[테크M 독점제휴= MIT테크놀로지리뷰]

 피고인은 어떨 때 구속돼 구치소에서 판결을 기다리고, 어떨 때 석방돼 집에서 판결을 기다려야 할까?

인공지능은 이 문제에 대 한 판사의 판단을 크게 개선할 수 있다. 미국경제연구소(NBER)의 한 연구에서 경제학자와 컴퓨터 과학자들은 뉴욕시의 전과와 범죄기록 수십 만 건을 바탕으로 피고가 달아날 위험이 있는지를 예측하는 알고리즘을 학습시켰다.

이후 학습에 사용되지 않은 다른 10만 건을 바탕으로 예측한 결과, 석방된 피고의 행동에 대해 판사보다 알고리즘이 더 잘 예측하는 것으로 드러났다.

 이 연구에 참여한 코넬대학교의 존 클라인버그 교수는 형사 사법제도에 기계학습을 적용할 얻게 될 이득을 정책 결정자들에게 보여주기 위해 이 연구를 추진했다며 “이번 연구는 전문가들이 상당히 노력을 기울이는 분야에서도 기계학습이 도움이 될 수 있다는 것을 보여준다”고 말했다.

뉴욕시에 적용한 연구팀의 예측에 따르면, 구속되는 피고인 수를 그대로 유지해도 석방자의 범죄가 25% 줄어든다.  만약 범죄율이 그대로 유지된다면 구속되는 피고인의 수는 40%나 줄어든다. 또 구속된 이들 중 아프리칸-아메리칸과 히스패닉의 비율이 줄어드는 보너스 효과도 있다.

  이 알고리즘은 개인의 전과 기록과 해당 사건 기록을 바탕으로 각 피고인의 위험도를 계산한다.

이들이 사용하는 인구 통계적 정보는 나이뿐으로, 인종이나 다른 요인을 고려하지 않는다. 클라인버그 교수는 이 알고리즘이 "불구속하게 되면 범죄를 저지를 확률이 높거나 나중에 재판에 나타나지 않을 가능성이 높은 데도 판사가 구속하지 않는다면 이를 재검토하라고 조언하는 조수 역할이 가능할 것"이라고 말했다.

<본 기사는 테크M 제51호(2017년 7월) 기사입니다>