대형 언어 모델의 낙태 낙인 인식 한계와 다층적 일관성 부재

대형 언어 모델(LLMs)은 놀라운 수준의 복잡성과 정교함으로 다양한 과제를 수행할 수 있습니다. 그러나 인간과의 신뢰할 수 있는 소통과 감정적 지지를 위한 취약한 사용자의 필요에 가장 잘 부합하는 기능은 ‘공감’입니다. 임상 훈련, 규제 감독, 또는 치료적 설계가 부족함에도 불구하고 LLMs는 개인적인 결정을 내리는 데 도움을 주고 취약한 사용자를 지원하기 위해 점점 더 많이 활용되고 있습니다. 이러한 시스템은 재생산 건강 상담, 위기 임신 센터, 원격 의료 플랫폼에 통합되어 낙태에 대한 사회적 낙인과 편견을 강화할 위험이 있습니다.

본 논문은 LLMs가 낙태에 대한 복잡한 사회적 낙인을 이해하고 지원하는 데 얼마나 효과적인지 탐구합니다. 현재 연구는 낙인을 정적, 통합된 개념으로 다루며 주로 정신 건강 맥락에서 표현적 해를 조사합니다. 그러나 낙인은 인지적(자기 판단과 같은 내면적 경험), 상호작용적(사회적 판단과 고립), 그리고 구조적(사회 규범에 의한 제한) 수준에서 작용합니다. 이러한 다층적 본질을 고려하지 않는 것은 낙인 편견을 필터링하는 데 실패할 수 있습니다.

우리는 LLMs가 낙태 낙인의 인지적, 상호작용적, 그리고 구조적 차원을 이해하고 일관성 있게 표현하는지 조사했습니다. 이를 위해 두 가지 측면을 살펴보았습니다:

1. LLM의 낙인 표현과 인간 데이터 비교: 우리는 LLM이 다양한 인구통계학적 특성을 가진 개인에 대한 낙인 표현을 어떻게 하는지, 그리고 이러한 표현이 인간 데이터와 일치하는지 분석했습니다.
2. 구조적 낙인의 측정: LLMs가 낙인과 비밀 유지 사이의 연관성을 이해하고, 사회적 맥락과 연령에 따라 비밀 유지 패턴이 어떻게 달라지는지 평가했습니다.

연구 방법:

• 데이터 세트: 우리는 627명의 여성에 대한 낙태 경험에 대한 심층적인 연구를 기반으로 한 개별 수준 낙인 척도(ILAS)를 사용했습니다. ILAS는 낙인의 다차원적 본질을 포착하며, 네 가지 하위 차원으로 구성됩니다: 자기 판단, 사회적 판단 우려, 고립, 그리고 공동체 비난.
• LLM 선택: GPT-5 mini, OSS (20B), Llama-3.1-8B Instruct, Gemma-3-4B-IT, Llama-3.1-70B Instruct 등 5개의 다양한 유형의 LLMs를 선택했습니다.
• 데이터 생성: 각 LLM에 대해 627개의 가상 인격을 생성하여 원래 연구에서 수집한 인구통계학적 특성을 반영했습니다.
• 실험 설계: 세 가지 실험을 통해 다차원 낙인 표현, 인구통계학적 패턴과의 일치성, 그리고 구조적 낙인과 비밀 유지 사이의 연관성을 평가했습니다.

결과:

LLMs는 다양한 수준에서 낙인을 표현하는 데 실패했습니다.

• 인지적 및 상호작용적 수준: 모델은 자기 판단보다 사회적 판단에 대한 우려와 고립을 과대평가했습니다. 특히, 모든 LLM은 걱정스러운 사회적 판단을 증가시켰고, 일부 모델은 자기 판단을 과소평가했습니다.
• 구조적 수준: 모델은 공동체 비난에 대한 표현에서 일관성이 부족했습니다. GPT-5 mini와 Gemma-4B는 공동체 비난을 과대평가한 반면, Llama-8B는 이를 과소평가했습니다.

또한, LLMs는 비밀 유지 패턴에서 모순된 결과를 보여주었습니다. 일부 모델은 연령과 사회적 맥락에 따라 비밀 유지를 예측했지만, 다른 모델은 그렇지 않았습니다.

결론 및 함의:

본 연구 결과는 현재 LLM 평가 접근 방식이 다차원적 낙인 표현의 일관성과 깊이를 충분히 고려하지 못한다는 것을 보여줍니다. LLMs가 안전하게 임상 및 원격 의료 환경에서 사용되기 위해서는 다음과 같은 조치가 필요합니다:

…(본문이 길어 생략되었습니다. 전체 내용은 원문 PDF를 참고하세요.)…