관상과 AI 얼굴 분석, 무엇이 다를까?

"AI 얼굴 분석이라는 게, 결국 관상 아닌가요?" 호감도를 만들면서 가장 많이 들은 질문입니다. 솔직히 말하면 이 질문을 받을 때마다 잠깐 멈칫하게 됩니다. 맞는 말 같기도 하고, 전혀 다른 것 같기도 하기 때문입니다. 그래서 이번 글에서는 한국 사람이라면 누구나 한 번쯤 들어봤을 '관상'과, 우리가 만들고 있는 'AI 얼굴 분석'이 정확히 어디서 닮았고 어디서 갈라지는지 정리해보려 합니다.

닮은 점: 둘 다 얼굴에서 '패턴'을 읽는다

관상학은 수백 년 동안 이어져 온 일종의 경험 데이터베이스입니다. 이마가 넓으면 어떻고, 코가 오뚝하면 어떻고, 입꼬리가 올라가면 어떻다는 식의 해석은, 셀 수 없이 많은 사람을 관찰한 끝에 만들어진 '경험적 패턴'입니다. 통계라는 단어를 쓰지 않았을 뿐, 본질은 수많은 사례에서 규칙성을 뽑아낸 것이죠.

AI 얼굴 분석도 하는 일은 비슷합니다. 호감도는 MediaPipe로 얼굴에서 478개의 점을 찍고, 거기서 얼굴 비율·눈 크기·턱선·입술·광대 같은 11개 숫자를 뽑아낸 뒤, 139개국의 선호 패턴과 비교합니다. "이런 얼굴은 이런 경향이 있다"를 찾는다는 점에서, 관상과 AI는 의외로 같은 일을 하고 있는 셈입니다. 그래서 "결국 관상 아니냐"는 질문이 완전히 틀린 말은 아닙니다.

다른 점 1: 무엇을 예측하려 하는가

여기서부터 길이 갈립니다. 관상은 얼굴을 보고 그 사람의 운명·성격·미래를 읽으려 합니다. "이 사람은 재물복이 있다", "말년이 편안하다" 같은 식이죠. 즉 얼굴이라는 '입력'에서 인생이라는 '출력'을 끌어냅니다. 솔직히 이건 검증하기가 거의 불가능합니다. 재물복이 있다는 예측이 맞았는지 30년 뒤에 확인할 수도 없는 노릇이니까요.

반면 AI 얼굴 분석이 예측하려는 건 훨씬 소박합니다. 호감도가 내놓는 결과는 "당신의 얼굴 비율이 통계적으로 어느 문화권의 선호와 가깝다"는 것뿐입니다. 운명도, 성격도, 미래도 말하지 않습니다. 다룰 수 있는 질문을, 다룰 수 있는 만큼만 다룬다는 게 가장 큰 차이입니다.

다른 점 2: 기준이 고정인가, 문화마다 다른가

전통 관상학에는 대체로 '좋은 상'과 '나쁜 상'이 정해져 있습니다. 하나의 기준이 모두에게 적용됩니다. 하지만 AI 얼굴 분석, 특히 호감도가 전제하는 것은 정반대입니다. 절대적으로 좋은 얼굴은 없다는 것이죠.

실제로 우리 데이터를 13개 문화권으로 나눠 보면, 같은 얼굴이라도 동아시아에서 높은 점수를 받는 얼굴과 라틴아메리카·중동에서 높은 점수를 받는 얼굴은 분명히 다릅니다. 갸름한 V라인과 큰 눈이 강점인 얼굴이 있는가 하면, 또렷한 윤곽과 도톰한 입술이 강점인 얼굴이 있습니다. 어느 쪽이 더 낫다고 말할 수 없습니다. 그저 '어디서 더 사랑받느냐'가 다를 뿐입니다. 관상이 하나의 잣대를 들이댄다면, AI 얼굴 분석은 잣대 자체가 여러 개라는 입장입니다.

다른 점 3: 투명성 — 왜 그런 결과가 나왔는가

관상은 해석하는 사람에 따라 결과가 달라집니다. 같은 얼굴을 두고도 누구는 좋게, 누구는 나쁘게 봅니다. 근거를 끝까지 따져 물으면 결국 "오래된 경험"이라는 답에 도달합니다.

AI 얼굴 분석은 적어도 이 부분에서 더 정직할 수 있습니다. 호감도는 어떤 지표가 점수에 얼마나 기여하는지 가중치를 공개합니다(눈 800, 입술 450, 턱 280, 광대 280, 얼굴 비율 30). 결과가 마음에 안 들면 "왜?"라고 물을 수 있고, 그 답이 숫자로 존재합니다. 물론 이 숫자들도 우리가 정한 것이라 완벽하진 않지만, 적어도 검증하고 고칠 수 있다는 점이 다릅니다. 실제로 우리는 13개 문화권의 결과 분포가 한쪽으로 쏠리지 않도록 이 가중치를 수십 번 조정해 왔습니다.

실측 데이터: 얼굴 부위들은 서로 연결되어 있는가

관상학의 핵심 전제 중 하나는 얼굴의 각 부위가 서로 맞물려 하나의 '상'을 이룬다는 것입니다. 코가 이러면 입도 저렇고, 그래서 이런 성정이라는 식이죠. 이 전제는 데이터로 확인할 수 있습니다. 139개국 평균값을 기준으로 6개 지표가 서로 얼마나 함께 움직이는지 상관계수를 계산해 봤습니다.

결과는 관상학의 기대와 다릅니다. 30개 조합 중 절댓값 0.3을 넘는 상관은 단 두 쌍뿐입니다. 코 비율과 입술 두께가 −0.47로 가장 뚜렷하고(코가 상대적으로 짧은 집단일수록 입술이 두꺼운 경향), 눈 크기와 턱선 선명도가 +0.34입니다. 나머지는 대부분 0 근처에 흩어져 있습니다.

특히 눈에 띄는 것은 얼굴 대칭입니다. 대칭은 다른 다섯 지표 전부와 −0.19에서 −0.04 사이, 즉 사실상 무상관입니다. 대칭이 좋다고 해서 턱선이 뚜렷하거나 눈이 크지 않고, 그 반대도 아닙니다. 얼굴의 각 부위는 서로를 예측해 주지 않으며, 대체로 독립적으로 변합니다.

이것이 관상과 AI 얼굴 분석의 가장 근본적인 차이를 만듭니다. 관상학은 부위 간의 연결에서 의미를 읽어내지만, 측정 데이터에는 그런 강한 연결 구조가 거의 없습니다. Hogamdo가 하는 일은 부위를 엮어 성격을 읽는 것이 아니라, 각 지표를 독립적으로 재서 어느 나라 사람들의 평균과 가까운지를 비교하는 것뿐입니다. 지표별 국가 분포 전체는 139개국 얼굴 지표 데이터 리포트에서 볼 수 있습니다.

해석 주의: 위 상관은 국가 평균끼리의 관계이며, 개인 단위의 상관과는 다를 수 있습니다(생태학적 오류). 또한 상관이 없다는 것이 인과가 없다는 증명은 아니며, 반대로 상관이 있다고 해서 인과가 성립하는 것도 아닙니다.

그래서, 둘 중 뭐가 맞는 걸까?

제 생각은 이렇습니다. 관상이든 AI든, 얼굴 한 장으로 사람을 다 안다고 믿는 순간 둘 다 위험해집니다. 관상이 "넌 이런 운명이야"라고 단정하면 미신이 되고, AI가 "넌 몇 점이야"라고 단정하면 그것도 똑같이 폭력적입니다.

호감도를 만들면서 우리가 계속 되새기는 원칙은 하나입니다. 이건 판정이 아니라 발견의 도구여야 한다는 것. 내 얼굴이 지구 어딘가의 문화와는 유난히 잘 맞는다는 걸, 가볍고 즐겁게 알려주는 것. 딱 거기까지입니다. 표정, 말투, 자신감, 따뜻함처럼 사진에 담기지 않는 것들이 실제 매력의 대부분을 차지한다는 사실은, 어떤 알고리즘도 바꾸지 못합니다.

관상이 궁금했던 마음으로 AI 얼굴 분석을 시도해 보는 건 충분히 재미있는 일입니다. 다만 그 결과를 '운명'이 아니라 '한 장의 문화 지도'로 받아들이면, 훨씬 더 건강하고 오래 즐길 수 있습니다.