TED2018
James Bridle: The nightmare videos of children's YouTube -- and what's wrong with the internet today
제임스 브리들: 악몽과 같은 아동용 유튜브 영상물 -- 오늘날 인터넷의 폐해
Filmed:
Readability: 4.1
5,404,429 views
작가 겸 예술가, 제임스 브리들(James Bridle)은 광고수익을 위해 유튜브에서 아이들의 머리를 망가뜨리는 정체불명의 사람 또는 단체가 활개치는 어둡고 낯선 인터넷의 한 구석을 들춰 봅니다. "서프라이즈 에그"와 "핑거 패밀리 송"으로부터, 알고리즘에 의해 짜깁기되어 보여지는, 우리에게 잘 알려진 만화 주인공들이 끔찍한 행동을 하는 장면을 담은 영상들은 아이들을 위협하고 착취하며, 점점 더 데이터에 의존하는 미래에 대해 경고합니다. “과학기술이 우리의 모든 문제들을 해결해 줄 거라 생각하는 대신, 그 문제들을 파악하는 데 참고로 사용해야 합니다. 그래야, 그 문제들을 제대로 이해하고 해결할 수 있습니다.”라고 그는 말합니다.
James Bridle - Artist, writer
Working across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future. Full bio
Working across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future. Full bio
Double-click the English transcript below to play the video.
00:12
I'm James.
0
777
1183
저는 제임스라고 합니다.
00:13
I'm a writer and artist,
1
1984
1686
작가 겸 예술가이고,
00:15
and I make work about technology.
2
3694
2341
과학기술을 소재로 한
작품을 만듭니다.
작품을 만듭니다.
00:18
I do things like draw life-size outlines
of military drones
of military drones
3
6454
3911
실제 크기의 군사용 드론의 윤곽을
전 세계 여러 도시의 거리에
전 세계 여러 도시의 거리에
00:22
in city streets around the world,
4
10389
1828
그리는 등의 작업을 하죠.
00:24
so that people can start to think
and get their heads around
and get their heads around
5
12241
2950
사람들이 접하기도 상상하기도
어려운 과학기술에 대해
어려운 과학기술에 대해
00:27
these really quite hard-to-see
and hard-to-think-about technologies.
and hard-to-think-about technologies.
6
15215
3440
생각해 보고 알아 보는
기회를 제공하는 셈이죠.
기회를 제공하는 셈이죠.
00:31
I make things like neural networks
that predict the results of elections
that predict the results of elections
7
19494
3836
또, 선거결과를 예측하는
컴퓨터 신경망을 만들기도 하는데,
컴퓨터 신경망을 만들기도 하는데,
00:35
based on weather reports,
8
23354
1737
일기예보에 기반을 둔 것입니다.
00:37
because I'm intrigued about
9
25115
1314
이런 별난 신 기술들이 가지고 있는
00:38
what the actual possibilities
of these weird new technologies are.
of these weird new technologies are.
10
26453
3924
실제 가능성에 대해 관심이
많기 때문에 가능한 일이죠.
많기 때문에 가능한 일이죠.
00:43
Last year, I built
my own self-driving car.
my own self-driving car.
11
31405
2426
작년엔 무인 자동차도
직접 만들어 봤어요.
직접 만들어 봤어요.
00:45
But because I don't
really trust technology,
really trust technology,
12
33855
2526
제가 기술을 신봉하진 않기 때문에,
00:48
I also designed a trap for it.
13
36405
1928
그 차를 잡아 둘 올가미까지
디자인 했습니다.
디자인 했습니다.
00:50
(Laughter)
14
38777
1086
(웃음)
00:51
And I do these things mostly because
I find them completely fascinating,
I find them completely fascinating,
15
39887
4298
아주 큰 매력을 느끼기 때문에
이런 작업을 하기도 하지만,
이런 작업을 하기도 하지만,
00:56
but also because I think
when we talk about technology,
when we talk about technology,
16
44209
2602
과학기술을 논할 때,
00:58
we're largely talking about ourselves
17
46835
2619
대부분 우리 자신에 대한 것이고,
01:01
and the way that we understand the world.
18
49478
2299
우리가 세상을 이해하는 방식에
국한되기 때문입니다.
국한되기 때문입니다.
01:03
So here's a story about technology.
19
51801
2442
과학기술에 관련된 이야기를
하나 해 드릴게요.
하나 해 드릴게요.
01:07
This is a "surprise egg" video.
20
55520
2830
"서프라이즈 에그" 영상입니다.
01:10
It's basically a video of someone
opening up loads of chocolate eggs
opening up loads of chocolate eggs
21
58374
3348
누군가 수많은
알 모양의 초콜릿을 열어,
알 모양의 초콜릿을 열어,
01:13
and showing the toys inside to the viewer.
22
61746
2126
안에 들어 있는 장난감을
시청자들에게 보여주는 거죠.
시청자들에게 보여주는 거죠.
01:16
That's it. That's all it does
for seven long minutes.
for seven long minutes.
23
64461
2649
그게 다에요.
7분 동안이나 계속 됩니다.
7분 동안이나 계속 됩니다.
01:19
And I want you to notice
two things about this.
two things about this.
24
67428
3051
여기서 주목할 것이
두 가지 있습니다.
두 가지 있습니다.
01:22
First of all, this video
has 30 million views.
has 30 million views.
25
70503
4074
우선, 이 영상의 조회수가
3천만 회라는 것입니다.
3천만 회라는 것입니다.
01:26
(Laughter)
26
74601
1275
(웃음)
01:28
And the other thing is,
27
76376
1166
그리고 또 하나,
01:29
it comes from a channel
that has 6.3 million subscribers,
that has 6.3 million subscribers,
28
77566
3869
630만명이 이 채널에 등록되어 있고,
01:33
that has a total of eight billion views,
29
81459
2680
전체 조회수가 80억회에 달하는데,
01:36
and it's all just more videos like this --
30
84163
3106
모두 이런 종류의 영상들이란 거죠.
01:40
30 million people watching a guy
opening up these eggs.
opening up these eggs.
31
88256
3908
한 사람이 알을 까는 장면을
3천만명이 보고 있다는 것입니다.
3천만명이 보고 있다는 것입니다.
01:44
It sounds pretty weird, but if you search
for "surprise eggs" on YouTube,
for "surprise eggs" on YouTube,
32
92188
4481
별나게 들리지만, 유튜브에서
"서프라이즈 에그"를 검색해 보면,
"서프라이즈 에그"를 검색해 보면,
01:48
it'll tell you there's
10 million of these videos,
10 million of these videos,
33
96693
3523
천만개 정도의 결과가 나옵니다.
01:52
and I think that's an undercount.
34
100240
1657
제가 조금 덜 센 것 같네요.
01:53
I think there's way, way more of these.
35
101921
1897
아마 훨씬 더 많겠죠.
01:55
If you keep searching, they're endless.
36
103842
2242
계속 찾아 보면,
끝도 없이 나올 거예요.
끝도 없이 나올 거예요.
01:58
There's millions and millions
of these videos
of these videos
37
106108
2159
이런 종류의 영상들은
수 백만 개가 넘습니다.
수 백만 개가 넘습니다.
02:00
in increasingly baroque combinations
of brands and materials,
of brands and materials,
38
108291
3454
브랜드와 소재가 어지럽게
뒤엉킨 이런 영상들은
뒤엉킨 이런 영상들은
02:03
and there's more and more of them
being uploaded every single day.
being uploaded every single day.
39
111769
3846
매일 점점 더 많이 올라옵니다.
02:07
Like, this is a strange world. Right?
40
115639
3511
신기한 세상이죠. 맞나요?
02:11
But the thing is, it's not adults
who are watching these videos.
who are watching these videos.
41
119174
3383
하지만, 이런 영상을 보는 이들은
어른들이 아니라,
어른들이 아니라,
02:14
It's kids, small children.
42
122581
2921
아이들이죠, 어린 아이들이요.
02:17
These videos are
like crack for little kids.
like crack for little kids.
43
125526
2154
아이들에게 이런 영상들은
마약과도 같습니다.
마약과도 같습니다.
02:19
There's something about the repetition,
44
127704
2075
계속해서 반복되는 장면들,
02:21
the constant little
dopamine hit of the reveal,
dopamine hit of the reveal,
45
129803
2468
알 속의 내용물을 확인할 때마다
조금씩 발생하는 '도파민'은
조금씩 발생하는 '도파민'은
02:24
that completely hooks them in.
46
132295
1866
아이들을 중독시키죠.
02:26
And little kids watch these videos
over and over and over again,
over and over and over again,
47
134185
4809
어린 아이들은 이런 영상을
계속해서 보면서,
계속해서 보면서,
02:31
and they do it for hours
and hours and hours.
and hours and hours.
48
139018
2327
몇 시간을 보내기도 합니다.
02:33
And if you try and take
the screen away from them,
the screen away from them,
49
141369
2356
여러분들이 더 이상 못 보게 하면
02:35
they'll scream and scream and scream.
50
143749
1782
울고 불고 난리가 날 거예요.
02:37
If you don't believe me --
51
145555
1262
저를 못 믿겠으면
02:38
and I've already seen people
in the audience nodding --
in the audience nodding --
52
146841
2607
이미 몇분은
고개를 끄덕이는데요.
고개를 끄덕이는데요.
02:41
if you don't believe me, find someone
with small children and ask them,
with small children and ask them,
53
149472
3391
그럼, 어린 애를 키우는 분에게
한번 물어보세요.
한번 물어보세요.
02:44
and they'll know about
the surprise egg videos.
the surprise egg videos.
54
152887
2340
분명히 이 '서프라이즈 에그' 영상에
대해 알고 있을 겁니다.
대해 알고 있을 겁니다.
02:47
So this is where we start.
55
155251
2070
여기가 오늘 강연의 시작입니다.
02:49
It's 2018, and someone, or lots of people,
56
157345
3642
2018년이 된 지금,
누군가, 아니면 많은 사람들이
누군가, 아니면 많은 사람들이
02:53
are using the same mechanism that, like,
Facebook and Instagram are using
Facebook and Instagram are using
57
161011
3941
'페이스북'이나 '인스타그램'에서
사용하는 방식들을 이용해
사용하는 방식들을 이용해
02:56
to get you to keep checking that app,
58
164976
1989
사람들로 하여금
계속 어플을 확인하게 하고,
계속 어플을 확인하게 하고,
02:58
and they're using it on YouTube
to hack the brains of very small children
to hack the brains of very small children
59
166989
3985
어린 아이들까지 유튜브에
중독되게 만들고 있습니다.
중독되게 만들고 있습니다.
03:02
in return for advertising revenue.
60
170998
1958
모두 광고 수익을 위한 일이죠.
03:06
At least, I hope
that's what they're doing.
that's what they're doing.
61
174346
2001
적어도, 그게 전부였으면 합니다.
03:08
I hope that's what they're doing it for,
62
176371
1955
그게 전부였으면 하는데,
03:10
because there's easier ways
of making ad revenue on YouTube.
of making ad revenue on YouTube.
63
178350
5308
더 쉽게 유튜브에서 광고로
돈 벌 수 있는 방법들이 있기 때문이죠.
돈 벌 수 있는 방법들이 있기 때문이죠.
03:15
You can just make stuff up or steal stuff.
64
183682
2332
무작정 꾸며내거나
도용하면 되니까요.
도용하면 되니까요.
03:18
So if you search for really
popular kids' cartoons
popular kids' cartoons
65
186038
2635
아주 인기 많은
어린이 만화를 검색해 보면,
어린이 만화를 검색해 보면,
03:20
like "Peppa Pig" or "Paw Patrol,"
66
188697
1654
"페파 피그" 또는
"파우 패트롤" 같은 것들이죠,
"파우 패트롤" 같은 것들이죠,
03:22
you'll find there's millions and millions
of these online as well.
of these online as well.
67
190375
3147
수 백만개가 넘는 영상들이 뜹니다.
03:25
Of course, most of them aren't posted
by the original content creators.
by the original content creators.
68
193546
3352
물론, 대부분은 원작자가 아닌
이들에 의해 올라온 것들이죠.
이들에 의해 올라온 것들이죠.
03:28
They come from loads and loads
of different random accounts,
of different random accounts,
69
196922
2999
무작위로 만들어진
수많은 계정으로부터 올려졌고,
수많은 계정으로부터 올려졌고,
03:31
and it's impossible to know
who's posting them
who's posting them
70
199945
2240
누가, 왜 그런 영상들을 올리는지
03:34
or what their motives might be.
71
202209
1822
알 수도 없습니다.
03:36
Does that sound kind of familiar?
72
204428
1930
어디서 들어본 얘기 같지 않나요?
03:38
Because it's exactly the same mechanism
73
206382
1980
우리가 디지털 서비스를 이용할 때와
03:40
that's happening across most
of our digital services,
of our digital services,
74
208386
2600
같은 방식이기 때문입니다.
03:43
where it's impossible to know
where this information is coming from.
where this information is coming from.
75
211010
3207
정보들의 출처를
알 수 없는 그 방식 말이죠.
알 수 없는 그 방식 말이죠.
03:46
It's basically fake news for kids,
76
214241
1829
말하자면 아동용 가짜 뉴스들이고,
03:48
and we're training them from birth
77
216094
2161
그 아이들이 태어나면서부터
03:50
to click on the very first link
that comes along,
that comes along,
78
218279
2506
검색 결과 중 맨 위에 있는 링크를
누르도록 훈련시키는 것과 같습니다.
누르도록 훈련시키는 것과 같습니다.
03:52
regardless of what the source is.
79
220809
1953
그 출처와는 상관없이 말이죠.
03:54
That's doesn't seem like
a terribly good idea.
a terribly good idea.
80
222786
2603
결코 바람직한 일이 아닙니다.
03:58
Here's another thing
that's really big on kids' YouTube.
that's really big on kids' YouTube.
81
226399
2710
아동용 유튜브에서
인기가 많은 것이 하나 더 있죠.
인기가 많은 것이 하나 더 있죠.
04:01
This is called the "Finger Family Song."
82
229133
1928
"핑거 패밀리 송"입니다.
04:03
I just heard someone groan
in the audience.
in the audience.
83
231085
2018
방금 누군가 한숨을 쉬시네요.
04:05
This is the "Finger Family Song."
84
233127
1624
이것이 "핑거 패밀리 송"입니다.
04:06
This is the very first one I could find.
85
234775
1930
제가 가장 먼저 찾은 영상이죠.
04:08
It's from 2007, and it only has
200,000 views,
200,000 views,
86
236729
2829
2007년에 올라온 이 영상은
조회수가 20만회 정도였어요.
조회수가 20만회 정도였어요.
04:11
which is, like, nothing in this game.
87
239582
1976
다른 것들에 비하면
대단한 것도 아니죠.
대단한 것도 아니죠.
04:13
But it has this insanely earwormy tune,
88
241582
2852
여기 정말 따라 부르기 쉬운
노래가 하나 있는데,
노래가 하나 있는데,
04:16
which I'm not going to play to you,
89
244458
1682
여러분께 들려 드리진 않으려구요.
04:18
because it will sear itself
into your brain
into your brain
90
246164
2008
한 번 들으면 머리 속에서
떠나질 않거든요.
떠나질 않거든요.
04:20
in the same way that
it seared itself into mine,
it seared itself into mine,
91
248196
2395
지금도 제 머리 속에 남아 있는데,
04:22
and I'm not going to do that to you.
92
250615
1770
여러분들까지 그렇게 만들 순 없죠.
04:24
But like the surprise eggs,
93
252409
1344
'서프라이즈 에그' 처럼,
04:25
it's got inside kids' heads
94
253777
2164
이 영상도 아이들의 머리 속에 들어가
04:27
and addicted them to it.
95
255965
1607
그들을 중독시켰습니다.
04:29
So within a few years,
these finger family videos
these finger family videos
96
257596
2531
그리고 몇 년 안돼,
이 '핑거 패밀리' 영상도
이 '핑거 패밀리' 영상도
04:32
start appearing everywhere,
97
260151
1303
어디를 가나 볼 수 있게 됐죠.
04:33
and you get versions
in different languages
in different languages
98
261478
2029
음식이나 만화의 소재가
되는 것이라면 뭐든 이용해 만든
되는 것이라면 뭐든 이용해 만든
04:35
with popular kids' cartoons using food
99
263531
2121
인기 많은 어린이 만화들을
04:37
or, frankly, using whatever kind
of animation elements
of animation elements
100
265676
2550
이제 다양한 종류와 언어로
04:40
you seem to have lying around.
101
268250
2252
접할 수 있게 된 것이죠.
04:43
And once again, there are millions
and millions and millions of these videos
and millions and millions of these videos
102
271002
5197
다시 말해,
이런 말도 안되는 영상들이
이런 말도 안되는 영상들이
04:48
available online in all of these
kind of insane combinations.
kind of insane combinations.
103
276223
3435
온라인 상에
몇 백만 개나 돌아 다니는 겁니다.
몇 백만 개나 돌아 다니는 겁니다.
04:51
And the more time
you start to spend with them,
you start to spend with them,
104
279682
2228
이런 것들을 보는데,
시간을 쓰면 쓸수록
시간을 쓰면 쓸수록
04:53
the crazier and crazier
you start to feel that you might be.
you start to feel that you might be.
105
281934
3694
점점 미쳐가는 기분을
느낄 수도 있습니다.
느낄 수도 있습니다.
04:57
And that's where I
kind of launched into this,
kind of launched into this,
106
285652
3333
바로 제가 이런 기분에
빠지게 된 이유죠.
빠지게 된 이유죠.
05:01
that feeling of deep strangeness
and deep lack of understanding
and deep lack of understanding
107
289009
3666
제 주변에서 이런 일들이
어떻게 가능하게 됐는지,
어떻게 가능하게 됐는지,
05:04
of how this thing was constructed
that seems to be presented around me.
that seems to be presented around me.
108
292699
4175
도저히 알 수 없는 아주 묘한
그런 기분이요.
그런 기분이요.
05:08
Because it's impossible to know
where these things are coming from.
where these things are coming from.
109
296898
3167
어디서 시작됐는지
알 수가 없기 때문입니다.
알 수가 없기 때문입니다.
05:12
Like, who is making them?
110
300089
1241
도대체 누가
이런 것들을 만드는 걸까요?
이런 것들을 만드는 걸까요?
05:13
Some of them appear to be made
of teams of professional animators.
of teams of professional animators.
111
301354
3143
어떤 것들은 만화 제작자들에 의해
전문적으로 만들어 지기도 하고,
전문적으로 만들어 지기도 하고,
05:16
Some of them are just randomly
assembled by software.
assembled by software.
112
304521
2882
어떤 것들은
대충 짜집기한 티가 납니다.
대충 짜집기한 티가 납니다.
05:19
Some of them are quite wholesome-looking
young kids' entertainers.
young kids' entertainers.
113
307427
4253
어떤 것들은 아이들이 즐기기에
괜찮아 보이는 것도 있습니다.
괜찮아 보이는 것도 있습니다.
05:23
And some of them are from people
114
311704
1552
어떤 것들은 아이들 곁에 있어선
05:25
who really clearly
shouldn't be around children at all.
shouldn't be around children at all.
115
313280
3007
절대 안 되는 사람들이
만든 것도 있습니다.
만든 것도 있습니다.
05:28
(Laughter)
116
316311
1615
(웃음)
05:30
And once again, this impossibility
of figuring out who's making this stuff --
of figuring out who's making this stuff --
117
318987
4640
다시 말해, 누가 이런 것들을
만드는지 알 수가 없다는 것
만드는지 알 수가 없다는 것
05:35
like, this is a bot?
118
323651
1156
자동처리 프로그램?
05:36
Is this a person? Is this a troll?
119
324831
2647
사람인가? 아니면 트롤인가?
05:39
What does it mean
that we can't tell the difference
that we can't tell the difference
120
327502
2382
우리가 이제 이런 것들을
구별할 수 없다는 것이
구별할 수 없다는 것이
05:41
between these things anymore?
121
329908
1583
무엇을 의미할까요?
05:43
And again, doesn't that uncertainty
feel kind of familiar right now?
feel kind of familiar right now?
122
331515
4848
다시 말해, 이런 불확실함에
익숙하지 않으세요?
익숙하지 않으세요?
05:50
So the main way people get views
on their videos --
on their videos --
123
338145
2580
사람들이 조회수를 올리기 위해
쓰는 주된 방법은
쓰는 주된 방법은
05:52
and remember, views mean money --
124
340749
1707
조회수는 곧 돈이란 걸 기억하세요.
05:54
is that they stuff the titles
of these videos with these popular terms.
of these videos with these popular terms.
125
342480
4742
사람들이 많이 찾는 말을
제목에 붙여 쓰는 것입니다.
제목에 붙여 쓰는 것입니다.
05:59
So you take, like, "surprise eggs"
126
347246
1687
예를 들어,
"서프라이즈 에그"를 제목에 붙이고,
"서프라이즈 에그"를 제목에 붙이고,
06:00
and then you add
"Paw Patrol," "Easter egg,"
"Paw Patrol," "Easter egg,"
127
348957
2066
"파우 패트롤", "부활절 달걀" 같은
06:03
or whatever these things are,
128
351047
1393
말들을 마구잡이로
06:04
all of these words from other
popular videos into your title,
popular videos into your title,
129
352464
2893
가져다가 곁들이는 거죠.
06:07
until you end up with this kind of
meaningless mash of language
meaningless mash of language
130
355381
2968
인간으로서 이해할 수 없는
의미없는 말들을 줄줄이 엮어
의미없는 말들을 줄줄이 엮어
06:10
that doesn't make sense to humans at all.
131
358373
2498
사람들로 하여금 그 영상들을
보게 하는 것입니다.
보게 하는 것입니다.
06:12
Because of course it's only really
tiny kids who are watching your video,
tiny kids who are watching your video,
132
360895
3546
어차피 그런 영상을 보는건
어린 아이들인데,
어린 아이들인데,
06:16
and what the hell do they know?
133
364465
1827
그 아이들이 무슨 죄죠?
06:18
Your real audience
for this stuff is software.
for this stuff is software.
134
366316
3007
사실 이런 영상들의 실질적인
시청자는 소프트웨어입니다.
시청자는 소프트웨어입니다.
06:21
It's the algorithms.
135
369347
1156
알고리즘이죠.
06:22
It's the software that YouTube uses
136
370527
1855
유튜브에서 사용하는
이 소프트웨어는
이 소프트웨어는
06:24
to select which videos
are like other videos,
are like other videos,
137
372406
2483
영상들을 선별하고,
06:26
to make them popular,
to make them recommended.
to make them recommended.
138
374913
2243
인기나 추천을 많이 받게 만듭니다.
06:29
And that's why you end up with this
kind of completely meaningless mash,
kind of completely meaningless mash,
139
377180
3461
그래서 이 황당한 말들이
제목과 내용 설명에
제목과 내용 설명에
06:32
both of title and of content.
140
380665
2071
마구 쓰여지는 거죠.
06:35
But the thing is, you have to remember,
141
383792
1894
하지만, 꼭 명심할 것은
06:37
there really are still people within
this algorithmically optimized system,
this algorithmically optimized system,
142
385710
4478
알고리즘으로 최적화된
이런 시스템 상에서
이런 시스템 상에서
06:42
people who are kind
of increasingly forced to act out
of increasingly forced to act out
143
390212
2790
점점 더 괴상한 말의 조합들을
쏟아 내야하는
쏟아 내야하는
06:45
these increasingly bizarre
combinations of words,
combinations of words,
144
393026
3066
환경이 조장된다는 것입니다.
06:48
like a desperate improvisation artist
responding to the combined screams
responding to the combined screams
145
396116
5173
마치 수 많은 아이들의
함성에 굶주린
함성에 굶주린
06:53
of a million toddlers at once.
146
401313
2203
절박한 즉흥연기자처럼 말이죠.
06:57
There are real people
trapped within these systems,
trapped within these systems,
147
405168
2468
실제로 사람들은
이런 시스템 안에 갇히게 되고,
이런 시스템 안에 갇히게 되고,
06:59
and that's the other deeply strange thing
about this algorithmically driven culture,
about this algorithmically driven culture,
148
407660
4055
알고리즘에 의해 지배되는 사회라는
아주 기이한 현상을 초래했습니다.
아주 기이한 현상을 초래했습니다.
07:03
because even if you're human,
149
411739
1381
인간임에도 불구하고,
07:05
you have to end up behaving like a machine
150
413144
2145
살아남기 위해,
07:07
just to survive.
151
415313
1800
기계처럼 행동하게 된 것이죠.
07:09
And also, on the other side of the screen,
152
417137
2100
그리고, 화면 반대편에는
07:11
there still are these little kids
watching this stuff,
watching this stuff,
153
419261
2947
어린 아이들이 여전히
이런 영상들을 보고 있고,
이런 영상들을 보고 있고,
07:14
stuck, their full attention grabbed
by these weird mechanisms.
by these weird mechanisms.
154
422232
4206
이 기이한 구조에 푹 빠져 버립니다.
07:18
And most of these kids are too small
to even use a website.
to even use a website.
155
426768
2798
이런 웹사이트를 이용하는
아이들은 대부분 아주 어리죠.
아이들은 대부분 아주 어리죠.
07:21
They're just kind of hammering
on the screen with their little hands.
on the screen with their little hands.
156
429590
3276
작은 손으로 화면을
두들기는 것 뿐입니다.
두들기는 것 뿐입니다.
07:24
And so there's autoplay,
157
432890
1217
그래서 자동재생 기능이 있는 거죠.
07:26
where it just keeps playing these videos
over and over and over in a loop,
over and over and over in a loop,
158
434131
3579
이런 영상들이 계속
반복해서 보여지도록 말입니다.
반복해서 보여지도록 말입니다.
07:29
endlessly for hours and hours at a time.
159
437734
2059
한 번에 몇 시간씩 끝도 없습니다.
07:31
And there's so much weirdness
in the system now
in the system now
160
439817
2843
현재 이런 시스템에는
정말 이상한 것들이 많은데,
정말 이상한 것들이 많은데,
07:34
that autoplay takes you
to some pretty strange places.
to some pretty strange places.
161
442684
3009
자동재생이 되면서
뜻밖의 영상이 보여 지기도 하죠.
뜻밖의 영상이 보여 지기도 하죠.
07:37
This is how, within a dozen steps,
162
445717
2488
열 몇 번 정도를 거치면,
07:40
you can go from a cute video
of a counting train
of a counting train
163
448229
3158
기차의 수를 세는
이 깜찍한 영상에서 시작해,
이 깜찍한 영상에서 시작해,
07:43
to masturbating Mickey Mouse.
164
451411
2442
미키마우스가 자위하는
영상까지 보게 됩니다.
영상까지 보게 됩니다.
07:46
Yeah. I'm sorry about that.
165
454529
2288
맞습니다. 안타까운 일이죠.
07:48
This does get worse.
166
456841
1700
이제 더 심각해집니다.
07:50
This is what happens
167
458565
1282
이런 것들은,
07:51
when all of these different keywords,
168
459871
3086
이 다양한 키워드들,
07:54
all these different pieces of attention,
169
462981
2461
이 다양한 관심들,
07:57
this desperate generation of content,
170
465466
2807
이 필사적인 콘텐츠의 양산 등이
08:00
all comes together into a single place.
171
468297
2582
한 데 모이면서 발생합니다.
08:03
This is where all those deeply weird
keywords come home to roost.
keywords come home to roost.
172
471871
4472
이상한 검색어들이 모여
부메랑 효과를 가져오는 거죠.
부메랑 효과를 가져오는 거죠.
08:08
You cross-breed the finger family video
173
476367
2391
'핑거 패밀리' 영상과
08:10
with some live-action superhero stuff,
174
478782
2088
슈퍼영웅이 나오는 영화들을
함께 검색해 보면,
함께 검색해 보면,
08:12
you add in some weird,
trollish in-jokes or something,
trollish in-jokes or something,
175
480894
3256
그냥 장난으로
별난 검색어를 쳤을 뿐인데,
별난 검색어를 쳤을 뿐인데,
08:16
and suddenly, you come
to a very weird place indeed.
to a very weird place indeed.
176
484174
3366
뜻밖에 아주 이상한 결과에
접하게 됩니다.
접하게 됩니다.
08:19
The stuff that tends to upset parents
177
487564
2113
부모님들을 주로 화나게 하는
08:21
is the stuff that has kind of violent
or sexual content, right?
or sexual content, right?
178
489701
3331
폭력적이거나 성적인 것들이죠.
맞나요?
맞나요?
08:25
Children's cartoons getting assaulted,
179
493056
2822
폭행이나 살인,
08:27
getting killed,
180
495902
2018
짖궂은 장난 등을 보여주는
08:29
weird pranks that actually
genuinely terrify children.
genuinely terrify children.
181
497944
3343
어린이 만화들은
아이들을 겁에 질리게 합니다.
아이들을 겁에 질리게 합니다.
08:33
What you have is software pulling in
all of these different influences
all of these different influences
182
501311
3675
다양하게 영향을 미치는 영상물들을
긁어 모으는 소프트웨어가
긁어 모으는 소프트웨어가
08:37
to automatically generate
kids' worst nightmares.
kids' worst nightmares.
183
505010
2961
아이들에게 아주 끔찍한 악몽들을
기계적으로 제공하는 것이죠.
기계적으로 제공하는 것이죠.
08:39
And this stuff really, really
does affect small children.
does affect small children.
184
507995
2701
어린 아이들은
아주 큰 영향을 받게 됩니다.
아주 큰 영향을 받게 됩니다.
08:42
Parents report their children
being traumatized,
being traumatized,
185
510720
2866
부모님들은 아이들이
정신적인 충격을 받고,
정신적인 충격을 받고,
08:45
becoming afraid of the dark,
186
513610
1392
어둠을 무서워하게 되고,
08:47
becoming afraid of their favorite
cartoon characters.
cartoon characters.
187
515026
3050
좋아하던 만화 주인공들까지
기피하게 됐다고 말합니다.
기피하게 됐다고 말합니다.
08:50
If you take one thing away from this,
it's that if you have small children,
it's that if you have small children,
188
518524
3611
오늘 꼭 기억해야 할 것 하나는,
혹시 어린 자녀분들이 계시다면,
혹시 어린 자녀분들이 계시다면,
08:54
keep them the hell away from YouTube.
189
522159
1996
유튜브는 절대 쓰지
못하게 하란 것입니다.
못하게 하란 것입니다.
08:56
(Applause)
190
524743
3949
(박수)
09:02
But the other thing, the thing
that really gets to me about this,
that really gets to me about this,
191
530504
3096
그런데, 또 하나 저를 괴롭히는 건
09:05
is that I'm not sure we even really
understand how we got to this point.
understand how we got to this point.
192
533624
4629
어쩌다 상황이 이렇게까지 됐는지
알 수가 없다는 것입니다.
알 수가 없다는 것입니다.
09:10
We've taken all of this influence,
all of these things,
all of these things,
193
538951
2931
이런 영향력을 가진
모든 것들을 가져다 뒤섞어,
모든 것들을 가져다 뒤섞어,
09:13
and munged them together in a way
that no one really intended.
that no one really intended.
194
541906
2953
누구도 예상치 못한
기이한 현상을 만들어 낸 것입니다.
기이한 현상을 만들어 낸 것입니다.
09:16
And yet, this is also the way
that we're building the entire world.
that we're building the entire world.
195
544883
3156
그런데, 이것이 오늘날
우리가 세상을 만들어 가는 방식이죠.
우리가 세상을 만들어 가는 방식이죠.
09:20
We're taking all of this data,
196
548063
1773
이런 모든 데이터를 가지고,
09:21
a lot of it bad data,
197
549860
1447
좋지 않은 것들이 많은데요.
09:23
a lot of historical data
full of prejudice,
full of prejudice,
198
551331
3029
편견으로 가득한 과거의 기록들,
09:26
full of all of our worst
impulses of history,
impulses of history,
199
554384
2837
역사상 최악의
충동적인 사건 사고들을 모아
충동적인 사건 사고들을 모아
09:29
and we're building that
into huge data sets
into huge data sets
200
557245
2049
거대한 데이터 집합을 만들어
09:31
and then we're automating it.
201
559318
1423
자동화시키고 있습니다.
09:32
And we're munging it together
into things like credit reports,
into things like credit reports,
202
560765
3502
우리는 그 데이터들을 함께 섞어,
신용평가 보고서,
신용평가 보고서,
09:36
into insurance premiums,
203
564291
1634
보험료 산정,
09:37
into things like predictive
policing systems,
policing systems,
204
565949
2693
치안 예측 시스템,
09:40
into sentencing guidelines.
205
568666
1762
양형기준 등을
정하는 데 쓰고 있습니다.
정하는 데 쓰고 있습니다.
09:42
This is the way we're actually
constructing the world today
constructing the world today
206
570452
2821
오늘날 우리가
세상을 만들어 가는 방식이
세상을 만들어 가는 방식이
09:45
out of this data.
207
573297
1151
이런 데이터들에 의해
결정되는 것이죠.
결정되는 것이죠.
09:46
And I don't know what's worse,
208
574472
1698
뭐가 더 나쁜 건지 모르겠어요.
09:48
that we built a system
that seems to be entirely optimized
that seems to be entirely optimized
209
576194
3228
인간이 할 수 있는
최악의 행위에 최적화된 시스템을
최악의 행위에 최적화된 시스템을
09:51
for the absolute worst aspects
of human behavior,
of human behavior,
210
579446
2808
일부러 만들어 내는 것과,
09:54
or that we seem
to have done it by accident,
to have done it by accident,
211
582278
2425
부지불식간에 어쩌다가
09:56
without even realizing
that we were doing it,
that we were doing it,
212
584727
2207
그렇게 되버리는 것 중 말이죠.
09:58
because we didn't really understand
the systems that we were building,
the systems that we were building,
213
586958
3382
우리가 만들고 있는 이 시스템들의
10:02
and we didn't really understand
how to do anything differently with it.
how to do anything differently with it.
214
590364
3683
활용 방법 또한
전혀 알지 못하기 때문입니다.
전혀 알지 못하기 때문입니다.
10:06
There's a couple of things I think
that really seem to be driving this
that really seem to be driving this
215
594769
3365
이런 현상을 이끄는
두 가지 요인이 있습니다.
두 가지 요인이 있습니다.
10:10
most fully on YouTube,
216
598158
1189
거의 유튜브에서 말이죠.
10:11
and the first of those is advertising,
217
599371
1827
첫번째, 광고입니다.
10:13
which is the monetization of attention
218
601222
2837
사람들의 관심을 끌어
수익을 창출하는 것 말이죠.
수익을 창출하는 것 말이죠.
10:16
without any real other variables at work,
219
604083
3136
사실 다른 이유는 찾아보기 힘듭니다.
10:19
any care for the people who are
actually developing this content,
actually developing this content,
220
607243
3885
실제 이런 콘텐츠를 만드는 사람들,
10:23
the centralization of the power,
the separation of those things.
the separation of those things.
221
611152
3636
권력의 중앙 집권화와 분산 등은
신경도 쓰지 않습니다.
신경도 쓰지 않습니다.
10:26
And I think however you feel
about the use of advertising
about the use of advertising
222
614812
3144
결국 이런 현상을 부추기는
광고의 사용에 대해
광고의 사용에 대해
10:29
to kind of support stuff,
223
617980
1238
어떻게 생각하실지 모르지만,
10:31
the sight of grown men in diapers
rolling around in the sand
rolling around in the sand
224
619242
3067
사실 제대로 알지도 못하는
알고리즘을 통해
알고리즘을 통해
10:34
in the hope that an algorithm
that they don't really understand
that they don't really understand
225
622333
2983
혹시 돈이 될까 하고 만든,
다 큰 어른이 기저귀를 차고
다 큰 어른이 기저귀를 차고
10:37
will give them money for it
226
625340
1315
모래사장에서 뒹구는 이 영상이
10:38
suggests that this
probably isn't the thing
probably isn't the thing
227
626679
2037
시사하는 것은,
10:40
that we should be basing
our society and culture upon,
our society and culture upon,
228
628740
2563
이런 것들이 우리 사회와 문화의
기반이 되어서도,
기반이 되어서도,
10:43
and the way in which
we should be funding it.
we should be funding it.
229
631327
2160
투자의 대상이 되어서도
안된다는 것입니다.
안된다는 것입니다.
10:45
And the other thing that's kind of
the major driver of this is automation,
the major driver of this is automation,
230
633511
3519
이런 현상을 이끄는
또 다른 요인은 자동화입니다.
또 다른 요인은 자동화입니다.
10:49
which is the deployment
of all of this technology
of all of this technology
231
637054
2329
소개되자마자 아무런 검증도 없이
10:51
as soon as it arrives,
without any kind of oversight,
without any kind of oversight,
232
639407
2521
상용화되는 과학기술의 단면이죠.
10:53
and then once it's out there,
233
641952
1412
일단 그렇게 된 후에는,
10:55
kind of throwing up our hands and going,
"Hey, it's not us, it's the technology."
"Hey, it's not us, it's the technology."
234
643388
3843
그저 포기 한 것처럼,
"봐, 우리가 아니라, 그 기술이 문제야."
"봐, 우리가 아니라, 그 기술이 문제야."
10:59
Like, "We're not involved in it."
235
647255
1642
"우리하곤 상관 없어"
하는 것 처럼 말이죠.
하는 것 처럼 말이죠.
11:00
That's not really good enough,
236
648921
1767
이건 변명에 불과합니다.
11:02
because this stuff isn't
just algorithmically governed,
just algorithmically governed,
237
650712
2710
단순히 알고리즘에 의해
지배되고 있을 뿐 아니라,
지배되고 있을 뿐 아니라,
11:05
it's also algorithmically policed.
238
653446
2498
규제까지 받고 있기 때문이죠.
11:07
When YouTube first started
to pay attention to this,
to pay attention to this,
239
655968
2848
유튜브가 이 문제에
처음 관심을 가지면서
처음 관심을 가지면서
11:10
the first thing they said
they'd do about it
they'd do about it
240
658840
2087
제일 먼저 약속했던 건,
11:12
was that they'd deploy
better machine learning algorithms
better machine learning algorithms
241
660951
2695
콘텐츠의 관리를 위해
보다 나은 기계 학습 알고리즘을
보다 나은 기계 학습 알고리즘을
11:15
to moderate the content.
242
663670
1329
활용하겠다는 것이었습니다.
11:17
Well, machine learning,
as any expert in it will tell you,
as any expert in it will tell you,
243
665023
3485
글쎄요, 전문가라면 말하겠지만,
기계 학습은,
기계 학습은,
11:20
is basically what we've started to call
244
668532
1896
우리가 흔히
11:22
software that we don't really
understand how it works.
understand how it works.
245
670452
2588
예측 불가능한
소프트웨어에 쓰는 말이죠.
소프트웨어에 쓰는 말이죠.
11:25
And I think we have
enough of that already.
enough of that already.
246
673064
3983
이미 주변에서 이런 것들은
충분히 볼 수 있습니다.
충분히 볼 수 있습니다.
11:29
We shouldn't be leaving
this stuff up to AI to decide
this stuff up to AI to decide
247
677071
3166
올바르거나,
그렇지 않은 것의 판단을
그렇지 않은 것의 판단을
11:32
what's appropriate or not,
248
680261
1251
인공지능에 맡겨서는 안되겠죠.
11:33
because we know what happens.
249
681536
1436
어떤 일이 벌어질지
우리는 잘 알고 있습니다.
우리는 잘 알고 있습니다.
11:34
It'll start censoring other things.
250
682996
1688
엉뚱한 것들을 검열하기 시작하겠죠.
11:36
It'll start censoring queer content.
251
684708
1783
동성애 관련 콘텐츠를
검열하기 시작할 겁니다.
검열하기 시작할 겁니다.
11:38
It'll start censoring
legitimate public speech.
legitimate public speech.
252
686515
2237
합법적인 대중을 향한 연설도
검열하기 시작할 겁니다.
검열하기 시작할 겁니다.
11:40
What's allowed in these discourses,
253
688776
1925
이런 강연을 통해
전달할 수 있는 것들이,
전달할 수 있는 것들이,
11:42
it shouldn't be something
that's left up to unaccountable systems.
that's left up to unaccountable systems.
254
690725
3097
책임의 소재가 없는 시스템에 의해
결정되어서는 안되겠죠.
결정되어서는 안되겠죠.
11:45
It's part of a discussion
all of us should be having.
all of us should be having.
255
693846
2947
우리 모두 토론해 봐야 할
문제 중 하나입니다.
문제 중 하나입니다.
11:48
But I'd leave a reminder
256
696817
1308
그런데 그에 대한 대안 조차도
11:50
that the alternative isn't
very pleasant, either.
very pleasant, either.
257
698149
2753
그다지 유쾌하지만은 않습니다.
11:52
YouTube also announced recently
258
700926
1535
유튜브에서 최근 발표한
11:54
that they're going to release
a version of their kids' app
a version of their kids' app
259
702485
2767
전적으로 사람에 의해 관리되는
11:57
that would be entirely
moderated by humans.
moderated by humans.
260
705276
2407
새로운 아동용 어플입니다.
12:00
Facebook -- Zuckerberg said
much the same thing at Congress,
much the same thing at Congress,
261
708134
3618
페이스북의 '저커버그'도
국회 청문회에서 같은 말을 했죠.
국회 청문회에서 같은 말을 했죠.
12:03
when pressed about how they
were going to moderate their stuff.
were going to moderate their stuff.
262
711776
2987
콘텐츠 관리에 대해
다그침을 받았을 때 말입니다.
다그침을 받았을 때 말입니다.
12:06
He said they'd have humans doing it.
263
714787
1747
기계가 아닌 사람들이
그 일을 할 것이라고 했습니다.
그 일을 할 것이라고 했습니다.
12:08
And what that really means is,
264
716558
1459
그 말인 즉슨
12:10
instead of having toddlers being
the first person to see this stuff,
the first person to see this stuff,
265
718041
3223
이런 영상들을 먼저 접하던
아이들을 대신해
아이들을 대신해
12:13
you're going to have underpaid,
precarious contract workers
precarious contract workers
266
721288
2788
박봉에 불안정한 생활을 하고,
정신 건강을 위한 지원도 받지 못하며
정신 건강을 위한 지원도 받지 못하며
12:16
without proper mental health support
267
724100
1726
이미 그런 영상들에 의해 피폐해진
12:17
being damaged by it as well.
268
725850
1376
계약직원들을 내세우는 것이죠.
12:19
(Laughter)
269
727250
1096
(웃음)
12:20
And I think we can all do
quite a lot better than that.
quite a lot better than that.
270
728370
2601
우리 모두 이보단 훨씬 더
잘 할 수 있을 거라고 믿습니다.
잘 할 수 있을 거라고 믿습니다.
12:22
(Applause)
271
730995
2499
(박수)
12:26
The thought, I think, that brings those
two things together, really, for me,
two things together, really, for me,
272
734068
4613
제 생각에, 그 두가지 문제를
모두 해결하기 위해 필요한건
모두 해결하기 위해 필요한건
12:30
is agency.
273
738705
1420
바로 중재입니다.
12:32
It's like, how much do we really
understand -- by agency, I mean:
understand -- by agency, I mean:
274
740149
3157
제가 말하는 중재는
얼마나 우리가 이해하고 있고,
얼마나 우리가 이해하고 있고,
12:35
how we know how to act
in our own best interests.
in our own best interests.
275
743330
4390
우리 스스로의 이익을 위해
행동하는 방식을 말합니다.
행동하는 방식을 말합니다.
12:39
Which -- it's almost impossible to do
276
747744
1787
우리가 그 시스템을
제대로 이해하지 못한다면
제대로 이해하지 못한다면
12:41
in these systems that we don't
really fully understand.
really fully understand.
277
749555
3485
거의 불가능한 일이겠죠.
12:45
Inequality of power
always leads to violence.
always leads to violence.
278
753064
3071
힘의 불균형은
언제나 폭력을 야기합니다.
언제나 폭력을 야기합니다.
12:48
And we can see inside these systems
279
756159
1685
이런 시스템 상에서도 마찬가지죠.
12:49
that inequality of understanding
does the same thing.
does the same thing.
280
757868
2611
이해의 불균형 역시
같은 결과를 초래합니다.
같은 결과를 초래합니다.
12:52
If there's one thing that we can do
to start to improve these systems,
to start to improve these systems,
281
760503
3779
이런 시스템의 개선을 위한
한가지 방법이 있다면,
한가지 방법이 있다면,
12:56
it's to make them more legible
to the people who use them,
to the people who use them,
282
764306
2718
사용자들에게 더 쉽게 만들어,
12:59
so that all of us have
a common understanding
a common understanding
283
767048
2196
어떤 일들이 벌어지는지
13:01
of what's actually going on here.
284
769268
1851
다 함께 이해하는 것입니다.
13:03
The thing, though, I think
most about these systems
most about these systems
285
771970
2968
이 시스템들에 관련된 문제들이
13:06
is that this isn't, as I hope
I've explained, really about YouTube.
I've explained, really about YouTube.
286
774962
3857
제가 잘 설명을 했으면 하는데,
단지 유튜브에 국한된 것은 아니죠.
단지 유튜브에 국한된 것은 아니죠.
13:10
It's about everything.
287
778843
1312
세상 모든 일들에 연관되어 있습니다.
13:12
These issues of accountability and agency,
288
780179
2444
책임과 중재,
13:14
of opacity and complexity,
289
782647
2225
불투명함과 복잡함,
13:16
of the violence and exploitation
that inherently results
that inherently results
290
784896
3177
폭력과, 소수에 집중된
13:20
from the concentration
of power in a few hands --
of power in a few hands --
291
788097
2794
권력으로부터의 착취 등이
13:22
these are much, much larger issues.
292
790915
2579
더욱 더 심각한 문제들입니다.
13:26
And they're issues not just of YouTube
and not just of technology in general,
and not just of technology in general,
293
794395
3687
단지 유튜브와
과학기술 전반의 문제만이 아니죠.
과학기술 전반의 문제만이 아니죠.
13:30
and they're not even new.
294
798106
1265
사실 새로운 일도 아니고,
13:31
They've been with us for ages.
295
799395
1461
우리는 오랜동안
이런 문제들과 함께 했습니다.
이런 문제들과 함께 했습니다.
13:32
But we finally built this system,
this global system, the internet,
this global system, the internet,
296
800880
4390
그런데, 결국 인터넷이라는
글로벌 시스템이 소개되면서,
글로벌 시스템이 소개되면서,
13:37
that's actually showing them to us
in this extraordinary way,
in this extraordinary way,
297
805294
3019
이런 현상들이
우리들에게 노출된 것입니다.
우리들에게 노출된 것입니다.
13:40
making them undeniable.
298
808337
1547
더이상 부정할 수 없게 말이죠.
13:41
Technology has this extraordinary capacity
299
809908
2820
과학기술의 힘은 정말 놀랍습니다.
13:44
to both instantiate and continue
300
812752
3973
때론 숨겨진 엄청난 욕망과 편견들을
13:48
all of our most extraordinary,
often hidden desires and biases
often hidden desires and biases
301
816749
4248
예시하고 지속되게 하며,
13:53
and encoding them into the world,
302
821021
1866
그것들을 암호화해
세상에 뿌리기도 하죠.
세상에 뿌리기도 하죠.
13:54
but it also writes them down
so that we can see them,
so that we can see them,
303
822911
3474
우리가 직접 볼 수 있도록,
글로 옮기기도 합니다.
글로 옮기기도 합니다.
13:58
so that we can't pretend
they don't exist anymore.
they don't exist anymore.
304
826409
3330
우리가 그것들의 존재를
부인할 수 없도록 말이죠.
부인할 수 없도록 말이죠.
14:01
We need to stop thinking about technology
as a solution to all of our problems,
as a solution to all of our problems,
305
829763
4319
과학기술이 모든 문제들을
해결해 줄 거라 생각하는 대신,
해결해 줄 거라 생각하는 대신,
14:06
but think of it as a guide
to what those problems actually are,
to what those problems actually are,
306
834106
3757
그 문제들을 파악하는 데
참고로 사용해야만,
참고로 사용해야만,
14:09
so we can start thinking
about them properly
about them properly
307
837887
2144
정확한 판단을 하고,
14:12
and start to address them.
308
840055
1766
해결까지 할 수 있겠죠.
14:13
Thank you very much.
309
841845
1335
대단히 감사합니다.
14:15
(Applause)
310
843204
5192
(박수)
14:21
Thank you.
311
849733
1188
감사합니다.
14:22
(Applause)
312
850945
2869
(박수)
14:28
Helen Walters: James, thank you
for coming and giving us that talk.
for coming and giving us that talk.
313
856839
3178
헬렌 월터스(Helen Walters):
제임스, 오늘 좋은 강연 감사드려요.
제임스, 오늘 좋은 강연 감사드려요.
14:32
So it's interesting:
314
860041
1189
그러니까 흥미로운 건,
14:33
when you think about the films where
the robotic overlords take over,
the robotic overlords take over,
315
861254
3495
영화에 등장하는
로봇들이 지배하는 세상은
로봇들이 지배하는 세상은
14:36
it's all a bit more glamorous
than what you're describing.
than what you're describing.
316
864773
3279
지금 말씀하신 것보다 훨씬 더
매력적으로 느껴지기도 하는데요.
매력적으로 느껴지기도 하는데요.
14:40
But I wonder -- in those films,
you have the resistance mounting.
you have the resistance mounting.
317
868076
3749
제가 궁금한건, 그런 영화에는
항상 저항세력이 등장하는데,
항상 저항세력이 등장하는데,
14:43
Is there a resistance mounting
towards this stuff?
towards this stuff?
318
871849
3216
지금도 이런 추세에
저항하는 사람들이 있을까요?
저항하는 사람들이 있을까요?
14:47
Do you see any positive signs,
green shoots of resistance?
green shoots of resistance?
319
875089
3796
어떤 긍정적인 움직임이나,
발전의 조짐 등이 보이나요?
발전의 조짐 등이 보이나요?
14:52
James Bridle: I don't know
about direct resistance,
about direct resistance,
320
880507
2416
제임스: 전면적인 저항이
있는지는 잘 모르겠어요.
있는지는 잘 모르겠어요.
14:54
because I think this stuff
is super long-term.
is super long-term.
321
882947
2264
장기적인 문제라고 생각해요.
14:57
I think it's baked into culture
in really deep ways.
in really deep ways.
322
885235
2510
문화 속 깊이
뿌리내리고 있기 때문이죠.
뿌리내리고 있기 때문이죠.
14:59
A friend of mine,
Eleanor Saitta, always says
Eleanor Saitta, always says
323
887769
2132
엘레노어 사이터(Eleanor Saitta)란
제 친구는 항상 말합니다,
제 친구는 항상 말합니다,
15:01
that any technological problems
of sufficient scale and scope
of sufficient scale and scope
324
889935
3609
어느 정도 영향력을 가진
과학기술에 관련된 문제들은
과학기술에 관련된 문제들은
15:05
are political problems first of all.
325
893568
2267
우선 정치에 관련돼 있다는 거죠.
15:07
So all of these things we're working
to address within this
to address within this
326
895859
2785
그래서 우리가 해결하려는
이 모든 문제들은
이 모든 문제들은
15:10
are not going to be addressed
just by building the technology better,
just by building the technology better,
327
898668
3274
단순한 과학기술의 발전이 아니라,
15:13
but actually by changing the society
that's producing these technologies.
that's producing these technologies.
328
901966
3464
이런 기술을 만들어 내는
사회를 변화시켜야 가능하단 거죠.
사회를 변화시켜야 가능하단 거죠.
15:17
So no, right now, I think we've got
a hell of a long way to go.
a hell of a long way to go.
329
905454
3027
그래서 지금 당장은,
아직 갈 길이 멀다고 생각합니다.
아직 갈 길이 멀다고 생각합니다.
15:20
But as I said, I think by unpacking them,
330
908505
1986
하지만 제가 말했듯이,
이 문제를 풀어 헤치고,
이 문제를 풀어 헤치고,
15:22
by explaining them, by talking
about them super honestly,
about them super honestly,
331
910515
2697
밝혀내고,
솔직하게 토론하면서,
솔직하게 토론하면서,
15:25
we can actually start
to at least begin that process.
to at least begin that process.
332
913236
2505
적어도 그 시작은
할 수 있다고 생각합니다.
할 수 있다고 생각합니다.
15:27
HW: And so when you talk about
legibility and digital literacy,
legibility and digital literacy,
333
915765
3562
헬렌 : 그리고, 가독성과
디지털 문해력에 대한 얘기를 들으면서
디지털 문해력에 대한 얘기를 들으면서
15:31
I find it difficult to imagine
334
919351
1591
제가 상상하기 어려웠던 건,
15:32
that we need to place the burden
of digital literacy on users themselves.
of digital literacy on users themselves.
335
920966
3680
그 책임을 사용자들에게
지우는 것인데요.
지우는 것인데요.
15:36
But whose responsibility
is education in this new world?
is education in this new world?
336
924670
4562
그럼 교육에 관한 책임은
새로운 이 세상 속 누구의 몫일까요?
새로운 이 세상 속 누구의 몫일까요?
15:41
JB: Again, I think this responsibility
is kind of up to all of us,
is kind of up to all of us,
337
929256
3612
제임스: 다시 말하지만,
우리 모두에게 있다고 생각해요.
우리 모두에게 있다고 생각해요.
15:44
that everything we do,
everything we build, everything we make,
everything we build, everything we make,
338
932892
2984
우리가 행하고, 구축하고,
만드는 모든 것들이
만드는 모든 것들이
15:47
needs to be made
in a consensual discussion
in a consensual discussion
339
935900
3692
그것들을 회피하는 모든 이들도
대체로 동의하게 끔
대체로 동의하게 끔
15:51
with everyone who's avoiding it;
340
939616
1940
논의를 거쳐야 한다고 생각해요.
15:53
that we're not building systems
intended to trick and surprise people
intended to trick and surprise people
341
941580
4341
올바른 일을 하기 위해,
사람들을 속이고 경악케 하는
사람들을 속이고 경악케 하는
15:57
into doing the right thing,
342
945945
2300
시스템을 구축하진 않겠죠.
16:00
but that they're actually involved
in every step in educating them,
in every step in educating them,
343
948269
3236
그 교육의 모든 단계에
연관되어 있습니다.
연관되어 있습니다.
16:03
because each of these systems
is educational.
is educational.
344
951529
2278
왜냐면 각각의 시스템으로부터
배울 것들이 있기 때문이죠.
배울 것들이 있기 때문이죠.
16:05
That's what I'm hopeful about,
about even this really grim stuff,
about even this really grim stuff,
345
953831
3102
아주 우울한 문제지만,
바로 거기에 희망이 있습니다.
바로 거기에 희망이 있습니다.
16:08
that if you can take it
and look at it properly,
and look at it properly,
346
956957
2262
우리가 그것을 가져다 잘 살펴보면,
16:11
it's actually in itself
a piece of education
a piece of education
347
959243
2089
그 자체가 일종의 교육이겠죠.
16:13
that allows you to start seeing
how complex systems come together and work
how complex systems come together and work
348
961356
3762
복잡한 시스템들이
하나로 움직이는 방식을 보고,
하나로 움직이는 방식을 보고,
16:17
and maybe be able to apply
that knowledge elsewhere in the world.
that knowledge elsewhere in the world.
349
965142
3501
아마도 그 지식을 세상 여러 곳에
활용할 수 있겠죠.
활용할 수 있겠죠.
16:20
HW: James, it's such
an important discussion,
an important discussion,
350
968667
2115
헬렌 : 아주 중요한 문제이고,
16:22
and I know many people here
are really open and prepared to have it,
are really open and prepared to have it,
351
970806
3227
많은 분들이 실제로 마음을 열고,
받아들일 준비가 되어 있는 것 같아요.
받아들일 준비가 되어 있는 것 같아요.
16:26
so thanks for starting off our morning.
352
974057
1859
아침부터 아주 좋은 시간 감사드립니다.
16:27
JB: Thanks very much. Cheers.
353
975940
1400
제임스 : 감사합니다.
16:29
(Applause)
354
977364
1651
(박수)
ABOUT THE SPEAKER
James Bridle - Artist, writerWorking across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future.
Why you should listen
James Bridle is an artist and writer working across technologies and disciplines. His artworks and installations have been exhibited in Europe, North and South America, Asia and Australia, and have been viewed by hundreds of thousands of visitors online. He has been commissioned by organizations including the Victoria & Albert Museum, the Barbican, Artangel, the Oslo Architecture Triennale and the Istanbul Design Biennial, and he has been honored by Ars Electronica, the Japan Media Arts Festival and the Design Museum, London. His writing on literature, culture and networks has appeared in magazines and newspapers including Frieze, Wired, Domus, Cabinet, The Atlantic, the New Statesman and many others, and he has written a regular column for The Observer.
New Dark Age, Bridle's book about technology, knowledge and the end of the future is forthcoming from Verso (UK & US) in 2018. He lectures regularly on radio, at conferences, universities and other events including SXSW, Lift, the Global Art Forum and Re:Publica. He has been a resident at Lighthouse, Brighton, the White Building, London and Eyebeam, New York, and an adjunct professor on the interactive telecommunications program at New York University.
James Bridle | Speaker | TED.com