2021년 1월 16일 토요일

(토론실 사이트 게시물)2019 세계 대학교 토론 대회 ESL 부문 준결승전

(원문 출처)
http://www.toronsil.com/gnu5/bbs/board.php?bo_table=englishdebate&wr_id=1624

토론 주제: 본 의회는 정부들이 인간의 판단(예: 사법 제도 정책, 건강보험 자원 분배, 주거 개발)을 대신해서 빅데이터에 기초한 예측 모델을 의사결정에 활용하는 것을 크게 증가시키는 것을 지지한다.  
Motion: This House supports governments significantly increasing their use of big data-based predictive models in decision-making to replace human judgements (e.g. criminal justice policy, allocation of healthcare resources, housing development).

원본 동영상 링크 1(Original Video Link): https://www.youtube.com/watch?v=HaCfnpRiru8
원본 동영상 링크 2(Original Video Link): https://www.youtube.com/watch?v=iCTdpvQqncY

주제 설명: 빅데이터에 기초한 예측 모델이라고 하면 인공지능 및 데이터 분석 기술 등 관련 기술이 굉장히 발달하고, 데이터의 규모가 이전과는 비교할 수도 없이 커진 상황에서 예측 모델의 정확성이 과거보다 훨씬 높아진 것을 전제로 할 수 있습니다. 인간의 판단을 보조한다는 것이 아니라 인간의 판단을 대신(대체)한다는 토론 주제의 용어 선정에 주의를 기울여야 합니다. 현실적으로야, 0대 100과 같은 극단적인 논리가 설 자리가 없고 인간과 기술이 서로 협업하면서 가야 한다고 이야기를 할 수 있으나, 토론에서는 설령 협업을 한다고 해도 그 협업의 중심에 인간이 있어야 하느냐, 아니면 보다 기술 중심적으로 바뀌어야 하느냐와 같이 51대 49의 상황을 검토해야 하며, 50대 50과 같은 행복한 상황이 나오기 어렵다는 것을 염두에 둘 필요가 있습니다. 더군다나 대회 토론의 경우 승리 또는 높은 순위를 확실히 거머쥐어야 하기 때문에 인간의 판단이냐 빅데이터 예측 모델의 정확성이냐 중 택1을 하고 주장의 선명성을 강화할 필요도 있는 상황입니다.
찬성 측 입장에서는 개별 인간의 편견과 특정 이해집단의 폭주가 정책의 공정성 등에 악영향을 끼칠 수 있기 때문에 모든 이해관계자들의 의사를 광범위하게 포함할 수 있는 빅데이터가 보다 공정할 수 있다는 주장을 할 수 있습니다. 물론 빅데이터의 경우에도 그 빅데이터를 구성하는 데 기여한 사람들 가운데 다수파와 소수파가 누구고 그들의 성향이 어떻게 되느냐에 따라 그 내용과 품질이 바뀔 수는 있으나, 적어도 개별 인간이나 특정 이해집단의 제한된 지식, 시각, 또는 경향에 비해서는 현실의 복잡성과 사회의 일반적인 요구를 정책에 더 잘 반영할 것이라는 주장을 할 수 있습니다. 찬성 측에서는 빅데이터가 객관성과 보편타당성을 추구하는 통계 기법의 강화판이라는 이야기를 할 수도 있습니다. 반대 측 입장에서는 빅데이터도 결국 데이터를 수집해서 정리하는 사람과 알고리즘을 만들고 작동시키는 사람의 주관적 편견이 개입될 수 밖에 없는데 과연 해당 정책 분야의 전문가보다 공정하고 정확한 예측을 할 수 있느냐는 반론을 제기할 수 있습니다. 쉽게 말해, 인간이 주도해서 의사결정을 할 때는 해당 인간 정책결정자가 누구인지 언론 등에 공개해서 견제를 할 수 있지만, 빅데이터 알고리즘의 구현 방식 등을 대중에게 공개하고 어떤 데이터가 빅데이터 예측 모델의 의사결정에 보다 큰 영향을 끼쳤는지와 같이 설명이 가능하냐는 반론을 할 수 있습니다. 결국 대중이 쉽게 이해할 수 있는 수준의 설명이 어렵다면, 민주주의에서 말하는 견제와 균형이 이뤄지기는 더 어렵다는 결론을 도출할 수 있습니다.

(참고자료)
1. https://en.dict.naver.com/#/entry/koen/9b8d46c6cce946998769be1e762e63d0
2. https://en.dict.naver.com/#/entry/enko/5e74cc97d2ef4285ad3930f92fee4fa3
3. https://en.dict.naver.com/#/entry/enko/112d6f772f184defb66ecffc86f5b470

토론 대회 소개: World Universities Debating Championships, 세계 대학교 토론 대회는 영어로 진행되는 세계에서 가장 큰 대회입니다. 대학생이 주로 참가하며(대학원생도 참가할 수 있겠습니다만...), 참가자 수로나 참가 대학 수로만 따졌을 때 지역 대회나 국내 대회가 더 클 수도 있기는 하나, 전 세계의 모든 대학교 학생들이 참가 자격을 가지고 있고 대학 졸업 후 일반인들이 정기적으로 참가할 수 있는 세계 토론 대회가 있느냐고 물을 경우 가장 큰 대회가 맞다고 할 수 있습니다. 한국에서는 동북아시아 최초로 세계 대학교 토론 대회가 https://blog.naver.com/debatekorea1/221460296356 와 같이 개최될 예정입니다. 원래는 2020년 12월부터 2021년 1월까지 진행될 예정이었으나 코로나 바이러스 사태로 인해 https://www.facebook.com/koreawudc2021/posts/2723951557863380 와 같이 2021년 7월 초로 연기되었습니다. 세계 대학교 토론 대회는 https://blog.naver.com/debatekorea1/221987802656 에 제시된 영국 의회식 토론 형식으로 진행됩니다. 현재 https://www.youtube.com/c/CapeTownWUDC2019/videos 의 2019년 세계 대학교 토론 대회 토론 동영상을 올리고 있으며, 2018년, 2017년과 같이 점차 거슬러 올라가는 식으로 게시물을 올릴 예정입니다. 2021년 한국 세계 대학교 토론 대회 및 그 이후 대회 동영상이 나올 경우 어떤 순서로 게시물을 등록할지는 고민해보도록 하겠습니다. 

토론 주제: 본 의회는 정부들이 인간의 판단(예: 사법 제도 정책, 건강보험 자원 분배, 주거 개발)을 대신해서 빅데이터에 기초한 예측 모델을 의사결정에 활용하는 것을 크게 증가시키는 것을 지지한다.  
Motion: This House supports governments significantly increasing their use of big data-based predictive models in decision-making to replace human judgements (e.g. criminal justice policy, allocation of healthcare resources, housing development).

1. 찬성합니다(I agree the motion).
2. 반대합니다(I disagree the motion).
3. 기권합니다(I abstain the motion).

댓글 없음:

댓글 쓰기