研究:在預測再犯風險上,演算法比人的判斷更準確

作者 | 發布日期 2020 年 02 月 18 日 23:50 | 分類 AI 人工智慧 Telegram share ! follow us in feedly


在刑事司法領域中,主管機關必須將未來再犯風險納入評估,才能給予犯罪人適當的罰則,但由「人」進行的評估準確度總有極限存在。美國研究團隊發現,演算法在預測累犯上似乎要比人類準得多,在一些測試中,甚至達到了 90% 的準確度。

長年以來,基於演算法的評估工具一直被美國廣泛應用於醫療、金融、升學及刑事司法領域,能夠很好協助人們在必須做出決策時權衡數據。

但是在 2018 年,達特茅斯學院研究人員提出了研究質疑,認為對此類工具在刑事司法框架風險評估上的準確性並未高於人類,在質疑受到廣泛報導後也引發美國刑事司法改革界的討論。

美國有著世界最高的監禁率,如何降低監禁率的同時確保社區對安全的需求,也成為美國近年備受討論的話題。一些人認為,如果工具的準確度並未明顯高於人們,那麼用來預測就毫無意義,只會加劇判決中的偏見,另一些人則認為,這樣重大的決定應該由人而不是電腦做出。

儘管這些辯論提出有關演算法工具的重要問題,但在評估更多數據和因素後,史丹佛大學和柏克萊加大學者得出了結論:在受控環境中只評估少數變量時,人們的預測能力確實能與工具比擬,但在類似真實刑事司法環境的情況下,工具在預測累犯的風險評估上仍明顯比人更準確。

研究人員指出,達特茅斯的發現基於有限的因素,但現實世界中的刑事司法環境通常要複雜得多,而且更加含糊,還有大量外在因素可能影響情況。

《科學進展》(Science Advances)期刊的新論文中,團隊描述了他們在類似司法環境下進行的測試結果,人類的準確率約只有 60%,而工具則高達 90%,顯示基於演算法的工具在風險評估上仍要比人們好得多。

史丹佛大學計算社會科學家 Sharad Goel 認為,經過驗證的風險評估工具可以幫助司法專業人員做出更明智的決定。

「舉例來說,這些工具可以幫助法官辨別並釋放對公共安全構成很小風險的人。但當然像其他任何工具一樣,風險評估工具必須與健全的政策和人為監督相結合,才能支持公正有效的刑事司法改革。」

(首圖來源:pixabay