55. 기계학습으로 재판결과 개선하기

기계학습 machine learning을 도입하여 업무의 성과를 향상시키기 위한 시도들이 이어지고 있다. MIT Technology Review는 기계학습을 재판 과정에 도입한 결과를 소개했다.

"How to Upgrade Judges with Machine Learning"

by Tom Simonite  March 6, 2017

기사원문

'기계학습으로 재판관들을 향상시킬 수 있는가' 정도로 번역할 수 있겠다. 간단히 요약한다.

범죄 피고인들을 구속하여 재판을 받게 할 것인가? 아니면 불구속 상태에서 재판을 받게 할 것인가?

이 결정은 피고인들이 저지를 수 있는 또다른 범죄를 막고 범죄율을 낮추는데 중요하다. 그러나 교도소에 수용할 수 있는 인원을 조절해야 하는 현실적인 제약이 있기 때문에 재판관들의 판단이 중요하다.

이러한 사법 판단에 기계학습을 이용한 결과를 소개한다. 국립 경제연구국 National Bureau of Economic Research의 경제학자들과 컴퓨터 과학자들은 수십만건의 뉴욕시 New York City 사건기록으로 알고리즘을 학습시켰다. 그 후, 수십만건의 새로운 사건기록을 가지고 범죄자의 추가 범죄 가능성을 예측하게 했다. 인공지능의 예측은 인간 재판관들의 판단보다 나은 결과를 보였다.

연구결과

뉴욕시의 경우, 기계학습에 의하면 교도소 수감자의 수는 그대로 둔 채, 피고인들의 추가 범죄율을 약 25%까지 낮출 수 있었다. 반대로 범죄율은 그대로 둔 채, 교도소 수감자의 수를 약 42%까지 줄일 수 있었다. 40 곳의 다른 도시지역 카운티에서도 비슷한 결과을 얻을 수 있었다. 사건기록을 바탕으로 한 이 알고리즘은 오히려 흑인이나 히스패닉 수감자의 비율을 낮추었다.

이 연구결과는 전문가 집단이 대다수인 사법 시스템에서도 인공지능에 의한 결과의 향상이 가능하다는 것을 보여준다. 현재의 사법 시스템을 크게 바꾸지 않는 상태에서, 때때로 잘못된 판단을 내리는 재판관들의 결정에 도움을 주는 경고 시스템으로서 도입할 수 있다고 말한다. 그러나 무분별한 인공지능에 대한 의존은 아직 때가 이르다. 어떤 상업적인 인공지능 예측 알고리즘은 흑인들이 백인들에 비해 높은 위함을 가진다는 잘못된 결과를 내놓기도 했다. 주의가 필요한 지점이다.

우리나라의 기계학습과 사법시스템에 대한 논의는 어느 단계에 와 있을까?