[AI 이슈] 美 시카고, 인공지능이 90% 정확도로 일주일 뒤 범죄 예측한다!

[곽영어]

범죄를 미리 알고 범인을 미리 체포할 수 있다는 '마이너리티 리포트(Minority Report)'가 아니며, 모델은 용의자를 식별하지 않고 단지, 잠재적인 범죄 유형만 식별한다...인종 편견을 영속화(永續化) 할 수 있기 때문에 논란의 여지

이미지:픽사베이, 편집:본지

인공지능(AI)으로 최대 90%의 정확도로 일주일 전에 도시 전역의 범죄 위치와 범죄율을 예측할 수 있다.

시카고대학교 의과대학(University of Chicago Department of Medicine) 교수이자 유전학 및 시스템 생물학 위원회(Committee on Genetics, Genomics & Systems Biology, University of Chicago, Chicago) 이샤누 차토파디야이(Ishanu Chattopadhyay)가 주도한 컴퓨터공학부, 의학부, 사회학부의 공동 연구팀이 2014년부터 2016년 말까지 시카고의 과거 사건 보고서에서 시공간적 종속성을 학습하여 범죄를 예측하는 확률적 추론 인공지능 모델을 개발하고 공개했다.

이 모델은 시카고에서 일주일 전에 최대 90%의 정확도로 약 300미터의 정사각형으로 분할된 도시 전역에서 특정(살인·강도·상해 등) 범죄가 발생할 가능성을 예측했다. 또한 유사한 수준의 성능으로 범죄 패턴은 미국의 8개 주요 도시에서 입증되었다고 한다.

연구팀은 이와 함께, 관련 데이터를 사용하여 인간의 '편견'이 치안 유지에 영향을 미친다는 것도 확인했다. 시카고의 사회경제적 수준이 서로 다른 지역에서 범죄로 이어진 체포 건수를 분석했다. 결과적으로 부유한 지역의 범죄가 빈곤한 지역보다 더 많은 체포를 초래했으며, 이는 경찰 대응의 편향성을 시사한다.

이처럼 범죄를 예측하기 위해 AI를 사용하려는 이전의 노력은 인종 편견을 영속화(永續化) 할 수 있기 때문에 논란의 여지가 있다.

이샤누 차토파디야이 교수(사진:시카고대)

차토파디야이 교수는 자신의 모델에 사용된 데이터도 편향될 있다는 점을 인정하지만 편향의 영향을 줄이기 위해 노력했으며, 이 AI모델은 필립 K. 딕(Philip Kindred Dick)의 단편소설을 원작으로 하여 제작된 영화로 범죄를 미리 알고 범인을 미리 체포할 수 있다는 '마이너리티 리포트(Minority Report)'가 아니며, 모델은 용의자를 식별하지 않고 단지, 잠재적인 범죄 유형만 식별한다고 밝혔다.

또한 그는 연구팀의 AI 범죄 예측 시스템이 경찰 자원이 직접 사용되는 것보다 높은 수준에서 경찰에 주의 단계를 통보하는 방식으로 활용할 수 있다고 밝혔다. 그는 다른 연구자들 위해 연구에 사용된 데이터와 알고리즘을 공개했다.

한편, 이번 연구 결과는 ‘네이처 인간 행동(Nature Human Behavior)’ 저널에 '도시 범죄에 대한 사건 수준 예측은 미국 도시에서의 법 집행 편향의 특징을 보여준다(Event-level prediction of urban crime reveals a signature of enforcement bias in US cities-아래 첨부)'란 제목으로 지난달 30일 게재됐으며, 모델은 깃허브(다운)에서 사용할 수 있으며 소프트웨어의 현재 버전(다운)을 참조하면 된다.

첨부파일 : A-Event-level Prediction of Urban Crime Reveals Signature of Enforcement Bias in U.S. Cities.pdf

첨부파일 : B-Event-level Prediction of Urban Crime Reveals Signature of Enforcement Bias in U.S. Cities.pdf

이 연구에 사용된 8개 도시 중 7개 도시의 데이터 소스는 애틀랜타 경찰서 공개 데이터(다운), 오스틴 市 개방형 데이터 포털(보기), 디트로이트 市 개방형 데이터 포털(보기), 로스앤젤레스 오픈데이터(보기), 필라델피아 오픈데이터(보기), 샌프란시스코 오픈데이터(보기), 시카고 오픈데이터(보기), 포틀랜드의 경우 예측 과제에 대한 리더보드 데이터와 함께 국립사법연구소(보기)를 통해 사용했다. 

출처: http://www.aitimes.kr/news/articleView.html?idxno=25422