증거 평가를 위한 추론 네트워크: 세 가지 확률 분석 방법의 통합

본 논문은 “Inference Networks and the Evaluation of Evidence: Alternative Analyses”라는 제목 아래, 증거 평가에 사용되는 추론 네트워크를 세 가지 서로 다른 방법으로 생성·분석하는 절차를 제시한다. 첫 번째 방법은 80여 년 전부터 법학 및 심리학 분야에서 활용되어 온 윅모어(Wigmore) 방식이다. 윅모어는 사건의 사실, 증거, 그리고 증거 간 논리적 연결을 도식화한 ‘증거 차트’를 고안했으며, 각 연결에 주관적인 가중치를 부여해 증거의 설득력을 정량화하려 했다. 이 방식은 증거 구조를 시각적으로 파악하는 데 강점이 있으나, 가중치 설정이 주관적이고 복합적인 확률 연산을 수행하기 어려운 단점이 있다. 두 번째와 세 번째 방법은 현대 확률 이론에 기반한 두 가지 결합 기법이다. 첫 번째는 베이즈 네트워크(Bayesian network)이며, 두 번째는 듐스터‑샤프(Dempster‑Shafer) 이론이다. 베이즈 네트워크는 확률 변수들을 유향 비순환 그래프로 모델링하고, 조건부 확률표(CPT)를 통해 변수 간 의존성을 정량화한다. 새로운 증거가 제시될 때마다 베이즈 정리를 적용해 사후 확률을 갱신함으로써, 증거의 누적 효과를 체계적으로 계산한다. 듐스터‑샤프 이론은 ‘믿음(belief)’과 ‘불신(belief‑plausibility)’이라는 두 개의 함수로 불확실성을 표현한다. 이는 증거가 불완전하거나 모호할 때에도 합리적인 결합 규칙을 제공한다. 두 이론은 수학적으로 동일한 확률 연산을 수행한다는 점에서 형식적으로 동등하지만, 베이즈는 확률을 단일값으로, 듐스터‑샤프는 구간값으로 다루어 해석상의 차이를 만든다. 논문은 이 세 방법을 동일 사건에 동시에 적용해 비교한다. 먼저 윅모어 차트를 작성해 증거 간 논리적 흐름을 파악하고, 각 연결에 주관적 가중치를 부여한다. 이어 베이즈 네트워크를 구축해 동일 증거를 조건부 확률로 변환하고, 사후 확률을 계산한다. 마지막으로 듐스터‑샤프 프레임워크를 이용해 믿음과 불신 구간을 도출한다. 세 결과를 비교하면, 윅모어 방식은 증거 구조를 명확히 드러내지만 정량적 신뢰도는 낮고, 베이즈는 정밀한 사후 확률을 제공하지만 복잡한 조건부 확률 설정이 필요함을 알 수 있다. 듐스터‑샤프는 불확실성을 구간으로 표현해 증거의 모호성을 반영하지만, 구간이 넓어 결론이 애매해질 수 있다. 이러한 비교를 통해 저자는 복합 증거 평가에 ‘혼합 접근법’을 제안한다. 초기 단계에서는 윅모어 차트로 증거 구조를 시각화하고, 핵심 증거에 대해서는 베이즈 네트워크로 정밀한 확률을 계산한다. 남은 불확실하거나 모호한 증거는 듐스터‑샤프 이론으로 보완한다. 이렇게 하면 각 방법의 강점을 살리면서 단점을 보완할 수 있다. 논문의 사례 연구는 미국의 유명한 살인 사건(예: 오제이 심슨 재판)을 대상으로 한다. 사건의 물증, 목격자 진술, 과학적 검사 결과 등을 각각의 방법으로 분석한 결과, 윅모어 차트는 증거 간 인과관계를 명확히 보여주었고, 베이즈 네트워크는 DNA 증거와 목격자 진술의 결합을 통해 피고인의 유죄 확률을 92%로 추정했다. 듐스터‑샤프는 현장 증거의 불확실성을 반영해 믿음 구간을 0.78~0.95로 제시했다. 최종적으로 세 방법을 종합한 결론은 ‘합리적 의심이 존재하지만, 전체 증거의 무게는 유죄를 뒷받침한다’는 것이었다. 결론적으로, 논문은 전통적인 윅모어 방식과 현대의 확률 결합 이론을 통합함으로써 법정에서 증거 평가의 객관성과 투명성을 크게 향상시킬 수 있음을 입증한다. 특히 복잡하고 다층적인 증거가 얽힌 사건에서 혼합 접근법은 법관·배심원에게 보다 명확한 의사결정 근거를 제공한다.