1
00:00:00,817 --> 00:00:04,269
사람들은 다양한 이유로 
인터넷을 사용합니다.

2
00:00:05,765 --> 00:00:09,569
알고 보니 가장 인기 있는
웹사이트 중 하나는

3
00:00:09,593 --> 00:00:12,465
대개 사람들이 개인적으로 소비하는 
어떤 것이었습니다.

4
00:00:13,639 --> 00:00:16,149
그것은 호기심과

5
00:00:16,173 --> 00:00:19,969
무의미한 수준의 자기 방종을 포함하며

6
00:00:19,993 --> 00:00:24,603
다른 사람들의 생식 활동을 
기록하는 데 중점을 둡니다.

7
00:00:24,610 --> 00:00:25,642
(웃음)

8
00:00:25,666 --> 00:00:27,916
당연히 제가 얘기하는 건 가계도인데요.

9
00:00:27,940 --> 00:00:29,154
(웃음)

10
00:00:29,178 --> 00:00:30,880
가족사의 연구 말입니다.

11
00:00:31,353 --> 00:00:33,390
가족사를 자세히 설명하자면,

12
00:00:33,414 --> 00:00:37,357
모든 가족 중에는 
족보에 집착하는 사람이 있죠.

13
00:00:37,381 --> 00:00:39,094
그를 버니 삼촌이라고 합시다.

14
00:00:39,118 --> 00:00:44,520
추수감사절 만찬에서 당신은 결코 
버니 삼촌 옆에는 앉지 않을 겁니다.

15
00:00:44,547 --> 00:00:47,361
그는 어떤 고대 친척들에 관한 
이상한 정보로

16
00:00:47,385 --> 00:00:49,351
당신을 지루하게 만들 거니까요.

17
00:00:50,462 --> 00:00:51,724
하지만 당신도 알다시피

18
00:00:51,748 --> 00:00:54,620
모든 것에는 과학적인 면이 있으며

19
00:00:54,644 --> 00:00:57,622
우리는 버니 삼촌의 이야기가 
생명 의학 연구에

20
00:00:57,646 --> 00:01:00,814
엄청난 잠재력을 가졌다는 것을 
알게 되었습니다.

21
00:01:01,306 --> 00:01:04,020
우리는 버니 삼촌과 동료 계보학자들에게

22
00:01:04,044 --> 00:01:08,712
지니닷컴이라는 계보학 사이트를 통해 
그들의 가계도를 기록하도록 했습니다.

23
00:01:09,198 --> 00:01:11,326
사용자들이 가계도를 
웹사이트에 올리면,

24
00:01:11,350 --> 00:01:13,040
그 사이트는 친척을 찾아보고

25
00:01:13,064 --> 00:01:15,139
기존의 것과 일치하는 것을 발견하면

26
00:01:15,163 --> 00:01:18,773
새로운 것을 기존 버전과 합칩니다.

27
00:01:19,768 --> 00:01:22,718
그러면 각 계보학자의 
개인적인 수준을 넘는

28
00:01:22,742 --> 00:01:26,221
더 큰 가계도가 만들어지게 됩니다.

29
00:01:26,808 --> 00:01:30,937
이제 이 과정을 반복해서 전 세계의

30
00:01:30,961 --> 00:01:32,778
수백만 명의 사람들과 함께

31
00:01:32,802 --> 00:01:38,334
모든 인류의 가계도 구조를 
크라우드 소싱할 수 있습니다.

32
00:01:39,292 --> 00:01:40,876
이 웹사이트를 사용해서

33
00:01:40,900 --> 00:01:45,713
1억 2천 5백만 명의 사람들을

34
00:01:45,737 --> 00:01:48,258
하나의 가계도로 
연결할 수 있었습니다.

35
00:01:48,967 --> 00:01:51,755
여기 스크린에 그 가계도를
그릴 순 없습니다.

36
00:01:51,779 --> 00:01:53,944
이 가계도에 있는 사람들의 수보다

37
00:01:53,968 --> 00:01:56,481
픽셀 수가 적기 때문이죠.

38
00:01:56,505 --> 00:02:01,515
하지만 여기 6000명의 
하위 집합의 예가 있습니다.

39
00:02:02,159 --> 00:02:04,521
각 녹색 점은 한 사람을 나타냅니다.

40
00:02:05,060 --> 00:02:07,909
빨간 점들은 결혼을 나타내고요.

41
00:02:07,933 --> 00:02:10,191
그리고 연결선들은 부모를 나타냅니다.

42
00:02:10,557 --> 00:02:12,929
이 가계도 중앙에는 조상들이 보이죠.

43
00:02:12,953 --> 00:02:15,557
그리고 주변부로 가면 
그 자손들을 볼 수 있습니다.

44
00:02:15,581 --> 00:02:18,683
이 가계도에는 약 7세대가 있네요.

45
00:02:19,692 --> 00:02:22,926
개인의 숫자를
7만 명까지 늘렸을 때는

46
00:02:22,950 --> 00:02:24,778
이렇게 되겠죠.

47
00:02:24,802 --> 00:02:29,132
우리가 가진 모든 데이터에 비하면 
여전히 아주 작은 부분집합입니다.

48
00:02:29,629 --> 00:02:34,442
그럼에도 불구하고, 
이미 많은 먼 친척들로 구성된

49
00:02:34,466 --> 00:02:37,121
거대한 가계도가 형성되는 것을 
볼 수 있습니다.

50
00:02:37,610 --> 00:02:40,744
많은 계보학자들의 노고 덕분에

51
00:02:40,768 --> 00:02:43,871
우리는 수백 년 전 과거로 
돌아갈 수 있습니다.

52
00:02:44,418 --> 00:02:47,859
예를 들자면, 
여기 알렉산더 해밀턴이 있습니다.

53
00:02:47,883 --> 00:02:50,358
그는 1755년에 태어났죠.

54
00:02:50,872 --> 00:02:54,636
알렉산더는 미국의 
초대 재무 장관이었지만

55
00:02:54,660 --> 00:02:58,491
대부분 알려진 건 오늘날 
브로드웨이 뮤지컬의 인기 덕택이죠.

56
00:02:59,137 --> 00:03:04,059
알렉산더가 연예 산업에 
깊은 연줄이 있다는 걸 알게 됐습니다.

57
00:03:04,083 --> 00:03:06,194
사실, 그는 친척 관계입니다.

58
00:03:06,781 --> 00:03:08,001
바로 케빈 베이컨이랑요!

59
00:03:08,025 --> 00:03:10,057
(웃음)

60
00:03:10,081 --> 00:03:12,687
그들 모두 스코틀랜드 출신인 
한 여인의 후손입니다.

61
00:03:12,711 --> 00:03:15,025
그녀는 13세기 사람이죠.

62
00:03:15,049 --> 00:03:18,151
따라서 알렉산더 해밀턴와 케빈 베이컨은

63
00:03:18,175 --> 00:03:21,363
35대가 차이 나는 
친척이라고 할 수 있죠.

64
00:03:21,387 --> 00:03:22,828
(웃음)

65
00:03:22,852 --> 00:03:26,082
이처럼 우리 가계도는 
수백만 개의 이야기를 가지고 있습니다.

66
00:03:28,113 --> 00:03:33,003
저희는 데이터의 우수함을 입증하기 위해
상당한 노력을 기울였습니다.

67
00:03:33,027 --> 00:03:38,418
DNA를 이용해서 데이터에 있는
어머니와 아이들의 관계 중 0.3%가

68
00:03:38,442 --> 00:03:39,692
잘못됐다는 것을 발견했습니다.

69
00:03:39,716 --> 00:03:43,307
이것은 제2차 세계대전 이전 
미국의 입양률과 일치할 겁니다.

70
00:03:44,847 --> 00:03:46,632
아버지의 경우에는

71
00:03:46,656 --> 00:03:48,617
더 좋지 않네요.

72
00:03:50,149 --> 00:03:55,749
데이터 중 아버지와 아이들의 관계는
1.9%의 비율로 잘못되었습니다.

73
00:03:55,773 --> 00:03:58,136
여기 몇몇 분들이
웃고 계신 게 보이네요.

74
00:03:58,160 --> 00:03:59,877
여러분들이 생각하는 것처럼

75
00:03:59,901 --> 00:04:01,690
그곳엔 많은 우유배달원들이 있었죠.

76
00:04:01,714 --> 00:04:02,778
(웃음)

77
00:04:02,802 --> 00:04:06,791
하지만 이러한 부계 관계의
1.9% 오차율이

78
00:04:06,815 --> 00:04:08,584
우리 자료에 국한된 것은 아닙니다.

79
00:04:08,608 --> 00:04:11,677
임상 등급의 가계도를 사용했었던 
이전 연구 자료도

80
00:04:11,701 --> 00:04:13,722
비슷한 오차율이 발견됐습니다.

81
00:04:14,254 --> 00:04:16,779
따라서 데이터의 품질은 우수한 것이고,

82
00:04:16,803 --> 00:04:18,936
그게 놀라운 일은 아닙니다.

83
00:04:18,960 --> 00:04:22,736
우리 계보학자들은 
가족사를 정확하게 기록하는 데

84
00:04:22,760 --> 00:04:26,428
깊은 관심과 기득권을 가지고 있습니다.

85
00:04:28,594 --> 00:04:33,185
우리는 이 데이터를 활용해 
인류의 양적 정보를 배울 수 있습니다.

86
00:04:33,209 --> 00:04:35,805
예를 들면 인구통계학에 관한 
문제 같은 거죠.

87
00:04:35,829 --> 00:04:39,686
여기 세계지도에 
우리 모두의 프로필이 있습니다.

88
00:04:40,250 --> 00:04:44,731
각각의 픽셀은 
특정 시점에 살았던 사람입니다.

89
00:04:44,755 --> 00:04:46,435
이 데이터는 아주 방대하기때문에,

90
00:04:46,459 --> 00:04:49,240
여러분은 많은 나라들, 
특히 서구 세계의

91
00:04:49,264 --> 00:04:51,363
경계를 볼 수 있을 겁니다.

92
00:04:51,387 --> 00:04:54,935
이 동영상에서는 여러분들에게 
보여드린 지도를 계층화했습니다.

93
00:04:54,959 --> 00:05:00,031
1400년부터 1900년까지 
개인의 출생연도를 기준으로요.

94
00:05:00,055 --> 00:05:02,821
그리고 잘 알려진 이주 사건들과
그걸 비교했어요.

95
00:05:03,482 --> 00:05:06,647
이 동영상은 데이터의 가장 깊은 혈통이
거슬러 올라가보면

96
00:05:06,671 --> 00:05:08,298
영국까지 간다는 걸 보여줍니다.

97
00:05:08,322 --> 00:05:10,130
영국의 기록은 잘 유지되고 있었죠.

98
00:05:10,154 --> 00:05:13,436
그들은 서구 식민주의의 루트를 따라 
퍼져나갔습니다.

99
00:05:13,460 --> 00:05:14,782
이걸 한 번 보시죠.

100
00:05:15,143 --> 00:05:16,752
(음악)

101
00:05:16,776 --> 00:05:19,117
[출생연도]

102
00:05:19,705 --> 00:05:21,541
[1492 - 콜럼버스 대양 항해]

103
00:05:23,661 --> 00:05:25,861
[1620 - 메이플라워호 
매사추세츠 상륙]

104
00:05:26,726 --> 00:05:28,861
[1652 - 네덜란드인 
남아프리카 정착]

105
00:05:32,321 --> 00:05:34,451
[1788 - 대영제국 
호주로 유배 시작]

106
00:05:34,451 --> 00:05:36,988
[1836 - 최초 이민자들 
오리건 산길 이용]

107
00:05:38,149 --> 00:05:41,332
[모든 활동]

108
00:05:43,851 --> 00:05:45,394
저는 이 영화를 좋아합니다.

109
00:05:45,418 --> 00:05:50,511
이 이주 사건들이 
가족의 맥락을 말해주고 있기 때문에

110
00:05:50,535 --> 00:05:52,718
우리는 이런 질문을 할 수 있습니다.

111
00:05:52,742 --> 00:05:59,052
남편과 아내의 출생지 사이의 
일반적인 거리는 얼마입니까?

112
00:05:59,072 --> 00:06:02,749
이 거리는 인구통계학에서 
중요한 역할을 합니다.

113
00:06:02,773 --> 00:06:06,454
왜냐하면 사람들이 가족을 이루기 위해 
이주하는 패턴이

114
00:06:06,478 --> 00:06:10,191
유전자가 지리적으로 어떻게 확산되는지 
결정하기 때문이죠.

115
00:06:10,706 --> 00:06:13,034
우리는 데이터를 사용하여 
이 거리를 분석했고

116
00:06:13,058 --> 00:06:16,578
옛날 사람들의 경우에는 
분석하기 쉬웠다는 걸 알게 됐습니다.

117
00:06:16,626 --> 00:06:19,220
사람들은 근처 마을의 누군가와 
결혼했습니다.

118
00:06:19,958 --> 00:06:23,663
하지만 산업혁명은 우리의 애정생활을 
정말 복잡하게 만들었습니다.

119
00:06:23,687 --> 00:06:28,247
그리고 오늘날엔 저렴한 항공편과 
온라인 소셜미디어와 함께

120
00:06:28,271 --> 00:06:33,099
사람들은 출생지에서 100km 이상 
떨어진 곳으로 이동하죠.

121
00:06:33,123 --> 00:06:34,627
소울메이트를 찾기 위해서요.

122
00:06:36,524 --> 00:06:37,711
여기서 나오는 질문이,

123
00:06:37,735 --> 00:06:42,231
좋아요. 그런데 가족을 이루기 위해
누가 이곳저곳 이동하는

124
00:06:42,255 --> 00:06:43,524
힘든 일을 하죠?

125
00:06:43,548 --> 00:06:47,275
남성들인가요, 여성들인가요?

126
00:06:47,752 --> 00:06:49,907
답을 찾기 위해 
우리 데이터를 사용했죠.

127
00:06:49,931 --> 00:06:52,525
그리고 적어도 지난 300년 동안

128
00:06:52,549 --> 00:06:56,432
여성들이 이 힘든 일을 
했다는 것을 발견했죠.

129
00:06:56,456 --> 00:06:59,452
가족을 이루기 위해 
이곳저곳 옮겨가는 일이요.

130
00:06:59,476 --> 00:07:02,577
이 결과는 통계적으로 중요합니다.

131
00:07:02,601 --> 00:07:06,072
남자들이 게으르다는 것을 
과학적 사실로 받아들일 수 있으니까요.

132
00:07:06,096 --> 00:07:09,252
(웃음)

133
00:07:09,276 --> 00:07:11,812
우리는 인구통계학에 관한
질문으로부터 벗어나

134
00:07:11,836 --> 00:07:14,749
인간의 건강에 대해 
질문할 수 있습니다.

135
00:07:14,773 --> 00:07:16,260
예를 들면, 우리는

136
00:07:16,284 --> 00:07:21,247
유전자 변이가 개인 간 수명 차이를
어느 정도까지 설명할 수 있는지

137
00:07:21,271 --> 00:07:22,465
물어볼 수 있습니다.

138
00:07:22,988 --> 00:07:28,778
이전 연구들은 이 문제를 풀기 위해 
쌍둥이의 장수의 상관관계를 분석했습니다.

139
00:07:29,411 --> 00:07:32,078
그들은 유전자 변이가 
개인 간 수명 차이의

140
00:07:32,102 --> 00:07:36,142
약 4분의 1을 차지한다고 
추정했습니다.

141
00:07:36,688 --> 00:07:39,286
하지만 쌍둥이는 많은 이유로
상관관계가 있겠죠.

142
00:07:39,310 --> 00:07:41,614
다양한 환경적 요인이나

143
00:07:41,638 --> 00:07:43,260
공동 가정을 포함해서요.

144
00:07:44,411 --> 00:07:48,164
큰 가계도는 가까운 친척 모두를 
분석할 수 있는 기회가 됩니다.

145
00:07:48,188 --> 00:07:49,395
쌍둥이와 뿐만 아니라,

146
00:07:49,419 --> 00:07:52,336
심지어 10촌 같은 먼 친척까지요.

147
00:07:52,749 --> 00:07:55,438
이런 식으로 우리는 
강력한 모델을 구축할 수 있죠.

148
00:07:55,462 --> 00:08:00,760
그 모델은 환경적 요인으로부터 
유전자 변이의 영향을 구별할 수 있습니다.

149
00:08:01,379 --> 00:08:04,278
우리는 데이터를 사용하여
이 분석을 수행했고

150
00:08:04,302 --> 00:08:10,093
유전적 변이가 개인 간 
수명 차이 중 약 15%만을

151
00:08:10,117 --> 00:08:12,923
설명해 준다는 것을 발견했습니다.

152
00:08:14,760 --> 00:08:17,516
그건 평균적으로 5년입니다.

153
00:08:18,316 --> 00:08:23,024
따라서 유전자는 수명에 있어 
우리가 생각했던 것보다 덜 중요합니다.

154
00:08:23,675 --> 00:08:25,811
그리고 그건 좋은 소식입니다.

155
00:08:26,438 --> 00:08:29,731
우리의 행동이 더 중요할 수 있음을 
의미하기 때문이죠.

156
00:08:30,533 --> 00:08:34,807
예를 들어 흡연이 
기대수명의 10년을 결정한다면

157
00:08:34,831 --> 00:08:37,477
이건 유전자가 결정하는 것보다 
두 배나 많습니다.

158
00:08:38,236 --> 00:08:40,525
심지어 더 놀라운 결과가 있습니다.

159
00:08:40,549 --> 00:08:42,041
우리가 가계도를 떠나서

160
00:08:42,065 --> 00:08:46,797
계보학자들에게 DNA 정보를 문서화하고
크라우드 소싱하게 했을 때

161
00:08:46,821 --> 00:08:48,845
그 결과는 놀라웠습니다.

162
00:08:49,255 --> 00:08:53,170
상상하기 어렵겠지만 
버니 삼촌과 그의 친구들은

163
00:08:53,194 --> 00:08:54,864
DNA 법의학을 만들 수 있어요.

164
00:08:55,864 --> 00:08:59,423
그건 심지어 FBI의 것보다 낫죠.

165
00:09:00,862 --> 00:09:03,266
큰 가계도에 DNA를 넣으면,


166
00:09:03,290 --> 00:09:05,431
효과적인 불빛을 만들어


167
00:09:05,431 --> 00:09:08,065
수백 명의 먼 친척들을
표시할 수 있게 되죠.

168
00:09:08,089 --> 00:09:11,579
그들은 모두 특정 DNA로를 타고난 
한 사람과 연결되어 있습니다.

169
00:09:12,505 --> 00:09:15,418
대형 가계도에 
여러 개의 비콘을 배치함으로써

170
00:09:15,442 --> 00:09:19,162
여러분들은 알려지지 않은 사람의 
DNA를 삼각측량할 수 있습니다.

171
00:09:19,186 --> 00:09:23,124
GPA 시스템이 위치를 찾기 위해 
여러 개의 위성을 사용하는 방식과

172
00:09:23,148 --> 00:09:24,472
같은 방식이죠.

173
00:09:25,226 --> 00:09:28,850
이 기술의 가장 큰 예는

174
00:09:28,874 --> 00:09:31,549
골든스테이트 킬러를 잡은 일입니다.

175
00:09:32,612 --> 00:09:37,140
그는 미국 역사상 
가장 악명 높은 범죄자 중 한 명이죠.

176
00:09:37,164 --> 00:09:43,056
FBI는 40년 넘게 이 사람을 
찾고 있었습니다.

177
00:09:43,588 --> 00:09:45,423
FBI는 그의 DNA를 가지고 있었지만

178
00:09:45,447 --> 00:09:48,797
그는 어떤 경찰 데이터베이스에도 
나타나지 않았죠.

179
00:09:49,447 --> 00:09:54,159
약 1년 전, FBI는 
한 유전 계보학자와 상담했고

180
00:09:54,183 --> 00:09:58,133
그녀는 FBI에게 그의 DNA를 
계보학회에 제출하라고 했습니다.

181
00:09:58,157 --> 00:10:00,555
그걸로 먼 친척을 찾을 수 있으니까요.

182
00:10:01,117 --> 00:10:02,273
그들은 그렇게 했고

183
00:10:02,297 --> 00:10:05,989
골든스테이트 킬러의 8촌을 찾았습니다.

184
00:10:06,013 --> 00:10:08,357
그들은 큰 가계도를 만들었고

185
00:10:08,381 --> 00:10:10,483
그 가계도의 다른 가지들을 
훑어봤습니다.

186
00:10:10,507 --> 00:10:13,072
골든스테이트 킬러에 대해 
알고 있는 것과

187
00:10:13,096 --> 00:10:15,677
정확히 일치하는 
프로필을 찾을 때까지요.

188
00:10:15,701 --> 00:10:19,293
이 사람으로부터 얻은 DNA가
그들이 가지고 있는 DNA와

189
00:10:19,317 --> 00:10:21,342
정확히 일치하는 것을 발견했습니다.

190
00:10:21,366 --> 00:10:23,716
그는 체포됐고 법의 심판을 
받게 됐습니다.

191
00:10:23,740 --> 00:10:25,164
이 모든 세월이 지난 후에요.

192
00:10:26,172 --> 00:10:29,413
그 이후로 유전 계보학자들은 
미국 지방 법 집행기관과

193
00:10:29,437 --> 00:10:32,105
함께 일하기 시작했습니다.

194
00:10:32,129 --> 00:10:35,491
범인을 잡는데 
이 기술을 사용하기 위해서죠.

195
00:10:35,521 --> 00:10:38,202
그리고 지난 6개월 동안만 해도

196
00:10:38,226 --> 00:10:42,522
이 기술로 20개 넘는 미제 사건들을 
해결할 수 있었습니다.

197
00:10:44,203 --> 00:10:48,839
다행히도 우리에게는 버니 삼촌과 
동료 계보학자와 같은 사람들이 있죠.

198
00:10:49,045 --> 00:10:52,039
그들은 이기적인 취미를 가진 
아마추어가 아닙니다.

199
00:10:52,602 --> 00:10:59,021
그들은 우리가 누구인지 알려주려는
깊은 열정을 가진 시민과학자이며

200
00:10:59,065 --> 00:11:03,523
과거가 미래의 열쇠를 
쥐고 있다는 것을 압니다.

201
00:11:04,066 --> 00:11:05,306
대단히 감사합니다.

202
00:11:05,310 --> 00:11:06,130
(박수)