경찰 활동에서의 AI: 법집행에서의 약속과 위험의 균형

인공지능(AI)은 법집행을 포함하여 현대 생활의 거의 모든 측면에 스며들었습니다. 경찰 업무의 세계에서는 AI가 수사를 더 효율적이고 효과적으로 만들 가능성을 지니고 있습니다. 그러나 AI 기술이 해당 분야에서 입지를 넓혀감에 따라 편향성과 윤리적 고려 사항에 대한 우려가 대두되었습니다.

얼굴 인식의 과제

경찰 활동에서 AI의 가장 눈에 띄는 적용 분야 중 하나는 얼굴 인식 기술입니다. 경찰력은 방대한 양의 CCTV 및 이미지 데이터를 선별하는 데 AI 알고리즘을 활용하여 얼굴 식별에 필요한 시간과 비용을 줄였습니다. 그러나 증가하는 증거는 이러한 시스템이 완벽하지 않음을 시사합니다. AI 얼굴 인식은 성별 및 인종 편향에 취약하며, 특히 유색인종 여성에 대한 정확도가 현저히 낮습니다.

문제의 근본 원인은 학습 데이터에 있습니다. AI 알고리즘은 학습 단계 동안 노출되는 얼굴로부터 학습하며, 이 데이터가 주로 한 인구 통계학적 집단에 치우쳐 있으면 결과가 왜곡될 수 있습니다. 결과적으로 소외된 집단에 속한 개인들이 잘못 식별될 가능성이 더 높습니다.

예측 경찰 활동

AI가 발을 들인 또 다른 영역은 예측 경찰 활동입니다. 알고리즘은 범죄가 발생하거나 잠재적 가해자를 식별할 수 있는 장소와 시기를 예측하기 위해 과거 데이터를 분석합니다. 이 접근 방식은 유망해 보이지만, 초기 연구들은 경종을 울렸습니다.

예측 경찰 활동은 종종 편견으로 가득 찬 과거 범죄 데이터에 의존합니다. 그 결과, AI 모델은 우연히도 소외된 공동체의 개인들을 불균형하게 '위험하다'거나 '법률 불이행자'로 낙인찍을 수 있습니다. 예를 들어, 2016년 한 연구는 시카고의 예상 폭력 범죄에 대한 '히트 맵'이 총기 폭력의 상응하는 감소 없이 저소득층 또는 다문화 지역에서 더 많은 체포를 이끌었음을 밝혔습니다. 이로 인해 EU 정책 입안자들은 예측 경찰 활동 소프트웨어 금지 등을 포함한 규제를 도입했습니다.

법의학의 발전과 AI

더 긍정적인 측면에서, AI는 법의학에서 귀중한 역할을 입증하고 있습니다. DNA 분석 및 디지털 증거와 같은 복잡한 데이터는 인간 전문가에게 압도적으로 느껴질 수 있습니다. AI는 이러한 데이터를 신속하게 처리하여 조사관들에게 강력한 도구가 됩니다.

최근 PACE와 같은 발전은 피의자 신발의 꽃가루나 총기 잔류물과 같은 미세 입자를 세는 AI 이미지 분석 시스템입니다. 이러한 입자를 수동으로 세는 데는 인간 법의학 전문가에게 몇 달이 걸리지만, AI는 몇 시간 안에 이를 완료할 수 있습니다. 또한 AI 기반 분석은 은행 또는 전화 기록과 같은 대규모 데이터셋의 처리를 간소화하여 조사관들이 단서와 연결고리를 신속하게 식별하는 데 도움을 줍니다.

AI의 능력은 인상적이지만, 범죄 행위의 감정적이고 비이성적인 측면을 이해하는 데에는 미치지 못합니다. 많은 범죄는 분노, 증오, 탐욕, 두려움과 같은 강력한 감정에 의해 주도되며, AI는 이를 이해하는 데 어려움을 겪습니다. 이는 복잡한 사건을 해결하는 데 있어 인간 판단과 직관의 필수적인 역할을 강조합니다.

공공 신뢰 및 윤리적 고려 사항

경찰 활동에 AI가 점점 더 통합됨에 따라 편향성, 책임성 및 투명성에 대한 윤리적 질문과 우려가 제기되었습니다. 정책 입안자들은 AI 기술이 윤리적이고 책임감 있게 사용되도록 보장하기 위한 지침의 필요성을 인식하고 있습니다. 영국 의회의 호라이즌 스캐닝 보고서는 AI가 경찰 활동에 미치는 영향을 '높음'으로 평가하며, 이러한 변화가 향후 5년 이내에 발생할 수 있다고 추정합니다.

법집행에서 AI가 제기하는 과제에 대응하여, 영국 내무부는 국가 경찰 수뇌부 회의(NPCC)와 협력하여 최근 'AI 협정'을 수립했습니다. 이 협정은 효율성과 공정성 사이의 균형을 맞추는 것을 목표로 경찰 활동에서 AI의 윤리적 사용을 안내할 원칙을 제시합니다.