Deterministic Probabilistic Projection for Hallucination-Free Judicial Inquiry: A Neuro-Symbolic Framework for Evidentiary Solidity Assessment

형사 사법의 고위험 세계에서, 경찰 보고서가 법정 판결로 이어지는 경로는 방대한 텍스트라는 무거운 짐을 지고 있습니다. 수사 판사들은 진실을 찾기 위해 손으로 쓴 메모, 목격자 진술, 그리고 포렌식 기록의 산더미를 헤쳐 나가야 합니다. 그들은 증거가 누군가를 재판에 넘기기에 충분한지, 아니면 사건을 종결해야 하는지를 결정해야 합니다. 수십 년 동안, 인공지능이 이 혼돈을 정리하는 데 도움을 줄 수 있다는 희망이 있었습니다. 에세이를 쓰거나 뉴스를 요약할 수 있는 강력한 컴퓨터 프로그램인 거대 언어 모델은, 이 파일들을 읽고 사실을 포착하는 데 완벽한 도구처럼 보였습니다. 하지만 이 기계들에는 위험한 결함이 있습니다. 바로 '환각(hallucination)' 현상에 취약하다는 점입니다. 이는 기계가 자신 있게 사실을 지어내거나, 존재하지 않는 법률을 인용하거나, 결정의 이유를 만들어낼 수 있음을 의미합니다. 잘못된 단어 하나가 한 사람의 인생을 망칠 수 있는 법률 시스템에서, 사실을 지어내는 기계는 단순히 도움이 되지 않는 수준이 아니라 위험한 존재입니다.

모로코의 한 연구자는 이러한 위험을 완전히 제거하는 새로운 방식의 인공지능 활용법을 제안했습니다. 컴퓨터 프로그램이 사건의 결과를 추측하게 하는 대신, 그는 읽는 행위와 결정하는 행위를 분리하는 시스템을 구축했습니다. 컴퓨터가 증언을 읽고 사실 목록을 작성하지만, 단어가 아닌 코드로 작성된 엄격하고 변경 불가능한 규칙 세트가 최종 결정을 내리는 법정을 상상해 보십시오. 모로코 형법을 대상으로 테스트된 이 새로운 프레임워크는 기계가 유죄나 무죄의 이유를 절대로 지어내지 않도록 보장합니다. 이 시스템은 추측하지 않습니다. 계산합니다. 문서를 읽은 후 컴퓨터가 엄격한 논리적 경로를 따르도록 강제함으로써, 연구자는 법률을 해석하는 것만큼이나 신뢰할 수 있는 도구를 만들어냈으며, 이를 통해 판사들이 인간의 판단력을 잃지 않고 기술을 사용할 수 있는 방법을 제시했습니다.

이 혁신의 핵심은 컴퓨터가 정보를 처리하는 방식의 변화에 있습니다. 전통적인 AI 시스템은 이야기꾼처럼 작동합니다. 프롬프트를 읽고 이전에 본 패턴을 바탕으로 다음에 올 단어를 예측하며 단어 단위로 응답을 생성합니다. 바로 여기서 오류가 발생합니다. 그러나 새로운 시스템은 이 과정을 두 개의 뚜렷한 단계로 나눕니다. 첫째, 특화된 컴퓨터 모델이 가공되지 않은 경찰 보고서를 읽고 특정 사실들을 추출하여, 이를 피의자에게 불리한 증거 또는 피의자에게 유리한 증거로 라벨링합니다. 또한 적용될 수 있는 정확한 법률을 찾아냅니다. 이 단계는 여전히 유연한 언어 이해 기계에 의해 수행됩니다. 하지만 일단 사실이 추출되면, 이들은 완전히 다른 부분으로 전달됩니다. 이 두 번째 부분은 문장을 작성하지 않는 엄격한 수학적 엔진입니다. 그것은 단순히 사실 목록을 보고 고정된 논리 규칙들을 대조합니다. 만약 규칙이 증거가 충분하다고 말하면, 시스템은 사건을 재판부에 회부하라는 결정을 출력합니다. 만약 규칙이 증거가 너무 약하다고 말하면, 사건 기각을 명령합니다. 이 마지막 단계는 창의적인 추측이 아니라 엄격한 계산이기 때문에, 시스템은 환각을 일으킬 수 없습니다. 존재하지 않는 법이나 사실을 지어낼 수 없습니다.

이를 구현하기 위해 연구자는 증거의 무게를 어떻게 측정할 것인가라는 문제를 해결해야 했습니다. 실제 재판에서 모든 사실이 동등한 가치를 갖는 것은 아닙니다. 지문은 강력한 증거이지만, 막연한 소문은 약한 증거입니다. 연구팀은 증거의 '밀도'를 측정하는 점수 체계를 만들었습니다. 그들은 피의자에게 유리한 증거와 불리한 증거의 개수를 세는 동시에, 각 증거에 대한 시스템의 확신도를 기준으로 가중치를 부여합니다. 심지어 그들은 '무죄 추정의 원칙'을 반영하여 피의자에게 유리하도록 수학적 편향을 설계했습니다. 이는 시스템이 무죄를 선고할 때보다 유죄를 확정할 때 더 강력한 근거를 요구함을 의미합니다. 증거가 균형을 이루거나 불분명할 경우, 수학적 결과는 자연스럽게 기각 쪽으로 기울어집니다. 또한 시스템은 사실이 적용되어야 할 법률과 실제로 일치하는지 확인합니다. 이 시스템은 경찰 보고서의 단어들이 법전의 단어들과 얼마나 밀접하게 일치하는지를 측정하는 방법을 사용하여, 결정이 모호한 연관성이 아닌 실제 법령에 근거하도록 보장합니다.

연구자는 무장 강도 사건을 다룬 현실적인 가상의 사례를 통해 이 시스템을 테스트했습니다. 깨진 창문에 지문을 남긴 채 현장에서 발견된 용의자에 관한 경찰 보고서를 기계에 입력했습니다. 용의자는 부분적인 알리바이도 가지고 있었습니다. 시스템은 유죄를 입증하는 세부 사항과 변호 측의 반론을 성공적으로 추출했습니다. 그런 다음 검찰 측의 주장과 변호 측의 주장 사이의 강도를 계산했습니다. 결과는 사건을 진행하기에 증거가 충분하다는 명확한 수치적 점수였습니다. 시스템은 엄격한 논리 규칙을 적용하여 사건을 재판부에 회부하기로 결정했습니다. 이 특정 테스트에서 시스템은 오류를 전혀 범하지 않았습니다. 새로운 증인을 만들어내거나 법을 잘못 인용하지 않았습니다. 수정되지 않은 표준 AI 모델과 비교했을 때, 새 시스템은 오류율을 완전히 제거했습니다. 표준 모델은 결정의 14% 이상에서 실수를 저질렀지만, 새로운 프레임워크는 단 하나의 오류도 내지 않았습니다.

시스템의 속도 또한 주목할 만하지만, 이것이 주된 목표는 아닙니다. 프로세스는 가공되지 않은 문서에서 최종 결정에 이르기까지 약 8초가 소요되는데, 이는 4초 만에 추측하는 일반적인 AI보다는 약간 느립니다. 그러나 연구자는 절대적인 신뢰성을 위해 그 추가적인 시간이 작은 대가라고 주장합니다. 이 시스템은 로컬 컴퓨터에서 실행되도록 설계되어, 형사 사건의 민감한 데이터가 클라우드로 전송될 필요가 없으므로 관련자들의 개인정보를 보호합니다. 시스템이 내리는 모든 결정은 추적 가능합니다. 판사는 출력물을 보고 어떤 사실이 발견되었는지, 어떤 법률이 매칭되었는지, 그리고 최종 점수가 어떻게 계산되었는지를 정확히 확인할 수 있습니다. '블랙박스'는 존재하지 않습니다. 그 추론 과정은 투명하며 검토에 열려 있습니다.

이 접근 방식은 법률 기술이 구축되는 방식에 대한 중요한 변화를 의미합니다. 이는 컴퓨터가 변호사처럼 '생각'할 수 있어야 한다는 아이디어에서 벗어나, 대신 컴퓨터가 법을 위한 엄격한 회계사 역할을 해야 한다고 제안합니다. 컴퓨터는 사실을 세고, 규칙을 확인하며, 결과를 보고합니다. 연구자는 이것이 시작에 불과하다고 인정합니다. 그들은 여러 명의 피의자가 연루된 복잡한 사건을 다룰 수 있도록 시스템을 확장하고, 알리바이가 범죄 타임라인과 모순되지 않는지 확인하기 위해 사건의 시간대를 체크하는 기능을 추가할 계획입니다. 또한 실제 판사들을 대상으로 시스템을 테스트하여 인간의 직관과 얼마나 잘 일치하는지 확인할 예정입니다. 현재로서는, 이 연구는 인공지능이 법을 파괴하지 않으면서도 법을 도울 수 있음을 입증하며, 강력하면서도 법의 규칙에 완벽하게 복종하는 도구를 제시하고 있습니다.