Počítačové učení může pomoci snížit opakované domácí násilí

Nová studie zjistila, že použití analýzy dat a počítačového učení k obvinění k analýze šancí na opakovaný incident domácího násilí snížilo počet nových případů o polovinu, což vedlo k více než 1 000 méně zatčením ročně v jedné velké metropolitní oblasti.

Po zatčení je prvním soudním řízením obvykle předběžné obvinění, kdy se soudce nebo soudce rozhodne, zda podezřelého propustí nebo je uvězní na základě pravděpodobnosti, že se osoba vrátí k soudu nebo spáchá nové trestné činy.

Obvinění jsou obvykle velmi krátká a rozhodují na základě omezených údajů. Nicméně, Dr. Richard Berk a Susan B. Sorenson z Pennsyvanské univerzity zjistili, že používání počítačových předpovědí v těchto řízeních může dramaticky omezit následné zatýkání domácího násilí.

"Velké množství rozhodnutí v trestním řízení ze zákona vyžaduje projekce rizika pro společnost." Tyto hrozby se nazývají „budoucí nebezpečnost“, “uvedl Berk, profesor kriminologie a statistiky na Penn's School of Arts & Sciences a Wharton School.

"Mnoho rozhodnutí, jako obžaloba, je jakýmsi sedadlem kalhot." Otázkou je, zda dokážeme lepší výsledky, a odpověď zní ano. Je to velmi nízký bar. “

Pokud jde o trestné činy domácího násilí mezi intimními partnery, rodiči a dětmi nebo dokonce sourozenci, obvykle existuje hrozba pro jednu konkrétní osobu, uvedl Sorenson, profesor sociální politiky na Pensylvánské škole sociální politiky a praxe, který také řídí Centrum Evelyn Jacobs Ortner o rodinném násilí.

"Není to obecný problém veřejné bezpečnosti," řekla. "S obviněním z domácího násilí řekněme, že člověk - a obvykle je to člověk - je za to zatčen a čeká na soud." Nechystá se napadnout nějakou náhodnou ženu. Existuje riziko opětovného útoku na stejnou oběť. “

Aby pochopili, jak může počítačové učení pomoci v případech domácího násilí, získali Berk a Sorenson údaje z více než 28 000 obžalob v oblasti domácího násilí v období od ledna 2007 do října 2011. Rovněž se zabývali dvouletým obdobím sledování po propuštění, které skončilo v říjnu 2013 .

Počítač se může podle vědců „naučit“, jaké druhy jedinců pravděpodobně urazí. Pro tento výzkum zahrnovalo 35 počátečních vstupů věk, pohlaví, předchozí zatykače a tresty a bydliště.

Tyto datové body pomáhají počítači porozumět vhodným asociacím pro předpokládané riziko a nabízejí soudnímu úředníkovi, který rozhoduje o propuštění pachatele, další informace.

"Ve všech druzích nastavení je lepší, když na to přijde počítač, než když na to přijdeme my," řekl Berk.

To neznamená, že při jeho používání neexistují žádné překážky, poznamenal.

Počet chybných předpovědí může být nepřijatelně vysoký a někteří lidé v zásadě nesouhlasí s používáním dat a počítačů tímto způsobem. V obou těchto bodech vědci reagují, že používání počítače - to, čemu říkají strojové učení - je jednoduše nástrojem.

"Nedělá to pro lidi žádná rozhodnutí," řekl Sorenson. Tyto volby „mohou být informovány moudrostí, která se hromadí v průběhu let zkušeností, ale je to také moudrost, která se nashromáždila pouze v této soudní síni. Strojové učení přesahuje jednu soudní síň k širší komunitě. “

V některých nastaveních trestního soudnictví je používání strojového učení již běžné, ačkoli různé druhy rozhodnutí vyžadují různé datové sady, z nichž se počítač musí učit, uvedli vědci. Dodali, že základní statistické techniky zůstávají stejné.

Pensylvánští vědci věří, že strojové učení může zlepšit současné postupy.

"Algoritmy nejsou dokonalé." Mají nedostatky, ale přibývá údajů, které ukazují, že mají méně nedostatků než stávající způsoby, jak přijímáme tato rozhodnutí, “uvedl Berk.

"Můžete je kritizovat - a měli byste, protože je můžeme vždy vylepšit - ale jak říkáme, nemůžete nechat perfektní být nepřítelem dobra."

Studie byla publikována v The Journal of Empirical Legal Studies.

Zdroj: University of Pennsylvania