금요일 밤을 덮친 자극적인 쓰레기 정보, 직접 정리에 나서다
금요일 밤 11시, 저명한 인공지능 연구자 안드레이 카파시(Andrej Karpathy)는 한 주간의 연구를 마쳤다. 머리를 식히고자 대형 영상 플랫폼을 열었지만, 화면을 가득 채운 것은 알고리즘이 짜 맞춘 저질 콘텐츠의 장벽이었다. 거대한 붉은 화살표, 입을 벌리고 비명을 지르는 과장된 썸네일, 감정을 자극하는 천편일률적인 낚시성 제목들이 화면을 메우고 있었다. 그는 창을 닫고 직접 문제를 해결하기로 결심했다.
카파시는 테슬라의 AI 디렉터를 역임했으며 오픈AI의 창립 멤버이기도 하다. 머신러닝 분야의 최고 전문가인 그는 상업적 추천 시스템이 어떤 논리로 작동하는지 누구보다 잘 알고 있다. 상업 플랫폼은 클릭률과 완청률에 맞춰 모델을 최적화하기 때문에, 알고리즘은 필연적으로 대중의 평균적인 감각적 자극을 충족하는 진흙탕으로 미끄러져 들어간다. 그의 표현대로라면, 이런 알고리즘은 인터넷의 평균적인 이용자에게는 유효할지 몰라도 자신에게는 오래전에 고장 난 상태였다.
상업 플랫폼의 추천 알고리즘은 본래 정보 과부하를 해결하기 위해 탄생했다. 하지만 상업화 지표가 최우선 순위가 되면서, 시스템의 핵심 목표는 체류 시간 극대화와 클릭 유도로 바뀌었다. 피드를 넘기는 손가락을 붙잡기 위해 창작자들은 자극적인 양산형 제작 틀에 갇히게 되었다. 썸네일은 점점 요란해지고 감정 조장은 거세졌으며, 정작 깊이 있는 지식은 알고리즘의 장막 뒤로 묻혀버렸다.
일반 이용자들도 매일 비슷한 정신적 피로를 겪는다. 시선을 붙잡아두기 위해 플랫폼의 추천 시스템은 자극의 수위를 계속 끌어올려 메인 페이지를 디지털 쓰레기장으로 변모시켰다. 이용자가 피로해질수록 화면은 더욱 소란스러워진다. 시선을 강탈하려는 상업적 악순환 속에서 가장 큰 피해를 입는 것은 조용히 가치 있는 지식을 얻고자 하는 모든 사람이다.
LLM으로 댓글을 정제해 걸러낸 6,454개의 고순도 영상
토요일 이른 아침, 카파시는 초고속 개발 실험을 시작했다. 대규모 팀을 꾸리는 대신 데이터 정제 파이프라인 전체를 대규모 언어 모델인 Opus 5.5에 맡겼다. 첫 단계는 신뢰할 수 있는 원본 콘텐츠를 확보하는 것이었다. 그는 전 세계 기술 애호가들이 20년 가까이 진지한 토론을 쌓아온 기술 커뮤니티 해커뉴스(Hacker News)로 눈을 돌렸다.
언어 모델은 먼저 커뮤니티 설립 이래 작성된 방대한 과거 댓글 데이터를 수집했다. 이어 Sonnet 모델이 엄격한 의미론적 규칙에 따라 스팸 광고와 소모적인 논쟁을 걸러냈다. 부정적인 평가가 섞인 영상 링크를 배제하고, 진심 어린 찬사와 추천이 담긴 발언만을 정밀하게 남겼다. 최종적으로 신뢰도 높은 4만 건의 추천 댓글 속에서 6,454개의 고유 영상 링크가 도출되었다.
이 6,454개의 영상은 2007년부터 2026년에 걸쳐 있으며 150개의 세부 기술 주제를 아우른다. 고전 컴퓨터 아키텍처 강의부터 마니아를 위한 시계 수리 기록까지 폭넓게 포함되어 있다. 이 영상들의 공통점은 오랜 세월 동안 실제 인간들의 자발적 검증을 거쳤다는 점이다. 모든 링크는 엔지니어들이 토론 과정에서 자신의 평판을 걸고 자발적으로 보증한 콘텐츠다.
사진: 카파시의 개인 블로그 글에서 공개된 HackerTube의 미니멀한 인터페이스. 출처: karpathy.bearblog.dev
자극적인 썸네일을 걷어내고 영상 50% 지점의 프레임으로 진실을 보다
데이터 구축이 끝나자 카파시는 프론트엔드 작업에 착수했다. 프로젝트 이름은 HackerTube로 정했다. 화면 배치는 기존 대형 영상 플랫폼의 3열 그리드를 참고했지만, 결정적인 역발상 디자인을 적용했다. 업로더가 자체 제작한 과장된 썸네일을 완전히 차단하고, 영상 재생 시간의 정확히 50% 지점에 해당하는 프레임(50% thumbnail)을 추출해 미리보기 카드로 강제 적용한 것이다.
이 조치는 주의력 경제가 덧씌운 시각적 위선을 단숨에 걷어냈다. 기존 플랫폼에서 창작자들은 클릭을 유도하기 위해 거대한 화살표를 그리고 과장된 표정을 짓는다. 하지만 영상 한가운데의 실제 장면만을 강제로 보여주자 거품 같은 포장은 즉시 무력화되었다. 영상이 엄밀하게 전자 회로를 설명하고 있는지, 아니면 실속 없는 허풍인지 방문객은 한눈에 간파할 수 있다.
극단적인 단순화는 데이터 수집과 추적 영역에서도 이어졌다. HackerTube에는 회원가입도 로그인도 없으며, 이용자 프로필 분석도 수행하지 않는다. 웹사이트의 추천 항목은 브라우저의 로컬 세션(session)에만 임시로 머문다. 창을 닫는 순간 모든 흔적이 사라지며, 원클릭으로 전체 데이터를 내려받아 개인 AI 에이전트에 입력할 수도 있다.
사진: 추적과 추천 스트림 없이 순수 그리드로 구성된 hackertube.org 메인 화면. 출처: hackertube.org
2시간 만에 배포된 정적 웹사이트, 알고리즘이 없어서 오히려 더 정확하다
정적 코드를 클라우드 가상 서버(VPS)에 올리고 도메인을 구매하기까지 걸린 시간은 단 2시간에 불과했다. 테스트 페이지가 정상 작동하는 순간, 카파시는 블로그에 “이제야 숨을 쉴 수 있겠다”라는 진솔한 소감을 남겼다. 이 해방감은 개발자 사회에서 뜨거운 공감을 불러일으켰고, 피드 주입식 알고리즘에 지쳐 있던 수많은 이용자가 추천 기능이 없는 이 사이트를 찾아오기 시작했다.
이용자들의 반응은 한 가지 역설적인 현상을 가리켰다. 백엔드에서 취향을 추측하는 복잡한 머신러닝 모델이 없음에도, 가지런히 정렬된 영상 타일을 몇 개 눌러본 이들은 기대치를 뛰어넘는 정보 밀도와 통찰을 마주했다. 커뮤니티에서 가장 많은 공감을 얻은 한마디가 상황을 압축한다. 개인화 추천이 전혀 없는 이 메인 페이지가 대형 플랫폼의 추천 스트림보다 적중률이 훨씬 높다는 평가다. 경험의 질을 결정짓는 핵심은 콘텐츠 풀 자체의 순도이며, 컴퓨팅 파워가 아무리 높아도 질 낮은 원료를 황금으로 바꿀 수는 없다.
소프트웨어 작성 비용이 0으로 수렴하는 시대, 인간의 안목이 진정한 희소재다
HackerTube의 신속한 등장은 소프트웨어 제작 패러다임의 극적인 변화를 보여준다. 과거 동일한 규모의 서비스를 구축하려면 엔지니어 팀이 몇 주 동안 협업해야 했다. 그러나 최상급 언어 모델의 지원 덕분에 이제는 한 사람이 2시간 만에 전체 과정을 끝낼 수 있다. 카파시가 밝힌 바와 같이, 진입 장벽은 시스템 인프라 운영으로 옮겨갔다. 사이트를 클라우드에 안정적으로 배포하고 보안을 유지하는 영역에는 여전히 엔지니어링 경험이 요구된다.
코드 작성의 문턱이 대폭 낮아지면서 경쟁의 무게중심도 완전히 이동했다. 소프트웨어의 가치는 더 이상 화려한 인터페이스 코드나 추천 엔진이 소모한 막대한 연산량에 달려 있지 않다. 제품의 핵심 경쟁력은 어떤 품질의 데이터로 콘텐츠 풀을 구성했는가로 결정된다. 기술 커뮤니티가 20년 동안 축적해온 인간의 고뇌와 평가는 알고리즘이 무에서 지어낼 수 없는 값진 광맥이다.
빅테크 기업들은 앞으로도 인간의 심리적 취약점을 파고들어 체류 시간을 늘리는 알고리즘에 매달릴 것이다. 하지만 HackerTube 실험은 완전히 다른 길을 제시했다. 복잡한 알고리즘의 계산을 내려놓고 진정으로 우수한 콘텐츠를 있는 그대로 세상에 내놓는 방식이다. 디지털 세상이 조잡한 소음으로 넘쳐날 때, 엄격한 콘텐츠 선별 기준을 고수하는 서비스야말로 가장 오래 지속되는 생명력을 지닌다.
참고 링크:
- 카파시의 개인 블로그 글: HackerTube
- 공식 웹사이트: hackertube.org
- 해커뉴스 커뮤니티 토론 스레드
