공모전 스터디 최종보고서

공모전 스터디 마지막 주에는 지금껏 썼던 내용을 추합하고 교수님께 검토받은 후 수정을 진행하였습니다.

다은은 공모전에 제출한 최종보고서입니다.

 

1. 개요

범죄에 노출된 아이의 진술을 확보할 수 있는 인공지능 시스템으로 아이가 편안한 심리 상태를 유지하며 진술할 수 있도록 돕는다. 이를 통해, 보다 객관적인 진술을 얻어 해당 진술이 증거로 채택될 가능성을 높인다. 

 

2. 제안배경

수사 과정에서 피해자 혹은 목격자 신분의 아동에게 진술을 확보해야 하는 일이 발생하고는 한다. 아동 진술은 그 증거능력이 인정받는 것을 최우선으로 하는데, 이를 위해 고려해야 할 사항은 크게 진술아동의 개인적 요인과 외부적 요인으로 두 가지가 있다. 진술의 증거능력을 좌우하는 아동의 개인적 요인으로는 아동 개인의 인지 능력, 기억력 등이 있다. 아동의 경우 판단력이나 기억력이 떨어지거나 상황의 인지를 명확하게 하지 못해, 진술의 신빙성을 인정받는 데에 어려움이 있는 경우가 많다. 외부적인 요인으로는 주변인의 비난이나 유도 신문 등이 있을 수 있다. 2019년 기사에 따르면, 아동이 피해를 받았음에도 아동에게 피해 사실을 감추기를 요구하는 부모가 존재한다고도 한다. 이러한 주변인의 압박은 피해 아동의 심리를 불안하게 할 수 있어 당시 상황을 정확하게 진술하는 데에 방해가 될 수 있다. 또한, 같은 질문을 반복하는 등의 유도 신문은 피해 아동이 자신의 기억이 왜곡되었음을 자각하지 못한 채 진술을 진행하여 잘못된 내용을 진술하거나 진술내용의 일관성을 유지하지 못하는 등, 수사상 혼란을 초래할 수 있다. 따라서 아동의 진술 능력을 판별하는 동시에 편안한 심리상태에서 진술을 할 수 있도록 환경을 조성할 필요가 있다고 보았다.

 

3. 용도

외부적인 요인으로 인한 증거능력 불충분을 막기 위해 아이들의 진술을 효과적으로 유도할 수 있는 시스템. 수사에 혼선을 주지 않기 위해 아이의 진술을 확보할 때, 인공지능 기술을 사용해서 아이가 편안안한 상태와 심리로 증언을 할 수 있게 한다. 이를 토대로 증언능력이 인정될만한 진술을 받아 진술의 신빙성을 갖는다.

학대를 당한 아동, 범죄 상황을 목격한 아동을 대상으로 제안하는 시스템을 사용하여 아동의 진술을 얻는다. 진술을 받을 아이의 특성 및 취향을 시스템에 입력하여 아이를 파악한다. 입력한 데이터를 바탕으로 아이의 편안한 심리 상태를 만들어주기 위해 아이의 관심사에 대한 질문 등 이야기를 하며 유대감을 쌓는다. 만약 아이가 짱구를 좋아한다면, 화면에 짱구 일러스트를 띄워 만화에 관한 이야기를 진행한다. 이후, 짱구구 일러스트를 이용하여 범죄와 관련된 질문을 하며 아이의 진술을 확보한다. 이때, 아이의 목소리의 떨림과 심장박동을 감지하는 센서도 함께 이용한다. 아이의 목소리의 떨림이 크거나 심장박동이 빨라진다면, 아이의 관심사에 맞는 이야기로 돌려서 다시 아이의 목소리의 떨림도 없애고 심장박동도 안정을 찾도록 한다. 그리고 다시 범죄에 관한 질문을 하며 아이가 편안한 상태로 진술을 할 수 있도록 유도한다.

 

4. 기대효과

아이들에게 있어 신빙성 있는 진술을 이끌어 낼 수 있다. 수사에서 편향된 사고를 가진 사람이 자신도 모르게 유도질문을 하거나 원하는 답을 듣기 위해 반복적으로 물어보는 경우가 종종 생긴다. 사람이 아닌 객관적인 범죄 상황과 정보를 입력한 인공지능을 이용한다면 아이들이 보고 듣고 느낀 바를 더 정확하게 이끌어 낼 수 있을 것이다.

또한 인공지능을 이용한 진술은 객관적인 시각에서 바라볼 수 있기 때문에 증거 능력이 인정될만한 진술이 될 가능성이 높아진다.

마지막으로 수사과정에서 아이들이 보다 편안하게 진술하고 협력할 것이다. 아이의 특성, 취향, 불안도 등 인공지능에 입력하고 진술하는 동안 편안하고 안정된 상태를 유지해 증언 능력을 최대한 이끌어 내줄 수 있을 것이다. 

 

5. 첨부파일

1.1 CNN 딥러닝 모델

CNN은 Convolutional Neural Network의 약자로 이미지 및 영상과 같은 데이터 인식을 위한 패턴을 찾는 데에 많이 사용이 되는 알고리즘이다. 이미지 인식을 위해 2차원의 사진을 1차원으로 바꾸는 다른 딥러닝 모델들과 다르게 CNN은 이미지를 1차원으로 바꾸지 않고 특징을 추출한다. CNN은 이미지 특징을 추출하는 Convolution Layer, Pooling Layer와 이미지를 분류하는 Fully Connected Layer로 구분된다.

Convolution Layer는 이미지와 Filter의 합성곱을 이용한다. 입력된 이미지 위에서 필터를 옮기며 합성곱을 하여 이미지를 출력한다.

Pooling Layer는 이미지 데이터의 구역을 나누어 해당 구역에서의 대표값을 결과로 출력한다. 대표값을 구하는 방법은 평균을 구하는 방법과 최대값을 구하는 방법이 있다.

이러한 과정을 거쳐 이미지의 특징 추출을 마치고, 추출된 특징을 이용하여 Fully Connected Layer에서 이미지를 분류하는 작업을 진행한다.

 

1.2 모델의 구성과 사용

cnn모델을 학습시킬 데이터로는 9가지 클래스의 감정 종류와 각 감정 별로 드러나는 표정이 그려진 이미지를 6000장씩을 주입하도록 한다. 이후 데이터 검증에는 각 클래스별로 특징 추출된 이미지를 1000장씩 선정하여 총 9000장의 이미지를 사용한다. 이때의 감정은 화남, 경멸(멸시), 혐오감, 두려움, 기쁨, 평온함, 슬픔, 놀람, 걱정(불안)으로 나누도록 하는데 진술 아동의 평온할 때의 기본 표정의 상을 분석할 수 있다면 미리 정보(이미지)를 입수해 표정변화 분석의 정확도를 올리도록 한다. 또한 수사대상의 특성상 불안감이 기본적으로 잠재되었을 것을 고려하여 분석하도록 한다.

표정에 나타난 감정을 기반으로 심리 분석이 완료되고 나면, 분석 정보를 사전 조사를 통해 얻은 정보, 즉, 대상의 불안에 가장 큰 영향을 주는 요인이나, 대상의 관심사 등의 정보와 결합하여 문답을 진행하도록 한다. 진술 후에도 불안 원인의 영향력이 미미할 것임을 알리는 말을 하거나, 관심사와 연관된 말을 하는 등 본격 질문에 들어가기 전이나 중간에 적절하게 분위기를 환기시켜주는 말을 섞어 대상을 진정시키도록 한다. 

 

2. 시나리오 작성

• 가정1. 아이는 범죄에 노출된 대상이다.
• 가정2. 아이는 심리상태가 불안정한 상태이다.
• 가정3. 아이는 짱구 캐릭터를 좋아한다.

1. 아이는 인공지능과 대화를 시작한다.

2. 인공지능은 아이의 관심사에 대한 질문 등 아이의 눈높이에 맞는 이야기를 이어나간다. ex) (짱구 목소리로) ㅇㅇ아, 액션가면 좋아해?

3. 인공지능은 센서를 통한 아이의 불안도를 수시로 체크한다.

4. 아이가 안정된 상태에 이르면 범죄상황에 대한 질문을 한다. ex) 어제 밤 9시에 너 뭐했어?, 뭐를 봤어?

5. 아이가 답하면 인공지능은 진술을 기록하고 종료한다.

6. 아이가 말을 하지 못하거나 심박수가 올라간다면 질문의 내용이나 방식을 바꿔 질문한다. ex) 혹시 어제 밤에는 뭐했는지 말해줄 수 있어?

7. 아이의 불안도가 점점 올라갈 경우 2번으로 돌아간다.