Machine-learning classification of documented pedophilic sexual interest from eye-tracking patterns

수십 년 동안 아동에 대한 성적 관심도를 평가하는 방식은 주로 사람들이 말하는 것에 크게 의존해 왔습니다. 임상의와 법의학 전문가들은 인터뷰, 자기 보고식 이력, 그리고 사회적으로 용납되지 않거나 법적으로 위험하다고 인지하는 생각이나 행동을 스스로 인정하려는 개인의 의지에 의존합니다. 그러나 주제의 본질 자체가 수치심, 결과에 대한 두려움, 그리고 자신을 보호하려는 욕구와 결부되어 있기 때문에, 이는 종종 불완전하거나 정직하지 못한 답변으로 이어집니다. 이는 특히 이해관계가 매우 높은 법적 및 치료 환경에서 이해의 공백을 만들어냅니다. 이 간극을 메우기 위해 연구자들은 오랫동안 성적 매력을 측정할 수 있는 간접적인 방법을 찾아왔으며, 의식적인 통제를 우회할 수 있는 생리적 또는 행동적 신호를 모색해 왔습니다. 그러한 경로 중 하나가 바로 사람이 정확히 어디를 얼마나 오래 보는지 기록하는 기술인 안구 추적(eye tracking)입니다. 그 근저에 깔린 아이디어는 단순합니다. 눈이 가는 곳에 마음이 따르는 경우가 많으며, 이러한 패턴이 개인이 숨기려 하는 선호도를 드러낼 수 있다는 것입니다.

독일의 한 새로운 연구는 이 개념을 첨단 컴퓨터 분석과 결结合하여 한 단계 더 발전시켰습니다. 연구진은 안구의 움직임만을 사용하여 미성년 아동에 대한 문서화된 성적 관심이 있는 남성과 그렇지 않은 남성을 구별할 수 있는지 확인하고자 했습니다. 그들은 참가자들에게 감정을 설명하거나 이미지에 대한 점수를 매기라고 요청하지 않았습니다. 대신, 참가자들이 특정 과업을 수행하는 동안 성인과 아동의 사진에 대해 눈이 어떻게 반응하는지를 관찰했습니다. 목표는 기계가 두 집단을 구분 짓는 미묘하고 자동적인 시선의 차이를 포착할 수 있는지 확인하여, 고도의 긴장이 요구되는 상황에서 임상적 판단을 지원할 수 있는 잠재적 도구를 제공하는 것이었습니다.

이 연구에는 독일 전역의 다섯 곳에서 모집된 124명의 성인 남성이 참여했습니다. 집단은 두 가지 주요 범주로 나뉘었습니다. 소아성애 진단을 받은 34명의 남성(이들 중 다수는 아동 대상 범죄 전력이 있는 법의학 환자임)과 이러한 진단이 없는 90명의 남성입니다. 대조군에는 건강한 자원봉사자뿐만 아니라, 아동 대상 성범죄는 아니지만 다른 유형의 범죄를 저지른 개인들도 포함되었습니다. 눈을 테스트하기 위해 참가자들은 화면 앞에 앉아 세 가지 서로 다른 과업을 완료했습니다. 첫 번째 과업에서는 성인과 동일한 성별의 아동 이미지를 나란히 보여주고, 어느 쪽이 더 매력적인지 결정하게 했습니다. 두 번째 과업에서는 3차원 도형을 회전시키는 정신적 퍼즐을 푸는 동안, 방해 요소로서 성인이나 아동의 사진이 화면에 번쩍 나타나도록 했습니다. 세 번째 과업은 다양한 이미지에 대해 얼마나 흥분되거나 즐거운지를 단순히 평가하는 것이었습니다. 이러한 연습 과정 동안 고속 카메라가 참가자의 모든 눈 움직임을 기록하여, 정확히 어디를 보는지, 얼마나 오래 머무는지, 그리고 시선이 얼마나 빠르게 이동하는지를 기록했습니다.

연구진은 이 방대한 양의 시각 데이터를 머신러닝 시스템에 입력했습니다. 이 컴퓨터 프로그램은 인간 관찰자가 놓칠 수 있는 복잡한 패턴을 찾아내도록 설계되었습니다. 프로그램은 아동의 머리나 복부를 얼마나 오래 응시하는지, 성인의 경우와 비교하여 얼마나 빨리 시선이 이동하는지, 그리고 퍼즐과 사진 사이에서 주의력이 어떻게 변화하는지 등 수천 가지의 미세한 세부 사항을 살펴보았습니다. 시스템은 오직 이러한 안구 움직임만을 바탕으로 두 집단을 구별하도록 훈련되었습니다. 결과는 놀라웠습니다. 컴퓨터가 초기 지향 과업(orientation task)과 방해 과업(distraction task)의 데이터를 함께 분석했을 때, 남성에게 문서화된 소아성애적 관심이 있는지 여부를 높은 정확도로 식별해 냈습니다. 구체적으로, 모델은 전체 사례의 약 88%를 정확하게 분류했습니다. 특히 이 모델은 소아성애적 관심이 없는 남성을 식별하는 데 탁월했는데, 별도의 건강한 자원봉사자 그룹을 대상으로 테스트했을 때 거의 모든 경우에서 음성(negative)으로 정확하게 분류했습니다.

이러한 결과를 가능하게 한 것은 단 하나의 행동을 보는 것이 아니라, 많은 작은 신호들을 결합한 것이었습니다. 연구 결과, 소아성애적 관심이 있는 남성들은 다른 남성들에 비해 아동 이미지를 더 자주, 그리고 더 오래 보는 경고가 있는 것으로 나타났습니다. 이는 그들이 다른 과업에 집중하려고 노력하는 중에도 마찬가지였습니다. 또한 그들은 아동이 방해 요소로 나타날 때 주의 패턴이 달랐는데, 대조군보다 더 빨리, 그리고 더 오래 아동을 쳐다보는 경향이 있어 성적으로 유의미한 자극을 무시하는 능력이 약하다는 것을 시사했습니다. 반면, 이러한 관심이 없는 남성들은 일관되게 성인 이미지를 선호했으며, 퍼즐에 집중하기 위해 아동 이미지를 무시하는 능력이 더 뛰어났습니다. 흥미롭게도, 컴퓨터는 수집된 모든 데이터를 사용할 필요가 없었습니다. 연구진이 모델에서 가장 중요한 몇 가지 안구 움직임 특징만을 남기고 나머지를 제거했을 때도 정확도는 매우 높게 유지되었습니다. 이는 신호가 견고하며 복잡한 변수들의 얽힘에 의존하지 않는다는 것을 시사합니다.

연구는 또한 참가자의 배경에 따라 이러한 안구 패턴이 변하는지 조사했습니다. 연구진은 아동 대상 범죄를 저지른 남성과 그렇지 않은 남성, 현재 수감 중인 남성과 사회에 있는 남성, 그리고 이러한 생각을 인정하는 남성과 부정하는 남성을 살펴보았습니다. 머신러닝 모델은 거의 모든 서로 다른 하위 집단에서 일관되게 우수한 성능을 보였습니다. 모델은 해당 남성이 법의학 환자인지 혹은 건강한 자원봉사자인지, 혹은 자신의 관심을 공개적으로 인정하는지 혹은 숨기려 하는지에 관계없이 동일한 안구 움직임 패턴을 감지해 냈습니다. 이러한 일관성은 안구 추적법이 개인이 숨기려고 노력할 때조차 지속되는 성적 관심의 근본적인 측면을 포착한다는 점에서 매우 중요합니다. 유일한 예외는 특정 범죄 이력을 가진 매우 작은 집단이었는데, 이들은 표본 크기가 너무 작아 확정적인 결론을 내릴 수 없었습니다.

그러나 연구진은 이 기술이 무엇이고 무엇이 아닌지에 대해 주의 깊게 명시하고 있습니다. 그들은 이것이 임상 인터뷰나 법적 판단을 대체할 수 있는 진단 도구가 아님을 강조합니다. 이 연구는 안구 추적 데이터가 연구 환경에서 높은 정확도로 개인을 분류할 수 있음을 보여주는 '개념 증명(proof of concept)'이었습니다. 저자들은 무고한 사람을 소아성애적 관심이 있는 것으로 잘못 분류하는 '위양성(false positive)'이 심각한 결과를 초래할 수 있으므로, 실제 임상이나 법적 결정에 사용되기 전에는 더 크고 다양한 집단을 대상으로 추가적인 검증이 필요하다고 지적했습니다. 또한, 이 연구가 안구 움직임이 범죄 행동을 유발한다는 것을 증명한 것이 아니라, 단지 문서화된 진단과 상관관계가 있음을 보여준 것뿐이라는 점도 언급했습니다. 과업의 정서적 영향도 모니터링되었는데, 컴퓨터 점수가 분노나 슬픔 같은 감정 변화와 연관되기는 했으나, 테스트 전 참가자들의 정서 상태가 결과를 예측하지는 못했다는 점을 밝혀냈습니다.

궁극적으로, 이 작업은 성적 관심에 대한 평가가 사람들이 말하는 것에 덜 의존하고, 그들의 눈이 무엇을 하는지에 더 의존하게 될 미래의 단면을 보여줍니다. 단순한 시각적 과업과 강력한 컴퓨터 분석을 결합함으로써, 연구진은 성적 관심이 있는 남성과 그렇지 않은 남성을 구별하는 뚜렷한 주의 패턴을 탐지하는 것이 가능하다는 것을 입증했습니다. 이 기술이 아직 법정이나 임상 현장에 투입될 준비는 되어 있지 않지만, 이번 연구 결과는 안구 추적이 인간의 숨겨진 행동을 이해하는 열쇠를 쥐고 있을 수 있음을 시사합니다. 연구는 추가적인 검증을 거친다면, 이러한 방법들이 속이기 더 어렵고, 더 정밀한 평가를 수행하며, 잠재적으로 사회가 예방과 치료에 접근하는 방식을 변화시킬 수 있는 차세대 도구의 일부가 될 수 있다고 결론지었습니다.