機械学習で審査員をアップグレードする方法

ジョン・ハン

刑事被告は、自宅ではなく刑務所での裁判を待つ必要があるのはいつですか？ソフトウェアは、裁判官がその電話をかける能力を大幅に向上させ、犯罪や刑務所で待機している人の数を減らすことができます。

で 新しい研究 全米経済研究所のエコノミストとコンピューター科学者は、ニューヨーク市の数十万件の事件のデータを使用して、被告がラップシートと裁判所の記録から飛行リスクであるかどうかを予測するアルゴリズムを訓練しました。これまでに見たことのない10万件以上のケースでテストしたところ、アルゴリズムは、裁判官よりも、釈放後に被告が何をするかを予測するのに優れていることが証明されました。

ジョン・クレインバーグ 研究に携わったコーネル大学のコンピューターサイエンス教授は、プロジェクトの1つの目標は、刑事司法制度で機械学習を使用することによる社会への潜在的な利益を政策立案者に示すことであったと述べています。これは、かなりの人間の専門知識がもたらされている状況でも機械学習がどのように役立つかを示しています、とスタンフォード、ハーバード、シカゴ大学の研究者とプロジェクトに取り組んだクラインバーグは言います。

彼らは、ニューヨーク市の場合、彼らのアルゴリズムのアドバイスにより、刑務所で待機している人の数を変えることなく、裁判を待っている被告による犯罪を最大25パーセント削減できると見積もっています。あるいは、被告による犯罪率を変えずに、裁判を待っている刑務所の人口を40パーセント以上減らすために使用することもできます。米国全体の40の大都市郡からのデータで実験を繰り返すと、同様の結果が得られました。

ボーナスとして、アフリカ系アメリカ人とヒスパニックのより少ない割合を含むように刑務所の人口を同時にシフトさせながら、そのような利益が可能でした。

アルゴリズムは、現在の事件とラップシートの記録から引き出されたデータに基づいて被告にリスクスコアを割り当てます。たとえば、彼らが疑われる犯罪、逮捕された時期と場所、以前の有罪判決の数と種類などです。 （使用する人口統計データは年齢のみであり、人種ではありません。）

Kleinbergは、間違っている可能性が非常に高い決定にフラグを立てる警告システムの形で、現在の作業方法を大きく混乱させることなく、裁判官を支援するアルゴリズムを展開できると示唆しています。裁判官のパフォーマンスの分析は、裁判に出廷しない可能性が非常に高い人々を時折釈放したり、裁判を待っている間に犯罪を犯したりする傾向があることを示唆しました。アルゴリズムはそれらのケースの多くを捕らえることができた、とクラインバーグは言います。

リチャード・バーク ペンシルベニア大学の犯罪学教授である、は、この研究を非常に優れた研究であり、刑事司法の決定を改善するために機械学習を適用することへの最近の関心の高まりの例であると説明しています。このアイデアは20年間検討されてきましたが、機械学習はより強力になり、それをトレーニングするためのデータがより利用可能になりました。

バークは最近、ペンシルベニア州仮釈放委員会で、人が再犯するリスクについて助言するシステムをテストし、それが犯罪を減らしたという証拠を見つけました。 NBERの研究は、機械学習を量刑前にどのように使用できるかを調べているため重要です。これは、十分に調査されていない分野です。

ただし、バーク氏は、刑事司法アルゴリズムが不公正な結果をもたらさないようにする方法について、さらに調査が必要であると述べています。 去年 ProPublicaの調査によると、保護観察を受けるべき囚人を決定するために開発された商用ソフトウェアは、白人よりも黒人を高リスクとして誤ってラベル付けする可能性が高いことがわかりました。

イェンス・ルートヴィヒ 新しいNBER研究に取り組んだシカゴ大学犯罪研究所の所長は、裁判官に助言するアルゴリズムが犯罪を減らし、黒人とヒスパニックの割合を減らすことができることを示すことによって、不公平な結果が避けられないことを示していると言います投獄されています。これらのツールは、現状に比べて公平性を実際に向上させることができると彼は言います。

隠れる