최근의 코로나바이러스(CoVID-19)에서부터 잘못된 정보에 이르기까지 과학자들이 어떤 인구 집단에서 무언가의 확산을 예측하려 할 때는 복잡한 수학 모델을 사용한다.

이들은 통상적으로 대상이 확산되는 초기의 몇 단계를 연구하고, 그 속도를 감안해 얼마나 넓게 그리고 멀리 퍼질 것인가를 추정한다.

그러나 병원체에서 돌연변이가 일어나거나, 정보가 변형돼 전파 속도가 바뀌면 어떻게 될까?

미국 카네기 멜론대 연구팀은 ‘미국 국립과학원 회보’(PNAS) 2일 자에 발표한 논문에서 이런 고려 사항이 얼마나 중요한가를 처음으로 보여주었다.

논문 교신저자이자 전기 및 컴퓨터공학과 연구교수인 오스만 야간(Osman Yagan) 박사는 “이런 진화적 변화는 엄청난 영향을 미친다”고 말하고, “시간이 지남에 따른 잠재적 변화를 고려하지 않는다면, 병에 걸릴 수 있는 환자들의 수나 정보에 노출되는 사람 수를 잘못 예측하게 된다”고 강조했다.

대부분의 사람들은 병이 전염되는 것에 익숙하지만, 오늘날 소셜 미디어를 통해 번개같이 빠른 속도로 전파되는 정보 자체는 고유의 전염력을 가지고 입소문으로 퍼질 수 있다는 것이다.

진화적 변화 고려하는 수학 이론 개발

정보 한 조각이 입소문으로 확산될지의 여부는 원래의 메시지가 어떻게 변경되는지에 따라 달라질 수 있다.

야간 교수는 “일부 잘못된 정보는 의도적인 것이지만, 많은 사람들이 돌아가며 ‘전화’ 게임처럼 정보를 조금만 변경시키더라도 일부 정보는 유기적으로 발달할 수 있다”며, “진부하게 보이는 정보 조각이라 하더라도 입소문 트윗(Tweet)으로 진화할 수 있고, 우리는 이런 것들이 어떻게 퍼지는지 예측할 수 있어야 한다”고 말했다.

연구팀은 이번 연구에서 그런 진화적 변화를 고려하는 수학 이론을 개발했다.

그리고 트위터를 통한 정보 확산이나 질병을 퍼뜨릴 수 있는 병원 같은 실제 현실 세계의 네트워크에서 전염병 혹은 전염성 정보에 대한 수천 번의 컴퓨터 시뮬레이션을 실시해 이론을 테스트했다.

전염병 확산의 맥락에서 연구팀은 두 개의 실제 현실 네트워크로부터 얻은 데이터를 사용해 시뮬레이션을 수행했다. 하나는 미국 고등학교의 학생과 교사, 직원 간의 연락망이었고, 또 하나는 프랑스 리옹에 있는 한 병원의 직원과 환자 사이의 연락망이었다.

“실제 현실에 한 걸음 가까이 다가가”

이 시뮬레이션들은 일종의 테스트 베드 역할을 했다. 즉, 시뮬레이션에서 관찰된 것과 일치하는 이론이 더 정확한 것으로 판명됐다.

논문 제1저자로 카네기 멜론대 박사과정생으로 있을 때 이 논문을 쓴 라샤드 엘레트레비(Rashad Eletreby) 박사는 “우리는 이 이론이 실제 네트워크에서 작동한다는 것을 보여주었다”며, “진화론적 적응을 고려하지 않는 전통적인 모델은 전염병 출현의 가능성을 예측하는데 실패한다”고 주장했다.

이번 연구는 오늘날 코로나 바이러스 확산이나 변덕스러운 정치 환경에서의 가짜 뉴스 확산을 100% 정확하게 예측할 수 있는 묘책은 아니다.

정확도를 높이기 위해서는 병원체나 정보의 진화를 추적하는 실시간 데이터가 필요하겠지만, 연구팀은 이번 연구가 그런 예측을 위해 큰 발자국을 뗐다고 밝혔다.