데이터 기반 범죄 예측·위험도 평가·압수수색 등 수사기법에도 접목
앞으로 AI 기술이 범죄를 예방하고 대응하는 가장 유력한 방안이 될 전망이다. 기존에도 CCTV나 RFID, GPS 등 사람을 대신해 더욱 효과적으로 범죄를 예방하고 대응하기 위한 기술적 장치나 시스템이 사용되고 있다.
그러나 최근엔 이에 AI기술을 접목한 지능형 감시와 예방기구와 방식이 확산되고 있다. 이른바 정부의 ‘뉴딜’ 정책의 일환으로 이를 연구한 정보통신정책연구원의 경우 그 대표적인 방식으로 컨볼루션 신경망(convolutinoal neural network) 등 안면인식 기술과 지능형 CCTV, 빅데이터와 AI의 접목 등을 꼽았다.
컨볼루션 신경망 활용 ‘안면인식’ 확산
이에 따르면 현재 개발된 안면인식은 컨볼루션 신경망을 사용해 기존 데이터와 디지털화된 이미지를 비교, 얼마나 유사한지를 점수로 환산한다. 그렇게 점수화된 목록을 최종 사용자에게 제공함으로써 얼굴을 식별해내는 것이다.
최근에는 딥러닝을 통해 얼굴인식 패턴을 찾아내면서 얼굴 식별 정확도가 높아졌고 지능형 CCTV를 이용한 분석 기술과 접목되면서 범죄수사의 효율성을 높이고 있다. 지능형 CCTV는 촬영된 영상에서 특정 객체를 인식하고 이를 추적할 수 있다.
이는 그저 감시 기능에만 머물렀던 기존 감시형 CCTV에 비해 상황을 판단하고 식별해낼 수 있다는 점에서 한층 발전된 범죄 예방 도구다.
지능형 영상분석기술도 동원
이같은 지능형 시스템을 구축하기 위해선 머신러닝에 기초한 빅데이터 분석기술인 지능형 영상분석기술이 필요하다. 이를 통해 데이터를 효과적으로 분석하고 신속한 경보와 대응이 가능한 것이다.
우선 범죄를 사전에 예측하고 예방하기 위해선 과거의 방대한 범죄 데이터(전과 기록이나 범죄 유형별 분석 모델 등)에서 사물과 사물 및 현상의 상관관계나 패턴을 인식하게 한다.
그리고 그 관계나 패턴을 특정 개인에 관한 데이터에 적용함으로써 자동으로 범죄 가능성을 분석하고 예방하게 한다. 이를 위해 일단 빅데이터를 수집·집적하고 해석한 후 프로파일링하고, 이를 활용해 범죄를 추적할 수 있다.
범죄 데이터 축적 많을수록 예측도 정확
AI가 얼마나 범죄를 사전에 예측할 수 있는가 하는 것은 축적된 범죄 데이터의 양과 비례한다. 즉 AI에 의한 범죄 예측 수준은 1단계에서 집적된 데이터 양이 많아질수록 높아지는 것이다.
그러나 집단적 특성에 근거한 AI의 확률적 예측은 공통 속성을 가진 집단에 포함되는 사람을 일반화할 가능성이 있다. 즉 직업이나 연령, 인종 등 유사한 특성을 지니고 있다는 이유로 범죄자로 분류하는 등의 부작용도 예상된다. 그러므로 “집단에 근거한 AI의 확률적 예측과 활용에는 주의가 필요하다”는 지적이다.
정보통신정책연구원에 의하면 그 때문에 미국에서는 전국적인 웹 시스템인 ‘Crime Report’를 구축하고 있다. 이는 지역 단위로 AI 기술의 예측력을 적용함으로써 중범죄 가능성이 높은 사람이나 지역 등을 목록화해 집중 감시하는 시스템이다.
수사업무도 AI로 기계화·효율화
이미 기존에도 AI를 활용해 범죄 데이터간의 경향이나 패턴, 관계를 파악함으로써 범죄 예측 모델을 개발해 단기·중기·장기 추세를 파악하는 연구는 진행되어왔다. 특히 범죄 및 범죄자를 분류할 수 있는 특징을 기반으로 범죄 이슈에 AI를 적용함으로써 일부 수사 업무를 기계화하고 범죄 예측 능력을 고도화하는 것이 가능해졌다.
연구원은 “이론적 관점에서 볼 때 AI는 범죄자의 범죄 행위 모델링, 행동 및 추리 방법 모델링 등에 활용할 수 있으나 실제 적용에선 한계가 있어 범죄자들의 특정한 프로필 모델링에 한하여 AI 활용이 가능하다”고 한계를 지적하면서 “범죄자들의 움직임, 생활 영역, 직업, 습관, 범죄 유형, 소셜 네트워크, 범죄 장소 등과 같이 누적된 데이터적 요소에 기반한 패턴 분석이 가능하다”고 밝혔다.
이로부터 도출된 유의미한 데이터를 수사기관에 제공하면 된다. 연구원은 또 “최근에는 컴퓨터가 스스로 학습해 패턴을 인식하고 압수·수색할 정도의 범죄혐의가 있는지, 또는 범죄혐의 정도를 확률적으로 계산해 범죄 가능성을 예측, 수사 착수를 판단하는 AI 기술이 개발 단계에 있다”고 전했다.
해외에선 머신러닝 기법 활성화
특히 해외에선 폭력성 범죄 가운데 가정폭력에 초점을 맞춰 머신러닝 기법을 활용해 재범성을 예측하는 방법도 개발하고 있다. 영국에서는 가정폭력, 스토킹, 괴롭힘 등의 위험 식별, 평가 및 관리 모델(DASH)1)을 사용해 범죄의 위험도를 평가한다. 그러나 심각한 위해성이나 재범 가능성에 대한 평가를 경찰이나 담당자가 판단하여 작성하는 데 한계점가 있다는 지적이 있었다.
이에 머신러닝을 적용해 현재의 담당자 판단 한계를 극복하고 재범 예측률을 재고할 수 있는 예측방법을 개발한 것으로 알려졌다. “우리나라 역시 영국의 DASH와 유사한 ‘위험도 평가척도’인 ‘가정폭력 재범위험성 조사표’가 있는데 이에 AI와 머신러닝 등을 접목해 활용하는 것이 바람직하다”는 의견이다.