인간은 문화별로 언어와 제스처, 얼굴 표정, 소통하는 방식 등이 매우 다양한데, ‘감정’은 과연 얼마나 보편성을 가질까?

감정은 우리가 주관적인 경험에서 마주하는 여러 상황 속에서 일어나게 된다.

진화적 시각으로 보면 다양한 사회적 맥락에 대한 적응적인 반응으로 해석할 수 있다. 감정이 우리가 사회적 관계를 형성하고 유지하는 것, 판단하고 결정하는 것 등 우리의 건강과 안녕에 기여하는 여러 가지 행동에 기능을 한다는 것이다. 이런 시각으로 보면 감정은 인간에게 맥락에 따라 부여되고 보편적으로 자연선택된 기능으로 서로 다른 문화 속에서도 유사하게 보존되어 있을 것으로 기대할 수 있다. 

그런데 이를 실험으로 검증하는 일은 간단하지가 않다. 감정을 직접적으로 측정하기 어려운 만큼 대개 감정과 연관되는 ‘얼굴 표정’과 같은 것을 실험에 참여한 사람들에게 보여주는 방식이 흔히 사용된다. 이때 특정 감정을 대표하는 표정을 담은 사진들은 실제 상황에서처럼 근육의 움직임과 같은 다른 단서가 함께 주어지지 않는다는 제한이 있다. 또한 실험의 참여자에게 주어진 사진과 관련한 지시를 할 때 사용되는 단어들이 각 문화권 및 언어권 별로 조금씩 다를 수밖에 없는 만큼 그 영향을 고려하는 것도 필요하다.

최근 ‘네이처’지에 발표된 연구는 144개 나라에서 수집한 자연스러운 상황을 포착한 600만 개의 비디오를 사용해 이 가설을 검증했다.

여기에는 ‘심층 신경망(Deep Neural Networks, DNNs)’ 기술이 사용되었는데, 각 비디오에 나타나는 얼굴 표정들을 기계가 픽셀로 읽을 수 있도록 하고 이를 반복적으로 학습한 뒤 각 표정에 연관된 감정들을 구분하는 ‘딥러닝’ 기술의 일종이다.

먼저 연구진은 나라별 문화의 영향을 알아보기 위해 수집한 144개 나라의 데이터를 12개 지역으로 구분해 다양한 상황에서 볼 수 있는 총 16가지 종류의 고유한 얼굴 표정들을 찾아냈다. 16개 얼굴 표정은 즐거움, 분노, 경이로움, 집중, 혼란스러움, 경멸, 만족, 욕망, 실망, 의심, 의기양양함, 흥미, 고통, 슬픔, 놀라움, 승리 등이다. 

특히 비디오 속 상황과 그 안에서 감지된 얼굴 표정의 연관성이 지역별로 차이가 나는지 분석했는데, 대부분의 경우에서 특정 맥락이 특정 표정과 연관성을 갖는 것으로 나타났다. 

예를 들어 누군가 농담을 던지는 비디오 속에서는 즐거운 표정이, 폭죽놀이 상황에서는 경이로운 표정이, 무술을 하는 상황에서는 집중하는 표정이, 결혼식에서는 만족스러운 표정이, 경찰들에게서는 의심의 표정이, 웨이트 트레이닝을 하는 상황에서는 고통스러운 표정이, 운동 경기에서는 승리의 표정이 감지되는 식이었다. 

이 같은 결과에 대해 연구진은 문화의 세계화와 보편화된 디지털 플랫폼의 사용과 같은 요소로 인해 전 세계 사람들의 표정들이 서구 문화의 영향을 받았기 때문일 가능성도 염두에 두고 있다. 그러나 분석 결과에 따르면 각 지역의 표정들이 서구에 더 가깝다고 볼 증거는 없었다.  오히려 가까운 지역에 가까운 경향을 보였다.

종합적으로 논문에서는 16가지의 얼굴 표정이 144개 나라들을 통틀어 고유의 사회적 맥락과 연관성을 가지며, 문화적 차이는 정성적 차이이기보다 표정의 빈도와 같은 정량적 차이로 드러나는 것으로 보인다고 결론을 내렸다.