음악 추천 AI의 원리: 협업 필터링 인기도 편향과 내용 기반·사연 기반 추천 실험 정리

핵심 메시지

• 언어와 음악은 문명과 단절된 부족에게서도 발견되는, 인류 전체의 공통 요소다.
• 협업 필터링 추천은 소비 패턴에 의존하기 때문에 이미 유명한 곡만 반복해 추천하는 인기도 편향을 안고 있다.
• 오디오 신호에서 코드 진행·멜로디·음색 같은 속성을 뽑아내는 내용 기반 추천은 무명 아티스트도 후보에 올릴 수 있다.
• 같은 사람이라도 처한 상황에 따라 듣고 싶은 음악이 달라지므로, 문맥을 읽는 추천이 필요하다.
• 라디오 사연 텍스트와 신청곡을 짝지어 학습한 실험에서, 알고리즘이 고른 곡을 실제 신청곡으로 착각한 청중이 적지 않았다.

쉽게 이해하기

강연은 소리에서 출발한다. 우리가 인식하는 바깥 세계는 결국 뇌가 감각 기관을 통해 받아들여 해석한 결과이고, 그중 청각이 다루는 가장 중요한 소리는 사람의 목소리다. 그렇다면 말소리를 제외하고 인간에게 가장 중요한 소리는 무엇이냐는 질문에, 많은 사람이 음악이라고 답한다.

음악이 왜 존재하는지는 아직 합의된 답이 없다. 다만 인류 역사를 통틀어 종족과 나라를 가리지 않고 공통으로 발견되는 두 가지가 언어와 음악이라는 점은 분명하다. 브라질 아마존의 한 부족은 색을 가리키는 단어도, 수를 세는 단어도, 그림도, 흔한 탄생 신화조차 없지만 음악만은 아주 다양한 형태로 존재한다고 한다. 음악이 언어의 부산물이라는 이론, 이른바 '청각적 치즈케이크'라는 표현도 있지만 정반대 의견을 내는 학자들도 있다.

여기서 강연은 인공지능도 넓은 의미의 음악적 소양을 가질 수 있다는 이야기로 넘어간다. 천재 작곡가나 연주자를 말하는 것이 아니라, 음악을 이해하고 골라내는 능력을 뜻한다. 대표적인 사례가 음악 추천 알고리즘이다. 20~30년 전 레코드 가게에는 수백에서 수천 장의 앨범이 있었지만, 지금 스트리밍 서비스에는 수천만 곡이 올라와 있어 하나씩 들어보고 고르는 일은 사실상 불가능하다.

현재 가장 널리 쓰이는 방식은 협업 필터링이다. 수천 명이 수천 개의 곡·책·영화를 소비하는 패턴을 분석해, 어떤 사람이 어떤 항목을 좋아할 확률을 예측한다. 문제는 인기도 편향이다. 굳이 추천하지 않아도 팔리는 유명 아티스트가 반복해서 추천되고, 전 세계 소비의 대부분이 극소수 인기 아티스트에게 몰리는 반면 나머지 롱테일 구간의 아티스트에게는 좀처럼 기회가 닿지 않는다.

그 대안이 내용 기반 추천이다. 음악 오디오 신호를 직접 입력으로 받아 코드 진행, 멜로디 라인, 가수의 음색, 노랫말 같은 속성을 뽑아내고, 그와 비슷한 곡을 찾아 추천한다. 훈련된 사람이 곡을 듣고 비슷한 음악을 떠올리는 과정과 비슷하다. 가수가 유명하든 지방 인디밴드에서 활동하든 상관없이 음악적으로 닮았다면 추천 목록에 오를 수 있다는 것이 가장 큰 장점이다.

주요 인사이트

• 추천 알고리즘의 성능을 논할 때 정확도만 보면 인기도 편향을 놓치기 쉽다. 무엇을 추천했는지뿐 아니라 누가 추천 기회를 얻지 못했는지도 함께 봐야 한다.
• 내용 기반 추천은 소비 기록이 거의 없는 신인·무명 아티스트에게 노출 경로를 열어준다는 점에서, 단순한 편의 기능을 넘어 시장 구조에 영향을 준다.
• 취향은 사람마다 다를 뿐 아니라 같은 사람 안에서도 상황에 따라 달라진다. 여행용, 독서용, 파티용 플레이리스트가 따로 만들어지는 것이 그 증거다.
• 글과 음악을 잇는 실험은 문서 검색 기술을 그대로 활용한다. 비슷한 상황이 담긴 글을 잘 찾아내면, 그 글을 쓴 사람이 신청한 곡이 곧 좋은 추천 후보가 된다.
• 청중이 알고리즘의 추천곡을 실제 신청곡으로 착각했다는 것은, 정답을 맞히지 못해도 '이 상황에 어울린다'는 감각은 충분히 재현됐다는 뜻이다.

자주 묻는 질문

관련 AI 소식