Should you trust unanimous decisions? - Derek Abbott

번역: Ju Hye Lim 검토: Gemma Lee

Imagine a police lineup where ten witnesses

10명의 목격자에게 범죄 현장을 달아나는 은행 강도를

are asked to identify a bank robber they glimpsed fleeing the crime scene.

골라내도록 하는 범인식별절차를 상상해보세요.

If six of them pick out the same person,

그 중 6명이 같은 사람을 지목하면

there's a good chance that's the real culprit,

그 사람이 범인일 확률이 높고

and if all ten make the same choice,

10명 모두가 같은 사람을 지목하면

you might think the case is rock solid,

범인이 확실하다고 생각할 수도 있겠지만

but you'd be wrong.

그렇게 생각하면 오산입니다.

For most of us, this sounds pretty strange.

대다수에게 이상하게 들릴 수 있습니다.

After all, much of our society relies on majority vote and consensus,

우리 사회의 상당 부분이 다수결 투표와 합의에 기반해 있기 때문입니다.

whether it's politics,

그게 정치든

business,

경영이든

or entertainment.

오락이든 말입니다.

So it's natural to think that more consensus is a good thing.

더 많은 사람들이 동의하는 게 좋다고 생각하는 것은 자연스러운 일입니다.

And up until a certain point, it usually is.

어느 지점까지는 대개 그렇죠.

But sometimes, the closer you start to get to total agreement,

하지만 때로는 완전한 합의에 가까워질수록

the less reliable the result becomes.

결과의 신뢰성은 떨어집니다.

This is called the paradox of unanimity.

이것을 만장일치의 역설이라고 합니다.

The key to understanding this apparent paradox

얼핏 보기에 역설같은 이 현상을 이해하려면

is in considering the overall level of uncertainty

다루고 있는 상황과 관련된

involved in the type of situation you're dealing with.

전반적인 불확실성을 고려해야 합니다.

If we asked witnesses to identify the apple in this lineup, for example,

예를 들어, 목격자들에게 이 중에서 사과를 고르라 한다면

we shouldn't be surprised by a unanimous verdict.

만장일치의 결과가 나와도 놀랄 게 없습니다.

But in cases where we have reason to expect some natural variance,

하지만 마땅히 다양성을 기대할 충분한 근거가 있는 경우에는

we should also expect varied distribution.

분포도 다양할 것을 기대해야 합니다.

If you toss a coin one hundred times,

동전을 100번 던진다면

you would expect to get heads somewhere around 50% of the time.

앞면이 약 50% 나올 거라고 예상할 겁니다.

But if your results started to approach 100% heads,

하지만 결과가 100% 앞면으로 수렴한다면

you'd suspect that something was wrong,

무언가가 잘못되었다고 의심할 겁니다.

not with your individual flips,

동전을 던진 행위가 아니라

but with the coin itself.

동전 자체에 문제가 있음을 의심할 수 있겠죠.

Of course, suspect identifications aren't as random as coin tosses,

물론 용의자 식별 절차는 동전 던지기만큼 무작위가 아니지만

but they're not as clear cut as telling apples from bananas, either.

사과와 바나나를 구별하듯 답이 칼같이 정해진 것도 아닙니다.

In fact, a 1994 study found that up to 48% of witnesses

실제로 1984년에 있었던 한 연구에 따르면 48%의 목격자들이

tend to pick the wrong person out of a lineup,

용의자 중에서 틀린 사람을 골라낸다고 합니다.

even when many are confident in their choice.

많은 사람들이 자신의 선택에 확신을 갖고 있어도 말입니다.

Memory based on short glimpses can be unreliable,

찰나에 보았던 것에 기반한 기억은 불확실할 수 있고

and we often overestimate our own accuracy.

우리는 자주 우리의 정확도를 과대평가하기도 합니다.

Knowing all this,

이 사실을고려할 때

a unanimous identification starts to seem less like certain guilt,

만장일치로 식별한 것이 확실한 유죄보다는

and more like a systemic error,

시스템 상의 오류나

or bias in the lineup.

용의자 목록이 편향된 것처럼 보이기 시작할 겁니다.

And systemic errors don't just appear in matters of human judgement.

시스템 상의 오류가 사람의 판단으로 일어나는 것은 아닙니다.

From 1993-2008,

1993년부터 2008년까지

the same female DNA was found in multiple crime scenes around Europe,

유럽 전역의 여러 범죄 현장에서 동일한 여성의 DNA가 발견되어

incriminating an elusive killer dubbed the Phantom of Heilbronn.

'하일브론의 유령'이라는 이름의 잡기 힘든 살인마가 범인이라고 생각했죠.

But the DNA evidence was so consistent precisely because it was wrong.

하지만 DNA 샘플이 틀렸기 때문에 그렇게 일관된 증거가 나왔던 것입니다.

It turned out that the cotton swabs used to collect the DNA samples

나중에 알고보니 DNA 샘플을 채취할 때 쓴 면봉들이

had all been accidentally contaminated by a woman working in the swab factory.

면봉 공장에서 일하던 여성에 의해 오염되었던 것으로 밝혀졌습니다.

In other cases, systematic errors arise through deliberate fraud,

또 어떤 경우에서는 시스템 상의 오류가 의도된 사기에 의해 발생하기도 합니다.

like the presidential referendum held by Saddam Hussein in 2002,

2002년에 사담 후세인이 발의한 대통령 총선거에서는

which claimed a turnout of 100% of voters with all 100% supposedly voting in favor

유권자의 100%가 모두 7년의 재임을

of another seven-year term.

지지한 결과가 나왔습니다.

When you look at it this way,

이렇게 봤을 때

the paradox of unanimity isn't actually all that paradoxical.

만장일치의 모순은 그리 모순적이지 않습니다.

Unanimous agreement is still theoretically ideal,

만장일치는 여전히 이론적으로 이상적입니다.

especially in cases when you'd expect very low odds of variability and uncertainty,

가변성과 불확실성이 매우 낮은 경우에는 특히 그렇습니다,

but in practice,

하지만 현실에서는

achieving it in situations where perfect agreement is highly unlikely

완벽한 합의가 일어날 수 없는 상황에서 만장일치가 일어나는 것은

should tell us that there's probably some hidden factor affecting the system.

시스템에 영향을 미치는 숨은 요소가 있을 수 있음을 말해줍니다.

Although we may strive for harmony and consensus,

우리는 화합과 합의를 위해 노력하겠지만

in many situations, error and disagreement should be naturally expected.

대부분의 경우 오류와 의견 충돌을 마땅히 기대해야 합니다.

And if a perfect result seems too good to be true,

어떤 결과가 사실이라고 믿기에는 너무 완벽하다면

it probably is.

아마 사실이 아닐겁니다.