'공공 안전'과 '개인정보 보호'의 균형
인공지능 기술, 데이터 트러스트 등을 기반으로 한 사회적 거리두기 2.0
주) 이 글은 엘리먼트 AI의 공동 창업자이자 Advisor이신 Yoshua Bengio 교수님의 블로그에 2020년 3월 23일 포스팅된 'Peer-to-peer AI-tracing of COVID-19'의 번역본입니다. 원문은 여기서 보실 수 있습니다.
사회적 거리 두기는 물론 효과가 있지만, 당연하게도, 매우 잔인한 방법이자 경제적으로 큰 피해를 주는 한계를 보인다. 우리는 감염된 사람들의 동선을 추적하여, 해당 장소에 방문한 사람들로 하여금 사회적 거리두기를 하게 하는 것이 얼마나 좋은 효과를 보이는지 알고 있는데, 여기에 기술을 더한다면 더 큰 도움을 줄 수 있을 것이다. 백신의 임상 실험 기간과, 대규모의 사람들에게 백신을 접종하는 데는 앞으로도 18-24개월이 필요할 것으로 보인다. 우리의 경제를 다시 살리기 위해서라도, 우리는 현재의 방식이 아닌 새로운 방식의 사회적 거리 두기 방식을 고려해야만 한다. 동시에, 우리는 이러한 기술이 향후 정부기관 등이 우리 스스로를 추적하는데 악용되지 않을 수 있도록 감시하는 것에도 주의를 기울여야 할 것이다.
한번 상상해보자. 스마트폰의 애플리케이션이 당신이 어디에 방문했는지, 또 어떠한 사람과 환경을 만났는지를 바탕으로 당신이 감염되었을 가능성을 추적하고, 그 위험정보를 당신이 만나는 사람들과 공유하는 것이다. 이를 바탕으로 상대방의 앱은 각자의 감염 위험도를 스스로 업데이트할 수 있다. 당신이 누군가를 만났을 때, 당신은 그들이 당신을 감염시킬 만한 위험이 얼마나 되는지 판별할 수 있을 것이다. 당신은 이제 선택할 수 있다. 상대방과 거리를 유지하거나, 그들이 당신의 가게, 집, 또는 차에 들어오지 못하게 하는 것이다. 동시에 항상 자신의 위험 수준을 알 수 있기 때문에 스스로가 주변 사람들에게 미칠 수 있는 감염 위험을 더 의식할 수 있게 되고, 이런 위험을 피하기 위해서라도 집에 더 자주 머무르고, 손을 씻을 수 있도록 의식하는데 도움을 줄 수 있을 것이다. 만일 바이러스 테스트를 받게 되면, 의료인이 암호화 기술이 적용된 앱 버전을 사용하여 테스트 결과에 대한 중요한 정보를 스마트폰에 제공해주고, 익명화된 정보(GPS 경로가 아니라, 누구를 만났고 각 어떠한 위험이 있었는지 등)를 데이터를 관리하는 비정부기구인 데이터 트러스트(Data Trust)에 업로드하게 된다. 데이터 트러스트에 업로드된 정보는, 감염증 리스크 예측 변수를 학습하는 데 사용되며 사용자는 데이터를 업로드하는 대가로 업데이트된 버전의 리스크 예측 변수를 사용하여 보다 정확한 감염 예측이 가능하다. 즉, 데이터 트러스트를 사용하기 때문에 P2P 추적에는 중앙 집권적 데이터베이스에서 모든 사용자의 이동정보를 저장해야 하는 것은 아니다. 중앙 데이터베이스에는 예측 변수를 학습하는 데 필요한 지역적인 정보가 제거된 정보, 익명화된 정보만 수집 및 저장된다. 실제로 언제, 어디서 만났는지 등 중요한 지리적인 정보는 스마트폰에만 저장되고, 상호 간 (P2P)로만 전달되는 것이다. 또한 이 앱은 질병에 대한 사용자의 질문에 답할 수 있으며, 테스트가 필요한 경우 지역 보건 당국과 연결해 줄 수도 있다. 뿐만 아니라 새로운 증상이 나타나지는 않는지 확인하는 일일 점검 기능을 제공하여, 실시간으로 체내 위험도를 평가 및 추적할 수 있다.
당신이 마주치는 사람들, 가게의 주인은 당신이 스마트폰에 앱을 설치했는지 확인할 수 있다. (앱은 10m 이내에서 블루투스 기술을 통해 통신이 가능하다) 즉, 당신이 자유롭게 야외활동을 하고 사람들을 만나기 위해서는 앱을 다운로드하고, 정보를 업로드해야 한다는 것이다. (사회적 압력을 느끼게 될 것이다.) 혹은 정부가 특정 인원, 식료품점, 학교 및 대학 등이 위치한 일부 지역에 접근하기 위해서는 무조건 앱을 설치하도록 의무화할 수도 있다. 어떤 사람들은 스마트 폰이 없기 때문에 (예를 들면 상당 수의 노인들), 정부가 나서서 저렴한 스마트폰을 이들에게 제공하는 것을 고려해야 할 것이다.
지역별로 앱의 수집 정보나 정도를 차별적으로 운용할 수도 있다. 지역별로 바이러스의 증가율을 컨트롤하기 위해 (예. 바이러스의 재생산수 = Reproduction number를 1 이하로 유지하기 위해) 수집되는 변수의 양을 조절할 수 있다. 이를 통해, 사회-경제적인 피해 (소득이 줄거나 경제 전반의 생산이 저해되는 경우)와 보건과 관련된 피해 사이의 균형을 잡을 수 있을 것이다. 최적의 포인트는 재생산수가 1이거나 조금 낮은 수준에서 형성되는 것이 좋은데, 이렇게 해야만 감염자가 오르락내리락하는 과정에서도 앱이 로버스트 하게 운영될 수 있기 때문이다.
아직 많은 세부적인 사항들이 고려되어야 하며, 이를 위해서는 감염학, 모바일 컴퓨팅, UI, 머신러닝, 데이터베이스 암호화, 데이터 신뢰에 대한 전문적인 법적 지식에 이르기까지 다양한 전문가들의 공동 노력이 필수적으로 요구된다. 하지만 이는 오픈소스 협업 툴을 사용하여 공개적으로 개발될 수 있으며, 전세계에 무료로 배포될 것이다. 빠른 시일에 말이다.
글 : Vargha Moayed & Yoshua Bengio
