안녕하세요!!
@chosungyun입니다.
오늘은 @kmlee님께서 개최하신 이벤트에 참여하고자 글을 씁니다.
저도 평상시에 상상하는 것을 좋아하기 때문에 글을 보자마자 참여해야겠다는 생각이 들더군요.
주제는 범죄를 예측할 수 있는 사회입니다.
예측이라고 하니 범죄자의 정보를 빅데이터화를 통해 분석하는 방법만 계속 생각이 나더군요. 그래서 이에 관해서 제 나름대로 생각을 정리해서 써볼까 합니다.
가장 먼저 주제를 보고는 범죄를 예측하기 위해서는 어떠한 정보가 필요할까 생각해보았습니다.
범죄를 예측하려면 사고를 많이 치는 사람, 평상시에 욱하는 성질이 있는 사람, 경제적으로 어려움이 있는 사람, 가정불화가 있는 사람 등등 모든 사람의 생각을 읽을 수 있어야겠죠?
그렇기 때문에 모든 사람에 대한 정보, 이때까지 모든 범죄자의 정보, 사고다발 지역에 대한 분석, 실시간으로 모든 사람들의 시각정보 및 음성파일을 업로드 등등의 정보가 필요하겠지요.
범죄자의 정보야 조사과정을 거치면서 많은 데이터가 전산화되어 처리되었을 거니까 이를 이용한다고 하지만 일반 시민들의 정보는 어떻게 얻을까요?
음 저는 여기서 기업의 인성시험 같은 것을 도입하면 좋지않을까 생각했습니다. 기업의 인성시험 같이 응시자의 인성을 파악할 수 있는 시험을 만드는 겁니다. 그리고 인성뿐만 아니라 자주가는 곳이나 선호하는 음식, 취미 등등 사생활에 관해서 자세히 작성하도록 하는 겁니다. 이러한 시험을 일주일에 한번씩 각각의 개인이 속한 공동체에서 의무적으로 실시하게 합니다. 만약 거짓말로 답한다면 바로 찾아낼 수 있도록 질문지의 의문은 비슷한 상황에 대해서도 다각도로 물어보는 심층 질문들이 많아야 할 것입니다.
그럼 이 들어온 정보는 어떻게 분석을 할까요? 우선 범죄자들의 모든 정보를 분석합니다.
이 정보로부터 사람, 장소, 상황, 감정, 도구, 피해자, 성별 등등 case별로 정보를 변수화 합니다. 그리고 각각의 변수에 대해 범죄가 발생한 확률을 통계적으로 분석합니다. 예를 들어 수염이 많은 남자가 범죄를 저지른 확률이 5%다. 공사장에서 범죄를 저지를 확률이 14%다 뭐 이런식으로 말이죠. 이런식으로 만든 이 확률 공간에 시간이 지나면서 각각 개인의 상황별 인성 결과 데이터를 대입시켜 줍니다. 그럼 확률론에서의 마르코프 연쇄(MarKov chain)에 의해 어떤 답으로 귀결이 됩니다. 범죄자 또는 시민으로 말이죠. 이 마르코프 연쇄는 가장 최근의 사건에 영향을 받으면서 시간이 흐름에 따라 결국에는 한가지 결과로 귀결되는 이론입니다.
이 방식에서는 우선 case별로 이를 빅데이터화를 하는것이 쉬워 보이지는 않습니다.
그리고 허점이 있는데 우선 정말 체계적으로 질문지에 자기와 완전 다른사람을 그려낼수도 있겠고 범죄자와 데이터 정보가 완전 다른 범죄자가 발생할 가능성은 있다는 것입니다. 즉, 항상 뜬금없는 오차란 존재한다는 것입니다. 그래서 완벽 예측은 힘들 것입니다.
예측이라기 보다는 감시의 방법?
위 방법과 별개로 문득 또 드는 생각이 과거 삼정의 문란이 있을 때 옆집에 사는 사람들이 도망을 가면 그 옆집 사람들의 세금도 내야 한다고 했었다는데요. 그럼 자기가 내기 싫으면 그 사람이 도망 못 가도록 감시를 하지 않았을까요?
뭐 이런 방식을 착안한다면 국가에서 소규모 공동체를 묶어주는겁니다. 이 공동체는 서로가 서로를 모르는 상태입니다. 그리고 이 소규모 공동체는 서로를 감시합니다. 서로를 감시하다가 이상한 사람이 있는 것 같다면 관련 부처에 신고하도록 합니다. 이후 수상하다는 점이 확인이 된다면 포상을 합니다. 그리고 수시로 공동체 감시망을 점검해서 제대로 하고 있지 않다면 반대로 벌금을 내리는 겁니다.
뭔가 이방법도 피곤하겠군요…ㅋㅋㅋㅋ 심지어 감시망 근처에 있는 사람을 묶어줄 테니 비밀이라도 근처에 있겠지 하고 니가 신고했지!! 라고 하면서 위협할 수도 있으니 어렵겠군요.
개인적으로 사생활이 보장을 받고 범죄도 예측할 수 있는 방법이 생각나면 좋겠지만… 안 나는군요..ㅎㅎㅎ 저의 한계는 여기까지인가 봅니다.ㅎㅎ
그래도 @kmlee님 덕분에 범죄예측에 대해 조금이나마 고민을 해보았네요. 감사합니다.
여기서 포스팅을 마칩니다. 감사합니다.!!
-이미지 출처-