만장일치의 결정을 신뢰할 수 있을까요? - 데릭 아보트(Derek Abott)

전체 동영상 보기 : http://ed.ted.com/lessons/should-you-trust-unanimous-decisions-derek-abbott

경찰이 도망가던 은행강도를 얼핏 본 10명의 목격자에게 범인 식별에 도움을 구하는 경우를 상상해 봅시다. 만약 그 중 6명이 같은 사람을 고르면, 그 사람이 범인일 가능성이 높습니다. 그리고 10명이 모두 같은 사람을 고른다면, 당신은 아마 이 경우에 범인이 누군지가 확실하다고 생각할 것입니다. 하지만 때때로 전원의 동의에 가까워질수록, 결과의 신뢰성은 떨어집니다. 데릭 아보트가 만장일치의 역설을 설명합니다.

강연 : 데릭 아보트 (Derek Abbott) 애니메이션 : Brett Underhill

10명의 목격자에게
범죄 현장을 달아나는 은행 강도를

골라내도록 하는
범인식별절차를 상상해보세요.

그 중 6명이 같은 사람을 지목하면

그 사람이 범인일 확률이 높고

10명 모두가 같은 사람을 지목하면

범인이 확실하다고 생각할 수도 있겠지만

그렇게 생각하면 오산입니다.

대다수에게 이상하게 들릴 수 있습니다.

우리 사회의 상당 부분이 다수결 투표와
합의에 기반해 있기 때문입니다.

그게 정치든

경영이든

오락이든 말입니다.

더 많은 사람들이 동의하는 게 좋다고
생각하는 것은 자연스러운 일입니다.

어느 지점까지는 대개 그렇죠.

하지만 때로는 완전한 합의에
가까워질수록

결과의 신뢰성은 떨어집니다.

이것을 만장일치의 역설이라고 합니다.

얼핏 보기에 역설같은
이 현상을 이해하려면

다루고 있는 상황과 관련된

전반적인 불확실성을 고려해야 합니다.

예를 들어, 목격자들에게 이 중에서
사과를 고르라 한다면

만장일치의 결과가 나와도
놀랄 게 없습니다.

하지만 마땅히 다양성을 기대할
충분한 근거가 있는 경우에는

분포도 다양할 것을 기대해야 합니다.

동전을 100번 던진다면

앞면이 약 50% 나올 거라고
예상할 겁니다.

하지만 결과가 100%
앞면으로 수렴한다면

무언가가 잘못되었다고 의심할 겁니다.

동전을 던진 행위가 아니라

동전 자체에 문제가 있음을
의심할 수 있겠죠.

물론 용의자 식별 절차는
동전 던지기만큼 무작위가 아니지만

사과와 바나나를 구별하듯 답이
칼같이 정해진 것도 아닙니다.

실제로 1984년에 있었던 한 연구에
따르면 48%의 목격자들이

용의자 중에서 틀린 사람을
골라낸다고 합니다.

많은 사람들이 자신의 선택에
확신을 갖고 있어도 말입니다.

찰나에 보았던 것에 기반한 기억은
불확실할 수 있고

우리는 자주 우리의 정확도를
과대평가하기도 합니다.

이 사실을고려할 때

만장일치로 식별한 것이
확실한 유죄보다는

시스템 상의 오류나

용의자 목록이 편향된 것처럼
보이기 시작할 겁니다.

시스템 상의 오류가 사람의 판단으로
일어나는 것은 아닙니다.

1993년부터 2008년까지

유럽 전역의 여러 범죄 현장에서
동일한 여성의 DNA가 발견되어

'하일브론의 유령'이라는 이름의
잡기 힘든 살인마가 범인이라고 생각했죠.

하지만 DNA 샘플이 틀렸기 때문에
그렇게 일관된 증거가 나왔던 것입니다.

나중에 알고보니 DNA 샘플을
채취할 때 쓴 면봉들이

면봉 공장에서 일하던 여성에
의해 오염되었던 것으로 밝혀졌습니다.

또 어떤 경우에서는 시스템 상의 오류가
의도된 사기에 의해 발생하기도 합니다.

2002년에 사담 후세인이 발의한
대통령 총선거에서는

유권자의 100%가 모두 7년의 재임을

지지한 결과가 나왔습니다.

이렇게 봤을 때

만장일치의 모순은
그리 모순적이지 않습니다.

만장일치는 여전히
이론적으로 이상적입니다.

가변성과 불확실성이 매우
낮은 경우에는 특히 그렇습니다,

하지만 현실에서는

완벽한 합의가 일어날 수 없는 상황에서
만장일치가 일어나는 것은

시스템에 영향을 미치는 숨은 요소가
있을 수 있음을 말해줍니다.

우리는 화합과 합의를 위해
노력하겠지만

대부분의 경우 오류와 의견 충돌을
마땅히 기대해야 합니다.

어떤 결과가 사실이라고
믿기에는 너무 완벽하다면

아마 사실이 아닐겁니다.