소통은 정체성을 표현하고 구성하는 과정이며, 따라서 정체성은 인간 커뮤니케이션의 근간을 이룬다. 컴퓨터 매개 커뮤니케이션의 등장이 인간 커뮤니케이션을 바라보는 새로운 시각과 연구를 촉발하였듯이 본 연구는 대규모 언어 모델(large language model LLM)의 등장에 주목한다. 특히 LLM이 그간 실증적으로 연구하기 어려웠던 ‘나’의 구성을 탐구할 수 있는 가능성을 열어준다고 보고, 다음의 질문에 답하고자 한다: 정체성의 어떤 구성요소가 ‘나다움’을 재현하는 데 가장 핵심적인가? 본 연구에서는 LLM을 통해 개별 정체성 구성 요소를 선택적으로 주입 및 조합한 에이전트를 생성할 수 있다는 점에 착안하여 개인의 정체성 정보를 선택적으로 반영한 도플갱어 에이전트를 만들고 이를 본인이 평가하는 방식을 택하였다. 선행 연구를 바탕으로 정체성 구성 요소를 사회적 정체성 (인구통계학적 속성), 개인적 성향 (성격과 가치관), 경험적 서사 (개인적 선호와 일상적 경험)로 구분하고, 네 가지 실험 조건을 설계하였다: (1) 사회적 정체성만 반영, (2) 사회적 정체성에 개인적 성향 추가, (3) 세 요소 모두 포함, (4) 세 요소를 포함하되 참여자가 평가한 정체성 요인별 중요도에 따라 가중치 조정. 50명의 연구 참여자가 온라인 설문을 통해 위의 정보를 제공하였고, GPT-4o를 활용해 각 조건별 도플갱어 에이전트를 생성하였다. 에이전트는 자기소개 에세이 작성, 가치 기반 의사결정, 드러낸 자아와 숨긴 자아 표현의 세 가지 과제를 수행하였고, 참여자가 각 응답에 대한 유사성과 재현 정확성을 평가하였다. 분석 결과, 전반적으로 정체성 정보가 추가되고 가중치가 조정될수록 유사성과 정확성 평가가 높아지는 경향을 보였다. 단순 인구사회학적 요인만 반영된 에이전트는 고정관념이 강화된 정체성을 형성하고 있어 이용자가 도플갱어를 스스로 평가할 때 거부감을 표하였다. 또한 숨긴 자아에 대한 표현과 드러낸 자아의 표현을 비교했을 때 LLM이 비가시적 특성을 추론하는 데 한계가 있음을 보여주었다. 본 연구는 LLM 도플갱어를 활용해 정체성의 다층적 구성을 실험적으로 탐색함으로써, 정체성 연구의 새로운 방법론적 가능성과 함께 LLM 기반 정체성 재현의 가능성과 한계를 조명한다.
Yang et al. (Sat,) studied this question.