'와 더 가 깝게 위치해야 한다고 주장할 것이다. 할머니가 손주를 돌보는 경 우가 더 많다는 현실을 부정하는 것은 경험적 관찰을 부정하는 것 이기 때문이라면서 말이다. 이 차이는 세계를 논리적 형태로 보는 사람과 경험적 형태로 보는 사람 사이의 차이다.