합성 인간의 사회학
Nemotron 700만 한국인 — AI × 사회학 × 인구학
1 도입: 700만 명의 유령
핵심 질문
NVIDIA가 만든 700만 명의 “가짜 한국인”은 진짜 한국 사회를 반영하는가? 합성 인구(synthetic population)는 사회과학의 혁명인가, 아니면 편향의 증폭기인가?
2026년 4월 20일, NVIDIA는 Nemotron-Personas-Korea를 공개했다. 한국 통계청(KOSIS), 대법원 명부, 국민건강보험공단, 한국농촌경제연구원의 공식 데이터를 기반으로 생성된 700만 개의 완전 합성 페르소나다. 이 데이터셋은 Hugging Face 전체 트렌딩 차트 1위를 기록했다.
이것은 단순한 데이터셋이 아니다. 이것은 사회학적 사건이다.
700만 명의 합성 한국인은 한 번도 숨을 쉰 적이 없고, 한 번도 투표한 적이 없으며, 한 번도 사랑한 적이 없다. 그러나 이들은 한국 사회를 “대표”하도록 설계되었다. 이 에세이는 이 기묘한 존재론적 실험을 사회학, 통계학, 양자역학의 측정 문제 세 가지 렌즈로 해부한다.
“지도가 영토를 대체할 때, 우리는 영토를 잃는다.” — 장 보드리야르, 시뮬라크르와 시뮬레이션 (1981)
2 Nemotron-Personas-Korea의 해부학
2.1 26개 필드의 인간
Nemotron-Personas-Korea는 26개 구조화 필드로 한 인간을 정의한다.
이 구조는 한 인간을 인구통계적 골격(나이, 성별, 지역, 교육, 직업, 가구)과 서사적 살(7종의 페르소나 내러티브)로 분리한다. 100만 개의 기본 레코드에 7가지 서사 유형을 곱해 700만 레코드가 생성된다.
| 항목 |값 | | |
|---|---|
| 총 페르소나 수 |7,000 | 000 | |
| 기본 레코드 |1,00 | ,000 | |
| 서사 유형 |7 | | |
| 구조화 필드 |26 | | |
| 고유 이름 수 |~209 | 000 (성 118 × 이름 21,400+) | |
| 광역시도 |17 | | |
| 기초자치단체 |252+ | | |
| 직업 분류 |2,0 | 0+ | |
| 연령 범위 |19~ | 9세 | |
| 가구 유형 |39 | | |
| 평균 연령 |45. | 세 | |
| 라이선스 |CC | Y 4.0 | |
2.2 PGM + LLM 하이브리드 파이프라인
이 데이터셋의 기술적 혁신은 2단계 하이브리드 파이프라인에 있다.
1단계: 확률 그래프 모델(PGM)이 KOSIS 공식 통계에서 인구통계 속성의 결합 분포를 샘플링한다. 이 단계는 통계적 충실도를 보장한다.
2단계: Gemma-4-31B가 각 구조화 레코드에 대해 7종의 한국어 네이티브 서사를 생성한다. 이 단계는 문화적 맥락과 자연어 풍부함을 더한다.
이전의 번역 기반 접근(미국 데이터 → 한국어 번역)과 달리, 이 파이프라인은 한국의 실제 인구 분포에서 출발한다. 이것이 핵심적인 방법론적 진보다.
기술적 한계
그러나 PGM 단계에서 변수 간 독립성 가정이 적용된다. 성별 × 교육, 지역 × 직업 등의 상호작용 효과가 모델링되지 않는다. 실제 한국 사회에서 이 변수들은 강하게 상관되어 있다 — 서울 강남의 30대 여성과 전남 해남의 60대 남성의 교육-직업 결합 분포는 매우 다르다.
3 합성 인구의 계보: IPF에서 LLM까지
합성 인구(synthetic population)는 AI 시대의 발명이 아니다. 에이전트 기반 모델(ABM)의 기반으로서 수십 년간 발전해 왔다.
전통적 합성 인구 생성의 핵심 방법은 반복비례적합(IPF, Iterative Proportional Fitting)이다. IPF는 주변분포(marginal distribution)로부터 결합분포(joint distribution)를 추정한다. 그러나 이 방법은 변수 수가 증가하면 차원의 저주에 빠진다.
Nemotron의 PGM+LLM 파이프라인은 이 한계를 우회한다:
- PGM이 주요 인구통계 변수의 결합분포를 처리
- LLM이 구조화 데이터에 서사적 풍부함을 부여
- 결과적으로 통계적 충실도와 문화적 맥락을 동시에 확보
그러나 이 혁신에는 대가가 있다.
4 실리콘 샘플링의 유혹: 유령 설문조사
4.1 인간 없는 사회과학
최근 사회과학계에서는 “실리콘 샘플링(Silicon Sampling)”이라는 방법론이 부상하고 있다. LLM에게 특정 인구통계적 프로필을 부여하고, 설문에 “응답”하게 하는 것이다.
스탠포드 대학의 연구(2025)에 따르면, AI 생성 디지털 트윈과 실제 인간의 데이터는 놀라울 만큼 유사했다: 5개 실험 중 4개에서 동일한 결과가 재현되었고, 효과 크기의 상관은 r = 0.98에 달했다.
그러나 이 놀라운 일치에는 체계적 함정이 숨어 있다.
4.2 세 가지 치명적 편향
| 편향 유형 |설명 | |학술 근거 | | |
|---|---|---|
| 사회적 바람직성 편향 (Social Desirability Bias) |인종 다양성, | 성 평등 등 민감한 주제에서 LLM이 '사회적으로 바람직한' 방향으로 편향. 인간의 실제 의견 분포를 반영하지 못함. |arXiv:2512.22725 (2025) — 사회적으로 민감한 질문에서 인간-실리콘 간 유의미한 | 리 발견 | |
| 분산 축소 편향 (Variance Compression) |LLM이 | 생성한 설문 응답의 분산이 비정상적으로 낮음. 인간 사회의 다양성과 이질성이 체계적으로 제거됨. |arXiv:2509.26080 (2025) — LLM 생성 설문의 분산이 비정상적 | 로 작아 통계적 추론 신뢰도 저하 | |
| WEIRD 편향 (Cultural Bias) | | 어 학습 데이터 비중이 높아 서구(WEIRD) 문화 가치가 편향적으로 반영. 비서구 문화의 고유한 가치관이 왜곡됨. |PNAS Nexus (2024) — LLM 출력의 79.8%가 WEIRD 국 | 에 매핑 | |
5 WEIRD 유령: 합성 한국인의 서구적 영혼
5.1 79.8%의 문화적 편향
LLM의 학습 데이터는 압도적으로 WEIRD(Western, Educated, Industrialized, Rich, Democratic) 사회에 편중되어 있다. PNAS Nexus(2024)의 연구에 따르면, LLM 출력의 79.8%가 WEIRD 국가에 매핑된다.
Nemotron-Personas-Korea는 한국 통계에서 출발하지만, 서사 생성에 사용되는 Gemma-4-31B는 영어 사전학습 모델이다. 한국어 서사를 생성하더라도, 모델의 세계관은 영어권 학습 데이터에 의해 형성된다.
이것은 단순한 데이터 비율의 문제가 아니다. 이것은 존재론적 문제다.
KoBBQ(Korean Bias Benchmark for Question Answering) 연구는 영미권 편향 벤치마크를 한국에 적용할 때 세 가지 범주가 필요함을 밝혔다:
- 직접 이전 가능(Simply-Transferred): 문화 번역 후 사용 가능
- 대상 수정 필요(Target-Modified): 타겟 그룹의 현지화 필요
- 제거 필요(Sample-Removed): 한국 문화에 부적합
합성 한국인의 영혼이 영어로 쓰여져 있다면, 그 한국인은 코스프레하는 미국인에 불과하다.
6 분산의 실종: 이질성의 소멸
6.1 평균의 독재
LLM 기반 합성 데이터의 가장 은밀하고 위험한 문제는 분산의 축소다.
arXiv:2509.26080(2025)의 연구는 LLM이 생성한 설문 응답의 분산이 비정상적으로 낮다는 것을 발견했다. 이것은 LLM의 학습 메커니즘 자체에서 비롯된다 — 모델은 가장 “그럴듯한” 응답을 생성하도록 최적화되어 있으며, 이는 필연적으로 평균으로의 회귀를 유발한다.
사라지는 소수자
실제 사회의 의견 분포는 종종 다봉(multimodal)이다 — 양극화된 사회에서 특히 그렇다. 그러나 LLM은 이 양극단의 의견을 평균으로 녹여버린다. arXiv:2604.06663(2026)의 연구는 이를 “이질성의 소거(erasure of heterogeneity)”라고 명명했다. 합성 인구에서 소수자의 목소리는 통계적으로 존재하지만 서사적으로 소거된다.
7 모델 유도 분포 이동(MIDS): 편향의 열역학
7.1 합성 데이터의 엔트로피 감소
합성 데이터로 학습한 모델이 다시 합성 데이터를 생성하는 피드백 루프는 물리학에서 말하는 엔트로피 감소와 구조적으로 동일하다. 각 세대를 거칠수록 분포의 꼬리(tail)가 잘려나가고, 소수 집단의 표현이 감소한다.
이것을 모델 유도 분포 이동(MIDS, Model-Induced Distributional Shift)라고 한다.
이 시뮬레이션은 합성 데이터의 세대별 분포 붕괴를 보여준다:
- 원본: 이중 봉우리(소수 집단 포함)
- 1세대: 소수 봉우리 약화
- 3세대: 사실상 단봉
- 5세대: 완전한 단봉 — 소수 집단 소멸
이것은 열역학의 제2법칙의 역전처럼 보인다: 실제 사회는 엔트로피가 높다(다양성), 합성 사회는 엔트로피가 낮다(획일성). 그러나 이 “질서”는 정보의 손실에 의한 것이다.
8 합성 한국인의 지도: 무엇이 빠져 있는가
8.1 Nemotron-Personas-Korea의 공백
Nemotron-Personas-Korea는 인상적인 데이터셋이지만, 그 공백이 말해주는 것이 있다.
이 공백들은 무작위가 아니다. 빠진 것들의 목록은 한국 사회의 가장 논쟁적인 차원과 정확히 일치한다:
- 19세 미만: 한국의 저출생 위기에서 가장 중요한 인구 집단
- 성 정체성: 한국 사회에서 가장 뜨거운 논쟁 중 하나
- 다문화 가정: 전체 인구의 4%+, 급성장 중
- 정치적 성향: 한국 특유의 세대별 정치적 양극화
- 소득/자산: 불평등의 핵심 변수
합성 인구는 논쟁 없는 한국을 만든다. 그것은 한국이 아니다.
9 검증의 역설: WVS와 DeepPersona
9.1 37.9~49.8%의 오류 감소
NVIDIA는 Nemotron-Personas의 효용을 세계 가치관 조사(WVS, World Values Survey)로 검증했다. 합성 페르소나를 사용한 시뮬레이션에서:
- 균일 샘플링 대비 오류 37.9~49.8% 감소
- WVS 응답 편차 31.7% 감소
- DeepPersona 기법으로 국가 통계 베이스라인 대비 43% 개선
그러나 여기에 검증의 역설이 있다.
WVS 자체가 표본 조사다. 합성 인구를 표본 조사로 검증한다는 것은, 지도를 다른 지도로 검증하는 것과 같다. 진짜 영토 — 실제 한국인 5,170만 명의 내면 — 에 접근하는 것은 원리적으로 불가능하다.
양자역학적 유비
이것은 양자역학의 측정 문제와 구조적으로 동일하다. 관측(설문)이 관측 대상(의견)을 변화시킨다. 합성 인구는 관측 없이 상태를 추정하려는 시도다 — 이것은 양자역학에서 숨은 변수 이론(Hidden Variable Theory)에 해당한다. 벨의 정리가 숨은 변수를 부정했듯, 사회과학에서도 “완전한 합성 인구”는 원리적으로 불가능할 수 있다.
10 보드리야르의 경고: 시뮬라크르의 사회학
700만 명의 합성 한국인은 장 보드리야르가 예견한 시뮬라크르(simulacre)의 정확한 구현이다.
보드리야르는 시뮬라크르의 4단계를 제시했다:
- 반영: 현실의 충실한 복사 (전통적 합성 인구)
- 왜곡: 현실을 변형하고 감추는 복사 (WEIRD 편향)
- 부재의 은폐: 현실의 부재를 감추는 복사 (빠진 차원들)
- 순수 시뮬라크르: 현실과 무관한 자기 참조적 체계
Nemotron-Personas-Korea는 현재 2-3단계 사이에 있다. 한국의 통계적 윤곽은 반영하지만, 가장 논쟁적인 차원을 배제함으로써 현실의 부재를 은폐한다.
4단계의 위험은 합성 데이터로 학습된 AI가 합성 데이터를 생성하고, 그 데이터로 정책을 결정하는 순간에 발생한다. 그 때 합성 한국인은 실제 한국인을 대체한다.
“시뮬라크르가 실재보다 더 실재적이 될 때, 우리는 하이퍼리얼리티에 진입한다.” — 장 보드리야르
11 정책적 함의: 한국 AI 기본법과 합성 데이터
한국의 AI 기본법은 2026년 1월 발효되었다. 한국 정부는 AI 관련 예산 10.1조 원(약 73억 달러)을 투입하고, GPU 25만 대 배치를 계획하고 있다.
이 맥락에서 Nemotron-Personas-Korea는 주권 AI(Sovereign AI)의 핵심 인프라로 위치한다. 그러나 주권 AI가 합성 국민에 기반한다면, 그 주권은 시뮬라크르의 주권이다.
| 항목 |현 | | |
|---|---|
| AI 기본법 발효 |2026 | 1월 시행 | |
| AI 예산 |1 | .1조 원 (~$7.3B) | |
| GPU 배치 계획 |250 | 000+ 대 | |
| 삼성 포함 반도체 투자 |$735B (삼 | 포함 반도체 투자) | |
| 데이터셋 라이선스 |CC BY 4 | 0 (상업적 사용 무제한) | |
| 개인정보보호법(PIPA) 준수 |PII 제로 — | 설계 단계부터 프라이버시 고려 | |
12 결론: 불확정성의 사회학
12.1 합성과 실재 사이
Nemotron-Personas-Korea는 기술적으로 인상적하다. PGM+LLM 하이브리드 파이프라인은 합성 인구 생성의 방법론적 진보를 대표한다. 균일 샘플링 대비 37.9~49.8%의 오류 감소는 실용적 가치가 분명하다.
그러나 이 데이터셋은 동시에 사회학적 경고이기도 하다:
- 분산의 실종: LLM은 사회의 이질성을 체계적으로 제거한다
- WEIRD의 유령: 영어 사전학습 모델은 한국 문화를 서구적 렌즈로 굴절시킨다
- 논쟁의 삭제: 가장 중요한 사회적 차원이 체계적으로 배제된다
- MIDS의 열역학: 합성 데이터의 피드백 루프는 소수자를 소멸시킨다
합성 인구는 망원경이지, 영토 자체가 아니다. 망원경을 통해 본 별은 실제 별이 아니다 — 그것은 광자가 렌즈를 통과하며 만든 이미지다. 그러나 우리는 그 이미지로 우주를 항해한다.
700만 명의 합성 한국인은 한국 사회의 유용한 근사(useful approximation)일 수 있다. 그러나 그것을 한국 사회 그 자체로 착각하는 순간, 우리는 보드리야르의 하이퍼리얼리티에 갇히게 된다.
“양자역학의 불확정성 원리가 관측의 한계를 규정하듯, 합성 인구의 불확정성 원리는 시뮬레이션의 한계를 규정한다: 한 사회를 완전히 합성하는 것은 원리적으로 불가능하다.”
12.2 참고문헌
- NVIDIA (2026). Nemotron-Personas-Korea: 7M Synthetic Personas for Sovereign AI. Hugging Face.
- Pebblous AI (2026). “Nemotron-Personas-Korea 분석 리포트”.
- Chapuis, K. et al. (2022). “Generation of Synthetic Populations in Social Simulations: A Review.” Journal of Artificial Societies and Social Simulation, 25(2).
- Sarstedt, M. et al. (2024). “Using large language models to generate silicon samples.” Psychology & Marketing.
- arXiv:2512.22725 (2025). “Mitigating Social Desirability Bias in Random Silicon Sampling.”
- arXiv:2509.26080 (2025). “Evaluating LLMs as Synthetic Social Agents in Social Science Research.”
- PNAS Nexus (2024). “Cultural bias and cultural alignment of large language models.”
- arXiv:2604.06663 (2026). “Restoring Heterogeneity in LLM-based Social Simulation.”
- Lin, Z. (2025). “Six Fallacies in Substituting LLMs for Human Participants.” Advances in Methods and Practices in Psychological Science.
- KoBBQ (2024). “Korean Bias Benchmark for Question Answering.” TACL.
- Shumailov, I. et al. (2024). “AI models collapse when trained on recursively generated data.” Nature.
- 보드리야르, J. (1981). 시뮬라크르와 시뮬레이션. Galilée.
다음 주 예고
E축 · 일상의 과학 — E1 커피의 열역학: 추출 온도 × 생산성. 92°C에서 최적 추출. 인간의 집중력도 최적 온도가 있는가?
Insight Lab — 인문학과 과학의 크로스오버 Nakcho Choi × Claude Opus 4.6 Season 1 (2026.03~)