PAWS — 밀렵꾼보다 먼저 도착하는 AI 순찰 경로
하버드와 USC 연구팀이 개발한 PAWS는 게임이론과 머신러닝을 결합해 밀렵꾼의 행동을 예측하고, 제한된 순찰 인력의 최적 경로를 생성하는 AI 시스템이다.
성공 팩트
하버드와 USC 연구팀이 개발한 PAWS는 게임이론과 머신러닝을 결합해 밀렵꾼의 행동을 예측하고, 제한된 순찰 인력의 최적 경로를 생성하는 AI 시스템이다. 과거 밀렵 발생 데이터, 덫·올무 발견 위치, 지형, 접근로, 계절 패턴을 학습해 "밀렵꾼이 다음에 어디에 나타날 가능성이 높은지"를 예측한다. 캄보디아, 우간다, 말레이시아 등의 보호구역에서 실제 배치되었으며, 순찰 인력이 랜덤으로 도는 것보다 밀렵 행위 발견율이 유의미하게 높아졌다. 별도로 WildTrack은 AI가 동물의 발자국 사진만으로 종, 성별, 나이를 식별해 비침습적으로 개체군을 모니터링하는 기술을 개발했다.
시너지의 본질
밀렵 방지의 가장 큰 제약은 "인력"이다. 수천 제곱킬로미터의 보호구역을 소수의 순찰대가 커버해야 한다. 밀렵꾼은 순찰 패턴의 빈틈을 노린다. AI가 순찰 경로를 예측 불가능하면서도 전략적으로 만들어, 적은 인력으로 넓은 지역의 억제력을 극대화한다.
모듈 시너지
모듈 E(위험 상황): 밀렵 순찰은 무장 밀렵꾼과의 조우 가능성을 포함하는 위험한 임무다. AI가 최적 경로를 제안하더라도, 순찰대의 안전이 최우선이며, 고위험 지역에서는 AI 권고보다 현장 판단이 우선해야 한다.
모듈 D(논쟁적 주제/의사결정): 밀렵의 근본 원인은 빈곤과 시장 수요다. AI 순찰은 현장 억제력을 높이지만, 밀렵을 근절하지는 못한다. 기술적 해법과 사회경제적 해법이 병행되어야 한다.
방패 연결
방패 편 S-22(AI 재판관의 인종 편향) — PAWS에서 과거 밀렵 데이터가 특정 지역·커뮤니티에 편중되어 있으면, AI가 해당 지역만 집중 감시하는 편향이 발생할 수 있다. 이는 해당 지역 주민에 대한 불공정한 감시로 이어질 수 있다.
→ 본편: 2부 3장 (모듈 E — 위험 상황), 2부 4장 (모듈 D — 논쟁적 주제)