오스카 결과를 수학으로 예측할 수 있다는 이야기를 처음 들었을 때 상당히 회의적이었습니다. 영화는 감정과 예술의 영역인데, 그걸 숫자로 환원할 수 있다는 발상 자체가 어딘가 어색하게 느껴졌거든요. 하지만 Ben Zauzmer가 15년째 이어온 오스카 예측 모델을 들여다보니, 생각보다 오스카라는 시스템이 패턴화되어 있다는 사실을 부정할 수 없었습니다. 그는 전초 시상식 결과, 과거 수상 패턴, 비평가 점수, 베팅 시장 같은 데이터를 모두 끌어모아 각 후보의 승리 확률을 계산합니다. 올해는 특히 'One Battle After Another'와 'Sinners'가 오스카 역사상 최다인 11개 부문에서 맞붙으면서, 이 모델이 누구의 손을 들어줄지가 더욱 흥미로운 관전 포인트가 됐죠.
데이터로 읽는 오스카, 정말 가능한 걸까요?
오스카를 데이터로 예측한다는 발상은 사실 새롭지 않습니다. 이미 여러 통계 전문가들이 PGA, DGA, SAG 같은 길드 시상식 결과를 분석해 오스카 결과를 맞춰왔고, 실제로 주요 부문에서 꽤 높은 적중률을 보여왔습니다. Zauzmer의 모델도 이런 흐름 위에 있지만, 그가 특별한 점은 단순히 전초전 결과만 보는 게 아니라 과거 98년간의 오스카 역사 전체를 학습 데이터로 삼는다는 겁니다.
제가 이 방식에 동의하는 부분은 명확합니다. 오스카는 우리가 생각하는 것만큼 순수한 예술 평가가 아닙니다. 실제로는 캠페인 전략, 스튜디오 영향력, 업계 분위기 같은 요소들이 강하게 작용하는 정치적 이벤트에 가깝죠. 예를 들어 올해 작품상 예측에서 'One Battle After Another'가 1위를 차지한 이유도 단순히 영화가 좋아서가 아니라, 거의 모든 주요 전초 시상식을 휩쓸었다는 데이터 때문입니다. 반대로 'Sinners'는 사상 최다인 16개 부문 노미네이트를 받았지만, 역사적으로 최다 노미네이트 영화의 44퍼센트가 작품상을 놓쳤다는 통계가 발목을 잡았습니다.
모델이 보여주는 또 다른 흥미로운 패턴은 연기상 부문입니다. 남우주연상의 경우 Michael B. Jordan과 Timothée Chalamet의 승률 차이가 겨우 0.9퍼센트에 불과해, 사실상 동전 던지기 수준이라고 표현했습니다. 반면 여우주연상은 Jessie Buckley가 골든글로브, 크리틱스 초이스, BAFTA, 배우조합상을 모두 석권하며 압도적 1위를 달리고 있죠. 이런 차이는 데이터가 명확할 때와 그렇지 않을 때 모델의 신뢰도가 얼마나 달라지는지를 보여줍니다.
정확도의 신뢰성
저는 실제로 지난 몇 년간 오스카 시즌을 관찰하면서, 시상식이 점점 더 스포츠 경기처럼 소비되고 있다는 느낌을 받았습니다. 어느 영화가 상승세인지, 어떤 캠페인이 먹혔는지, 누가 upset을 일으킬 가능성이 있는지 같은 이야기들이 영화 자체의 예술적 가치보다 더 큰 관심을 받습니다. 이 기사 역시 그런 흐름 속에 있고, 오스카 레이스를 하나의 예측 가능한 게임으로 만드는 데 일조하고 있습니다.
제가 이 모델에서 가장 우려하는 부분은 바로 표본의 크기입니다. 스포츠 통계처럼 수천 개의 경기 데이터가 있는 게 아니라, 실제로는 98년간의 시상식 결과, 그것도 각 부문당 몇십 개의 사례만 존재합니다. 통계학적으로 보면 이건 굉장히 작은 표본이고, 모델이 아무리 정교해도 근본적인 한계를 피할 수 없습니다. 실제로 과거에도 'Moonlight' 대 'La La Land' 같은 극적인 반전이나, 'Precious'가 'Up in the Air'를 꺾은 사례처럼 모델이 놓친 순간들이 있었습니다.
더 중요한 문제는 이런 모델이 '예측'에는 강하지만 '이해'에는 약하다는 점입니다. 누가 이길 가능성이 높은지는 보여줄 수 있지만, 왜 어떤 영화가 문화적으로 중요한지, 왜 특정 작품이 시대의 감정을 건드리는지는 설명하지 못합니다. 영화는 결국 감정과 경험의 예술이고, 그 본질은 데이터로 완전히 환원되지 않습니다. 제 경험상 가장 인상 깊었던 오스카 순간들은 대부분 예측을 벗어난 곳에서 나왔습니다.
예를 들어 올해 새로 생긴 캐스팅상 같은 경우, Zauzmer는 90명의 캐스팅 협회 회원을 폴링해 학습 데이터를 만들었다고 하는데, 이건 사실상 추측에 가깝습니다. 역사적 데이터가 전혀 없는 상황에서 만든 모델이 얼마나 신뢰할 수 있을까요? 'Sinners'의 Francine Maisler가 1위로 예측됐지만, 이게 실제로 맞을지는 시상식이 열려봐야 알 수 있습니다.
하지만 수학이 놓치는 변수들
이 모델은 영화 외적인 요소들, 예를 들어 갑작스러운 스캔들이나 시의성 있는 사회적 이슈, 투표 당일의 분위기 같은 변수를 반영하기 어렵습니다. 'Parasite'가 작품상을 받던 순간을 떠올려보면, 그건 단순히 전초전 성적이 좋아서가 아니라 할리우드가 다양성을 포용하겠다는 메시지를 보내고 싶었던 타이밍이었기 때문입니다. 이런 맥락은 숫자로 잡아내기 힘듭니다.
저는 개인적으로 오스카 예측 모델을 스포츠 베팅처럼 재미로 보는 건 괜찮다고 생각합니다. 하지만 이게 영화의 본질적 가치를 판단하는 기준이 돼서는 안 된다고 봅니다. 데이터는 트렌드를 보여줄 수 있지만, 예술의 진정한 의미는 트렌드를 벗어난 곳에서 발견되니까요.
정리하면, 오스카를 수학으로 예측하는 시도는 분명 흥미롭고 일정 부분 유효합니다. 하지만 영화는 단순히 승패를 가리는 경기가 아니라, 우리 시대의 이야기와 감정을 담는 그릇이라는 사실을 잊지 말아야 합니다. 올해 'One Battle After Another'와 'Sinners'의 대결이 역사상 가장 치열한 맞대결로 기록될지는 모르지만, 진짜 중요한 건 숫자가 아니라 이 두 영화가 관객에게 남긴 울림일 겁니다. 수학은 결과를 예측할 수 있지만, 그 결과가 왜 중요한지는 여전히 사람만이 말할 수 있습니다.