
5. 인간의 감정은 계산할 수 있는가
한 직장인이 상사에게 질책을 받고도 미소를 짓는다. 회의실 분위기를 망치고 싶지 않아서다. 그러나 그의 마음속에는 분노와 억울함이 쌓여 있다.
그 순간 얼굴을 분석하는 인공지능이 화면에 이렇게 표시한다고 상상해 보자.
"긍정적 감정이 감지되었습니다."
AI는 웃는 표정을 포착했지만, 그 사람이 왜 웃었는지는 알지 못한다. 눈에 보이는 행동을 분류한 것이지, 그 행동에 담긴 삶의 사정을 이해한 것은 아니기 때문이다.
오늘날 인공지능은 얼굴의 움직임, 음성의 높낮이, 말의 속도 등을 분석해 감정 상태를 추정하는 데 활용된다. 이러한 기술을 흔히 '감정 인식 AI'라고 부른다.
문제는 기술이 무엇을 측정할 수 있는가보다, 측정한 결과를 인간의 진짜 마음이라고 믿어도 되는가에 있다.
감정은 단순한 생체 신호가 아니다. 기억과 관계, 문화와 상황, 개인의 가치관이 복잡하게 얽혀 만들어지는 인간 경험이다.
AI가 감정을 예측할 수 있다는 사실이 곧 인간의 감정을 이해한다는 뜻일까?
인간의 감정을 과학적으로 설명하려는 노력은 오래전부터 이어져 왔다.
찰스 다윈은 1872년 『인간과 동물의 감정 표현』에서 감정 표현의 진화적 연속성을 탐구했다. 이후 심리학자 폴 에크먼은 여러 문화권에서 특정 얼굴 표정과 감정 사이에 공통점이 나타난다는 연구를 발전시켰다.
이러한 연구는 현대 감정 인식 기술의 중요한 배경이 되었다.
그러나 감정과 표정의 관계를 둘러싼 과학적 논쟁은 여전히 진행 중이다.
2019년 심리학자 리사 펠드먼 배럿과 동료 연구자들은 학술지 Psychological Science in the Public Interest에 발표한 종합 검토에서 얼굴 움직임만으로 특정 감정을 안정적이고 정확하게 추론하기 어렵다고 지적했다.
사람은 기쁠 때 웃기도 하지만 불안할 때도 웃는다. 슬픔을 느끼면서 눈물을 흘리지 않을 수도 있고, 화가 나더라도 표정에 드러내지 않을 수 있다.
더구나 같은 표정도 문화와 상황에 따라 다르게 해석된다.
누군가 눈을 피하는 행동은 불안이나 거짓말의 신호일 수도 있다고 생각하기 쉽지만, 실제로는 예의나 습관, 권위에 대한 태도와 관련될 수 있다.
따라서 얼굴을 분석해 감정을 추정하는 기술은 특정 조건에서 유용한 정보를 제공할 수 있어도, 그 결과를 인간 내면의 확정적인 판정으로 받아들여서는 안 된다.
표정은 감정에 관한 단서일 수 있지만, 감정 자체는 아니다.
인공지능은 수많은 데이터를 학습해 특정한 패턴을 찾아낸다.
예를 들어 음성의 떨림, 말하는 속도, 얼굴 근육의 움직임을 분석해 불안이나 긴장과 관련된 신호를 분류할 수 있다.
그러나 여기에는 중요한 구별이 있다.
'감정 예측'은 관찰된 데이터에서 어떤 감정이 나타날 가능성을 추정하는 일이다. 반면 '감정 이해'는 그 사람이 왜 그런 감정을 느끼는지, 그 감정이 삶에서 어떤 의미를 갖는지 살피는 일이다.
한 학생이 시험 결과를 받고 눈물을 흘린다고 가정해 보자.
AI는 얼굴과 음성을 분석해 슬픔의 가능성을 높게 판단할 수 있다.
하지만 그 눈물이 실패에 대한 절망인지, 오랫동안 기다린 합격의 기쁨인지, 가족의 기대에서 벗어났다는 안도감인지는 표정만으로 알기 어렵다.
이 차이를 이해하려면 인간의 감정을 단순한 자극과 반응의 관계로 바라보는 관점을 넘어설 필요가 있다.
철학자 마르틴 부버는 인간관계를 '나와 그것'의 관계와 '나와 너'의 관계로 구별했다.
'나와 그것'의 관계에서는 상대를 관찰하고 분석할 대상으로 바라본다. 반면 '나와 너'의 관계에서는 상대를 하나의 고유한 존재로 만난다.
이 관점을 감정 인식 AI에 적용하면 중요한 질문이 생긴다.
우리는 타인의 마음을 더 잘 이해하기 위해 기술을 사용하는가, 아니면 타인의 마음을 분석하고 관리하기 위해 기술을 사용하는가?
물론 인간도 타인의 감정을 언제나 정확하게 이해하지는 못한다. 공감에는 오해가 따르고, 대화에도 한계가 존재한다.
그러나 인간은 상대에게 자신의 판단이 맞는지 물을 수 있다. 잘못 이해했다면 사과하고 관계를 수정할 수도 있다.
감정 이해의 핵심은 상대의 마음을 정확히 맞히는 능력만이 아니라, 자신의 해석이 틀릴 수 있음을 인정하는 태도에 있다.
감정 인식 기술의 위험은 기술의 정확성 문제에서 끝나지 않는다.
더 중요한 문제는 누가 어떤 목적으로 이 기술을 사용하는가이다.
기업이 직원의 표정을 분석해 업무 몰입도를 평가한다고 가정해 보자. 학교가 학생의 얼굴을 분석해 수업 집중도를 점수로 매긴다면 어떨까?
직원은 피곤한 날에도 웃어야 한다는 압박을 받을 수 있다. 학생은 생각에 잠겨 무표정하게 앉아 있다는 이유로 집중력이 부족하다는 평가를 받을 수 있다.
감정의 표현 방식이 개인의 선택이 아니라 조직의 평가 기준에 맞춰지는 것이다.
이는 단순한 기술적 오류를 넘어 인간의 자유와 존엄에 관한 문제다.
실제로 유럽연합의 AI법(AI Act)은 직장과 교육기관에서 감정을 추론하는 AI 시스템의 사용을 원칙적으로 금지하며, 의료 또는 안전 목적에 관한 예외를 둔다. 관련 금지 조항은 2025년 2월부터 적용되기 시작했다.
이러한 규제는 모든 감정 인식 기술이 무가치하다는 선언이 아니다. 권력관계가 불평등한 환경에서 개인의 내면을 추정하고 평가하는 일이 중대한 기본권 침해로 이어질 수 있다는 판단이다.
여기에 개인정보 문제도 존재한다.
얼굴 영상과 음성 자료는 개인을 식별할 수 있는 정보를 포함할 수 있다. 이를 통해 추정한 감정 정보까지 결합하면 개인의 행동과 반응을 분석하는 데 활용될 수 있다.
특히 감정 데이터가 인사평가, 채용, 보험, 광고 등 다른 목적으로 재사용된다면 개인은 자신이 언제, 어떻게 평가받는지조차 알기 어려워질 수 있다.
따라서 감정 인식 AI의 책임은 사용자 개인의 주의만으로 해결할 수 없다.
기업은 수집 목적과 사용 범위를 명확히 해야 하고, 정부는 부당한 감시와 차별을 막을 제도적 장치를 마련해야 한다. 기술 개발자는 정확도뿐 아니라 오판이 발생했을 때의 피해와 책임까지 고려해야 한다.
인공지능이 인간의 감정을 분석하는 능력은 앞으로 더욱 발전할 수 있다.
그러나 기술이 정교해진다는 사실만으로 인간의 내면이 완전히 설명되는 것은 아니다.
우리가 누군가의 슬픔을 이해한다고 말할 때, 그것은 단순히 얼굴에서 슬픔의 신호를 발견했다는 뜻이 아니다.
그 사람이 겪어 온 시간을 듣고, 말하지 못한 사정을 헤아리며, 자신의 판단을 잠시 유보하는 과정이 포함된다.
인간의 감정은 타인이 함부로 판정해서는 안 되는 사적인 경험이기도 하다.
따라서 AI 시대에 필요한 것은 감정을 더욱 정밀하게 측정하는 기술만이 아니다. 측정할 수 있다는 이유만으로 측정해서는 안 되는 영역을 구별하는 윤리적 판단이다.
기계는 인간의 눈물을 분석할 수 있다. 하지만 그 눈물의 의미를 결정할 권리까지 가져서는 안 된다.
우리가 지켜야 할 인간다움은 감정을 숨김없이 드러내는 능력에 있지 않다. 자신의 마음을 표현할 자유, 침묵할 자유, 그리고 타인의 해석에 이의를 제기할 자유에 있다.
AI가 인간의 감정을 계산하는 시대, 우리는 더욱 근본적인 질문 앞에 선다.
인간의 마음을 더 정확하게 읽는 사회가 반드시 인간을 더 깊이 이해하는 사회일까?
그 답은 알고리즘의 성능보다 우리가 타인을 대하는 태도에 달려 있다.





