마감

범죄자를 찾을 때 얼굴인식 기술을 사용해도 될까요?

토론기간 2020.07.17 ~ 2020.08.02

 



얼굴인식 기술은 다양한 영역에서 활용되고 있어요. 스마트폰 보안 기능, 카드 결제뿐 아니라 ‘스노우’나 ‘틱톡’ 등 앱에서 얼굴을 바꾸는 기능까지 우리 생활 가까이에 스며들어 있지요. 그런데 최근 미국에서는 범죄자를 찾아내는 얼굴인식 기술이 인종에 따라 오류를 일으키는 문제점들이 생겨났어요. 이는 얼굴인식 알고리즘을 만들 때 인종에 따라 학습한 얼굴 데이터의 양이 다르면 인식 문제가 발생하기 때문이에요. 예를 들어 범죄자 얼굴 데이터 중에서 흑인 얼굴이 많으면 백인보다 흑인을 범죄자로 가려낼 확률이 높아진다는 뜻이에요.



 





<출처 : 픽사베이>



 



범죄자를 찾을 때 얼굴인식 기술을 사용하게 되면, CCTV에 찍힌 범죄자의 얼굴을 안면인식 기술로 분석하여 손쉽게 범죄자를 찾을 수 있어요.



 



하지만 한정된 데이터 학습량 때문에 죄 없는 사람을 범죄자로 몰게 되는 경우가 생길 수 있어요. 실제로 올 초 미국에서는 흑인을 절도죄로 체포했는데, 알고 보니 얼굴인식 기술의 오류로 무고한 사람을 범죄자로 체포한 것으로 확인된 바 있지요.



 



여러분은 범죄자를 찾을 때 얼굴인식 기술을 사용해도 된다고 생각하나요? 여러분의 의견을 적어주세요.



찬성 : 범죄자를 찾을 때 얼굴인식 기술을 사용해도 돼요.



반대 : 범죄자를 찾을 때 얼굴인식 기술을 사용해도 안 돼요.



 



토론터에 의견을 작성해 줄 때는 찬성 또는 반대하는 견해를 먼저 밝히고, 왜 그렇게 생각하는지 이유를 작성해주세요.



자신과 반대되는 의견이라고 ‘신고’를 누르지 마세요.



 



가장 ‘좋아요’를 많이 받은 찬성, 반대 댓글자와 시끌벅적토론터 주제에 선정된 친구에게는 50DS 포인트를 드립니다.



 



 

범죄자를 찾을 때 얼굴인식 기술을 사용해도 돼요.
범죄자를 찾을 때 얼굴인식 기술을 사용해도 안 돼요.
찬성 베스트 댓글
안녕하세요, 박세은 기자입니다 . 저는 범죄자를 찾을 때 얼굴인식을 사용해도 된다고 생각합니다. 얼굴 인식 기능을 사용한다면 많은 이들의 얼굴을 신속히 조사해 범죄자의 얼굴을 구별할수 있습니다. 몇 년씩,또 몇십년씩 수사를 하는것보다는 이렇게 신기술을 이용하여 조금 더 빨리, 범죄자를 잡는 것이 효과적일 것이라고 생각합니다. 물론 무고한 시민이 기술 오류로 누명을 쓸 수도 있습니다. 하지만 그 범죄자가 돌아다니며 더 많은 범죄를 저지를 수 있다는 점을 생각하면, 오류가 있긴 하더라도 더 많은 사람들의 안전과 안녕을 위해 얼굴 인식 기술을 사용해야 한다고 생각합니다. 이상입니다.
반대 베스트 댓글
안녕하세요 ? 황단비 기자입니다 . 저는 ' 범죄자를 찾을 때 얼굴인식 기능을 사 용해도 될까요 ? ' 라는 논제에 반대합니다 . 왜냐하면 얼굴인식 기능으로 억울 히 누명을 쓴 사람도 생길 것이고 잘못된 시민을 체포하는 경우도 생겨 문제를 일으킬 수 있습니다 . 컴퓨터가 학습할 수 있는 데이터 학습량은 한정되어 있으 므로 정확하지 않습니다 . 억울하게 누명을 썼던 사람은 충격이나 피해를 입을 수 있습니다 . 설사 얼굴인식 기능이 정확하다 하더라도 , 수사관들은 참고만 하 여서 범죄자를 찾으면 좋겠습니다 . 예를들어 범죄자는 백인인데 , 컴퓨터에 범 죄자 흑인 데이터가 많이 저장되어 있으면 범죄자가 흑인이라고 추측을 하여 잘 못된 사람을 체포하거나 범죄자를 잡지 못할 수도 있습니다 . 따라서 저는 ' 범 죄자를 찾을 때 얼굴인식 기능을 사용해도 될까요 ? ' 라는 논제에 반대합니다 . 이상 , 황단비 기자였습니다 . 제 글을 읽어주셔서 감사드립니다 !
목록보기
댓글 171
찬성해요
사용하되 수사에 참고하는 정도로 제한적으로 사용한다면 찬성합니다.
찬성해요
조금에 오차가 있더라도 범인을 찿을수 있는 기능이니 찬성합니다.
찬성해요
억울한 사람이 생길수도 있지만 효과적인 방법 입니다
반대해요
억울한 사람에게 누명을 씌울 수 있어요
반대해요
안녕하세요 ? 김수안 기자입니다 . 저는 ' 얼굴인식 기능을 사용해야할까요 ? ' 라는 주제에 반대합니다 . 왜냐하면 얼굴인식 기능으로 억울하게 누명을 쓴 사람이 생길 것 입니다 . 선량한 시민을 체포하는 경우도 있을 수 있고요 . 컴퓨터가 학습할 수 있는 데이터 학습량은 한정되어 있으므로 정확하지 않습니다 . 그러므로 누명을 썻던 사람은 충격 / 피해 / 우울증에 시달릴 수 있죠 . 인식 기능이 정확해도 경찰들은 참고해서 범죄자를 찾으면 좋겠는데 이 방법이 어려워 얼굴인식 기능을 쓸 수 있겠지만 그럼 범죄자가 염색하고 수염 깎고 풀메이크업 하고 다니고 성전환 ( ? ) 수술 , 성형수술을 했으면 .. 다른 사람이 억울하게 잡혀도 된단 말입니까 ? 아니죠 . 이름을 개명하여 교묘하게 속일 수도 있단 말이죠 . 그리고 얼굴 비슷한 사람이 한두명이 아니지 않습니까 ? 그러므로 전 이 주제에 반대합니다 .
찬성해요
안녕하세요? 양서윤 기자입니다. 저는 범죄자를 찾을 때 얼굴인식을 사용하는 것에 대해 찬성합니다. 왜냐하면 범인을 잡을 때 더 정확하게 300만개 이상의 도트를 찍는다고 하는데, 그것을 이용하면 범죄자의 얼굴을 피해자가 직접 설명하는 것 보다 더 정확히,신속히 범인을 알아 범인을 잡기가 쉬워지기 때문입니다. 예를 들어, 사람 A와 B가 있고 경찰이 있습니다.
A는 피해자고 B는 범죄자입니다. A는 도둑을 맞았습니다. 그래서 B는 금방 달아났어요. 경찰아저씨는 힘들게 수색하고 있었습니다.이런 상황이라면 얼굴인식을 사용해 범인을 더 금방, 빨리, 정확하게 잡을 수 있습니다.이에 따라 저는 범인을 잡을때 얼굴인식 기능을 사용하는 것에 대해 찬성합니다. 이상 양서윤 기자였습니다.감사합니다.
찬성해요
빨리잡을수 있어요
찬성해요
범인을 알아내기 쉬어요
찬성해요
더 빠르고 정확하게 찾을수 있기 때문이에요. 그리고 과부하가 걸리지 않게 잘 관리하면 되요.
반대해요
죄가 없는 사람이 억울하게 범인으로 몰리면 안되기 때문입니다.
반대해요
안녕하세요? 심 휘 기자입니다. 저는 이 기능을 반대합니다.
ㅏ람들이 억울하게 누명을 쓸 수 있기 때문입니다.
반대해요
죄가 없는 사람이 억울하게 범인으로 몰리면 안되기 때문입니다.
찬성해요
그래야지 범죄자를 빨리 찾을 수 있기 때문입니다
반대해요
죄가 없는 사람한테 벌을 내렸는데 그 사람이 범죄자가 아니라면 사과는 할 수 있지만 아무 잘못이 없던 사람은 힘들게 시간을 보냈습니다. 하는 건 좋지만, 오류가 완벽히 없어지고 사용을 하면 좋겠습니다. 우리에겐 그냥 '벌받네' 라고 생각할 지 모르겠지만, 그 누명을 쓴 자의 가족과 누명을 쓴 자는 고통을 받고, 뉴스에 다 탄로났을 겁니다. 이미 벌은 내려졌고, 고통을 받았는데 사과 하나로 그 마음이 위로가 될까요? 얼굴 인식 기능 사용은 좋고, 범죄 인식으로 시민들의 안전을 보장하는건 좋지만, 완벽히 오류 하나 없이 개발이 됬을때 사용을 해야한다고 생각합니다. 이상 박서연 기자였습니다.
반대해요
안녕하세요 저는 소진욱 기자입니다. 저는 얼굴 인식 기능을 범죄자를 찾는것에 사용하는것을 반대합니다. 왜냐하면 아직까지는 그 기술이 완벽하지 않아 잘못 인식하여 오해가 일어날수 있기 때문입니다.
반대해요
안녕하세요? 저는 서연우 기자 입니다. 저는 범죄자를 찾을 때 얼굴 인식 기능을 사용하는 것에 반대합니다.
왜냐하면, 혹시라도 인식이 잘못 되면 죄 없는 사람이 체포 될 것 같습니다. 그러며면 저라도 억울하고 그럴 것 입니다.
저는 얼굴 인식을 하는 것에 반대합니다.
찬성해요
직접 찻는게 훨신 느리고 그전에 또다른 사고가
날수 있기 때문문 이다.
찬성해요
시민들의 안전이 제일 중요합니다. 범죄자를 신속히 검거해 시민들의 안전을 보장해줘야 됩니다. 오류가 있을 수 있지만 범죄자를 검거하지 못하였을 때의 피해를 생각하면 감수해야 되는 문제라고 생각합니다.
반대해요
저는 반대라고 생각합니다.
이유는 두 가지가 있습니다.
첫째 이유는 얼굴인식 기술의 인식 능력이 부족하여 죄 없는 사람이 의심받아 경찰에게 체포될 수 있습니다.
그러면 얼마나 분하고 화나고, 황당할까요?
둘째 이유는 인식 기술의 오류로 얼굴인식이 잘못되어
사람들이 체포될 수 있기 때문입니다.
따라서 저는 얼굴인식 기술 사용에 반대합니다.
이상으로 제 의견 글을 마치겠습니다.
제 글을 읽어 주셔서 감사합니다.


처음으로 마지막으로