형사재판에서 인공지능 알고리즘 등 기계적 증거의 증거능력 인정 기준 정립과 이를 검증하기 위한 제도적 방안의 필요성 doc_id PCY_201901090355087421_4

형사재판에서 비중이 커져가는 기계적 증거의 수용과 관련하여 전문법칙이나 당사자 대면권의 관점에서 검토하였다. 현실에서는 여러 가지 형태의 기계적 증거가 생성ㆍ활용되고 있는데도 불구하고 그런 기계적 증거에 대한 다양한 논의는 차치하고, 그러한 현상에 대한 파악도 제대로 되지 아니 하고 있다. 기계적 증거 생성에 인공지능 알고리즘이 동원되면서 기계적 증거를 형사재판에서 사용할 수 있는가 하는 증거능력 문제는 여러 가지 면에서 복잡한 셈법이 필요하다. 사람 진술의 신빙성을 탄핵하던 수단으로서의 반대신문과 피고인이 자기에게 불리한 증인을 대면할 대면권으로 이러한 기계적 증거의 증거능력을 다툰다는 것은 사실상 불가능하다. 기계적 증거는 진술증거의 성격을 가지고 있다. 이러한 기계적 증거를 비진술증거로 취급하면서, 그 수집과정이 위법하지 않으면 증거능력을 부여하되, 다만 증명력 판단에서 그 정확성이나 신뢰성을 검증하겠다는 법 이론은 반대신문권과 당사자 대면권 그리고 전문법칙의 근본적 존재 의의를 무시한 것이다. 따라서 기존의 Daubert 기준에 의하든 별도의 기준에 의하든 이러한 과학의 산물인 기계적 증거의 증거능력을 허용할 것인지 여부를 결정하는 기준을 정립할 필요가 있다. 기계적 증거의 허용성 즉 증거능력을 부여하기 위한 기준 정립에는 어떤 점을 고려하여야 하는가? 우선 컴퓨터 알고리즘이 생성한 기계적 증거의 경우, 그것에 내포된 오류가 제대로 발견되지 않을 가능성이 크다는 것을 감안하여야 한다. 입력데이터의 문제는 연산을 거치더라도 그 오류가 교정되지 않으며, 기계적 증거 생성에 사용된 입력 데이터가 전문증거이면 설사 알고리즘에 의한 연산을 거치더라도 그 성격을 그대로 대유한다고 할 것이어서 결과의 신뢰성 문제와 별개로 증거능력을 부여하기 어렵다. 기계적 증거의 생성과정 등을 검증하는 일은 복잡하기 짝이 없기 때문에 법원은 전통적인 방식으로 생성된 일반적 형태의 증거보다 컴퓨터 알고리즘이 생성한 기계적 증거에 더 많은 주의를 기울여야 하는 것은 물론이다. 기계적 증거에 대한 증거 배제 방안으로서 전문법칙이나 반대신문권, 당사자 대면권의 보장은 한계가 뚜렷하다. 따라서 증거능력 또는 증거의 허용성과 관련하여 과학적 증거와 관련된 기존의 신뢰성 기준이 대안이 될 수 있는지 검토할 필요가 있다. 그간 과학적 증거의 허용과 관련하여 오랫동안 Frye기준이나 Daubert 기준이 사용되었다. Frye 사건에서 법원은 사용된 원칙과 방법론이 과학계에서 일반적으로 받아 들여질 때만 과학적 증거가 허용될 수 있다고 판결했다. 즉 실험과 과학을 구분하려고 하였다. 최소한 비주류과학이 법원에 들어오지 못하도록 하는 효과는 있었지만, 과학 공동체 전체로부터 받아들여지지 않았지만 신뢰할 수 있는 과학적 증거의 도입을 제지하는 부작용도 있었다. Daubert 사건에서 제시된 기준은 그 이후 대다수의 주 법원에 의해 채택되었는데, 과학적 증언뿐만 아니라 모든 전문가 증언의 허용 가능성까지 포함하여 포괄 적으로 적용되었다. 그렇다고 해서 Frye 기준이 완전히 폐기된 것은 아니었고, ‘과학계에서의 일반적 수용성’이라는 기준은 여전히 유효하다. Daubert 기준은 관련성과 신뢰성이라는 두 가지 증거의 측면에 중점을 둔다. 과학은 실험이 반복되더라도 동일한 결과가 산출될 것을 요구한다. 과학자가 세상의 현상을 파악하기 위해서는 측량하여 데이터를 얻어야 하고, 이를 설명 하는 모델을 만들어서, 올바른 결과 값이 나오는지 확인하여야 한다. 검증을 통과한 모델이라야 비로소 유의미한 과학 지식이 된다. 통상의 과학적 증거는 이러한 기본적인 조건을 충족한다. 그렇지만 인공지능 알고리즘에는 위와 같은 의미의 검증이 불가능한 영역이 존재한다. 데이터의 입력과 결과는 있지만, 그것을 설명하는 모델이 없다. 이러한 제약이 있는 인공지능 알고리즘에 대하여 과학계는 일반적으로 긍인할 수 있는가? 알고리즘을 뒷받침하는 이론이나 기술이 실험될 수 있는 것인지 그 해당 분야에서 일반적으로 승인되는 이론 인지와 같은 Daubert 기준을 충족할지는 의문이다. 인공지능 알고리즘은 분명 과학적 지식이 기반이 되지만, 일반 과학과는 달리 확률적 모델이라는 점에서 다른 과학적 증거와 다른 특징이 존재한다. 우리 판례는 유전자 검사나 혈액형 검사 등 과학적 증거방법은 그 전제로 하는 사실이 모두 진실임이 입증되고 그 추론의 방법이 과학적으로 정당하여 오류의 가능성이 전무하거나 무시할 정도로 극소한 것으로 인정되는 경우에는 법관이 사실인정을 함에 있어 상당한 정도로 구속력을 가진다는 입장으로 기본적으로 증거능력, 즉 증거의 허용성이 아니라 증명력의 문제로 보았다. 미국의 경우 이와 같은 과학적 증거방법에 대한 접근법이 다르다. 즉 증명력의 문제가 아니라 증거의 허용성, 즉 증거능력의 문제로 보고 접근했다. 다만 기계적 증거에 대하여는 증언적이 아니라는 이유로(non testimonial), 당사자 대면권 적용 대상이 아니라고 보았다. 우리 대법원과 같이 과학적증거를 증명력의 문제로 취급하는 것은 문제가 많다. 그 증거가 유죄의 증거로 쓰이는가 하는 것은 개인 법관의 전문적 지식과 식견에 달려있는 문제로 과학적으로 검증되지 아니한 증거에 의하여 유죄판결이 행하여질 가능성을 원천적으로 차단하지 못한다. 따라서 이러한 인공지능 알고리즘 등 첨단 과학의 산물의 경우, 그 증거능력의 허용 여부를 일률적으로 평가하고 정하는 별도의 기구가 필요하다. 우리나라의 경우는 대법원 산하에 별도 위원회를 설치하고, 법조계, 과학계를 비롯한 다양한 영역의 전문가를 포진시켜 문제되는 기계적 증거의 증거능력 부여 여부를 결정하도록 하는 시스템을 갖추는 등 다양한 방안을 모색하는 것이 필요하다. 대개 이와 같은 과학적 증거는 검사 쪽에서 유죄의 증거로 제출하므로, 이러한 기계적 증거를 생성하는 기계는 정부 기관이 정부 예산으로 구매할 가능성이 많다. 그런 구매과정에서 소스코드의 공개 같은 옵션을 구매 조건으로 강제하는 장치도 필요하다. 미국에서는 국립 표준 기술 연구소(NIST)가 모든 포렌식 분야를 지속적으로 평가하여 왔으며, 필요한 과학적 전문 지식이 형사사법시스템에 즉각 도입되어야 한다고 권고하기도 했다.