Комп’ютерне навчання може допомогти зменшити кількість випадків домашнього насильства

Нове дослідження виявило, що за допомогою аналізу даних та комп’ютерного навчання в суді для аналізу шансів повторного домашнього насильства кількість випадків зменшилася вдвічі, що призвело до більш ніж 1000 арештів щороку в одному великому мегаполісі.

Після арешту першим приходом до суду, як правило, є попередній запобіжний захід, коли суддя або магістрат вирішують, звільнити підозрюваного чи утримати їх у в'язниці, виходячи з вірогідності повернення особи до суду або вчинення нових злочинів.

Заговори, як правило, дуже короткі, рішення приймаються на основі обмежених даних. Однак доктори. Річард Берк та Сьюзен Б. Соренсон з Університету Пенсиванії виявили, що використання комп’ютерних прогнозів у цих провадженнях може різко зменшити подальші арешти в сім’ї.

«Велика кількість рішень про кримінальне правосуддя, передбачені законом, вимагають прогнозів ризику для суспільства. Ці загрози називаються "небезпекою в майбутньому", - сказав Берк, професор кримінології та статистики Школи мистецтв і наук Пенна та Школи Уортона.

“Багато рішень, як-от обвинувачення, є своєрідним місцем для штанів. Питання в тому, чи можемо ми зробити це краще, і відповідь - так, ми можемо. Це дуже низька планка ".

Для злочинів у сфері домашнього насильства між інтимними партнерами, батьками та дітьми або навіть братами та сестрами, як правило, існує загроза для певної людини, сказав Соренсон, професор соціальної політики в Школі соціальної політики та практики в Пенсільванії, який також керує центром Евелін Джейкобс Ортнер про насильство в сім'ї.

"Це не загальне питання громадської безпеки", - сказала вона. “За звинуваченням у домашньому насильстві, скажімо, хлопець - а це зазвичай хлопець - за це заарештований і чекає суду. Він не збирається нападати на якусь випадкову жінку. Ризик полягає у повторному нападі на ту саму жертву ".

Щоб зрозуміти, як комп’ютерне навчання може допомогти у справах про домашнє насильство, Берк та Соренсон отримали дані понад 28 000 судових справ про домашнє насильство в період з січня 2007 року по жовтень 2011 року. Вони також розглянули дворічний період подальшого спостереження після звільнення, яке закінчилося в жовтні 2013 року. .

За словами вчених, комп’ютер може „дізнатись”, які особи можуть скоїти кривду. Для цього дослідження 35 початкових даних включали вік, стать, попередні ордери та вироки, а також місце проживання.

Ці дані допомагають комп'ютеру зрозуміти відповідні зв'язки для прогнозованого ризику, пропонуючи додаткову інформацію службовій особі суду, яка приймає рішення про звільнення злочинця.

"У будь-яких налаштуваннях, якщо комп’ютер це розібрався, це краще, ніж нам розібратися", - сказав Берк.

Це не означає, що для його використання немає перешкод, зазначив він.

Кількість помилкових передбачень може бути неприпустимо великою, і деякі люди в принципі заперечують проти використання даних та комп'ютерів у такий спосіб. З обох цих питань дослідники відповідають, що використання комп’ютера - те, що вони називають машинним навчанням - це просто інструмент.

"Він не приймає рішень для людей будь-яким способом", - сказав Соренсон. Цей вибір “може бути проінформований мудрістю, яка накопичується за багаторічний досвід, але це також мудрість, яка накопичилася лише у цій залі суду. Машинне навчання виходить за межі однієї зали суду для широкої спільноти ".

У деяких закладах кримінального правосуддя використання машинного навчання вже є звичним явищем, хоча різні типи рішень вимагають різних наборів даних, з яких комп'ютер повинен вчитися, відзначили дослідники. Однак основні статистичні методи залишаються незмінними, додали вони.

Пенсильванські дослідники вважають, що машинне навчання може вдосконалити сучасну практику.

«Алгоритми не ідеальні. Вони мають недоліки, але дедалі більше даних показує, що у них менше недоліків, ніж у існуючих способах прийняття таких рішень », - сказав Берк.

"Ви можете їх критикувати - і ви повинні, тому що ми завжди можемо зробити їх кращими, - але, як ми говоримо, ви не можете дозволити ідеальному стати ворогом добра".

Дослідження було опубліковано в Журнал емпіричних юридичних досліджень.

Джерело: Університет Пенсільванії