인공지능과 디지털 기술을 활용한 재범방지 = Preventing recidivism using AI and digital technology

국문 초록 (Abstract)

인공지능을 포함한 4차 산업혁명으로 불리는 과학기술 발달은 최근 인간생활의 많은 부분에 영향을 미치고 있으며, 그 발전에 대한 사회적 기대는이전과는 차원을 달리하는 현실로 존재하고 있다. 이러한 경향은 형사사법영역에서도 예외가 아니다. 과거 과학기술과 인공지능의 주된 활용 분야가산업분야에 한정되었던 것과 달리 매우 다양한 영역으로 확산되고 있으며, 우리 형사법의 분야에서도 리걸테크라는 이름으로 이미 그 영역의 일부를 점유하고 있는 실정이다. 인공지능 시대 형사사법의 정의(Justice)는 예측의 정의가 얼마나 잘 구현 되는가와 동일 개념이 될 것이며, 인공지능(AI)이 그와 같은 정의의 효율성과질적 향상을 제공할 것으로 예견된다. 현재 미국에서는 리걸테크 시스템 적용 기술 중에서도 재범예측 기술이 가장 많이 활용되고 주목받는 기술로 평가된다. 다양한 빅데이터 정보를 활용하는 연구, 시각 인공지능을 활용한 안면 인식 기술 관련 연구, 정서 및 감정인식 인공지능 기술을 활용하는 연구등을 다양한 연구가 진행되고 있다. 수사와 재판, 교정과 보호관찰 등 사법의전 영역에서 단계별 리걸테크 프로그램의 적용 가능성이 연구되고 활용되고있다. 이에 더하여 관련한 내용들에 대한 다양한 비판도 존재한다. 그러나, 이러한 의사결정 프로그램 개발이 사회적 갈등 해결 및 진실 규명을 위한 기술적 보조 장치로 역할을 할 것이라는 점은 분명해 보인다. 개인과 기관의법적 절차에서 그 비용을 감소시키고, 일반인들의 법적 서비스 이용 장벽을낮추어 줄 것으로 기대가 된다. 이러한 가운데 본 논문은, Ⅰ에서 인공지능의 발달과 재범방지 기술을 활용한 재범의 통제 가능성에 대해 살펴본다. Ⅱ에서 법-정책적 재범통제의 한계 상황에 대해 분석해 보고, Ⅲ에서 인공지능 재범예측 시스템 구축을 위한인공지능 기술의 현황을 정리해 본다. Ⅳ에서 기계학습 기술을 활용한 실제재범예측 시스템과 관련한 데이터에 대해 분석해 보고, 마지막으로 Ⅴ에서인공지능 재범예측기술의 정교화를 위한 과제에 대해 검토하고자 한다

참고문헌 (Reference)

• 1 양종모, "재범의 위험성 예측 알고리즘과 설명가능성 및 공정성의 문제" 대검찰청 (70) : 207-240, 2021
• 2 오요한 ; 홍성욱, "인공지능 알고리즘은 사람을 차별하는가?" 한국과학기술학회 18 (18): 153-215, 2018
• 3 구본권, "‘인공지능 판사’는 사람보다 공정하게 판결할까"
• 4 "https://www.ted.com/talks/anne_milgram_why_smart_statistics_are_the_ke y_to_fighting_crime"
• 5 "https://www.hani.co.kr/arti/science/future/921744.html#csidxef703e12364aab5aae98a3b8a1053d7"
• 6 "https://www.hani.co.kr/arti/science/future/921744.html"
• 7 Ribeiro, "Why should i trust you? Explaining the predictions of any classifier" 1135-1144, 2016
• 8 Ribeiro, "Why should i trust you? Explaining the predictions of any classifier" 1135-1144, 2016
• 9 Theodorou, "Towards ethical and socio-legal governance in AI" 1 : 10-12, 2020
• 10 Public Safety Assessment, "Risk factors and formulas" Laura and John Arnold Foundation
• 11 James, "Risk and needs assessment in the federal prison system" Congressional Research Service 2018
• 12 "OpenAI GPT-3"
• 13 Angwin, "Machine bias, Technical report, ProPublica"
• 14 Zemel, "Learning fair representations" 325-333, 2013
• 15 Lakkaraju, "Learning Cost-Effective and Interpretable Treatment Regimes" PMLR 54 : 166-175, 2017
• 16 Wang, "In pursuit of interpretable, fair and accurate machine learning for criminal recidivism prediction" 1-63, 2002
• 17 Wang, Han, Patel, "In pursuit of interpretable, fair and accurate machine learning for criminal recidivism prediction" 1-63, 2022
• 18 "IBM Watson Healthcare"
• 19 Kleinberg, "Human decisions and machine predictions" Oxford University Press 133 (133): 237-293, 2017
• 20 "History of risk assessment"
• 21 "Google imagen"
• 22 Agarwal, "Fair regression: Quantitative definitions and reduction-based algorithms" 2019
• 23 "Facebook m2m-100"
• 24 Miron, "Evaluating causes of algorithmic bias in juvenile criminal recidivism" 29 (29): 111-147, 2021
• 25 Deng, "Deep Learning in Natural Language Processing" Springer 2018
• 26 Grove, "Comparative efficiency of informal(subjective, impressionistic)and formal(mechanical, algorithmic)prediction procedures : The clinical-statistical controversy" 2 (2): 293-, 1996
• 27 Langley, "Applications of machine learning and rule induction" 38 (38): 54-64, 1995
• 28 Kehl, "Algorithms in the criminal justice system: Assessing the use of risk assessments in sentencing" Scholarship at Harvard (DASH.HARVARD.EDU)
• 29 Electronic Privacy Information Center, "Algorithms in the criminal justice system. Electronic Privacy Information Center"
• 30 Corbett-Davies, "Algorithmic decision making and the cost of fairness" 797-806, 2017
• 31 이병규, "AI의 예측능력과 재범예측알고리즘의 헌법 문제- State v. Loomis 판결을 중심으로" 한국비교공법학회 21 (21): 169-191, 2020
• 32 손지영, "AI와 형사사법 리걸테크(Legaltech) 시스템" 한국제도∙경제학회 15 (15): 149-175, 2021
• 33 Agarwal, "A reductions approach to fair classification" 2018
• 34 법무연수원, "2021 범죄백서" 2022
• 35 경찰청, "2020 범죄통계"