预测假释结果的算法

美国的监禁率是世界上最高的，这导致监狱过度拥挤，以及由此带来的额外暴力。

因此，通过批准假释将重罪犯重新送回街头是一种重要的安全机制和管理工具，但评估哪些囚犯在获得自由后可能不会再次犯罪是一项困难而麻烦的任务。

几年来，负责计算某人再次犯罪几率的人在决策过程中得到了称为风险评估工具(RAIs)的计算框架的帮助。

这些算法的有效性在2018年受到了质疑主要的研究测试他们的预测能力与未经训练的人类相比较。这些机器和人们被告知400名囚犯的简要信息，包括性别、年龄、目前的指控和前科，并被要求做出判断。

在65%的情况下，两组人都做出了正确的判断，这对未经训练的人来说是相当有洞察力的，但考虑到利害关系，对于算法来说是相当普通的。

现在,一个新的研究由美国斯坦福大学(Stanford University)计算社会科学家沙拉德•戈埃尔(Sharad Goel)领导的这项研究重复并扩展了早期的研究，并发现该软件得到了支持。

在研究的第一阶段，Goel和他的同事重复了之前的工作，得出了类似的结果。然后，他们在几个额外变量的作用下重复了这个练习——他们认为，这种情况更像真实世界的情况。

有了额外的信息，算法的表现要好得多，在90%的案例中正确预测了再犯。人类的正确率只有60%。

“风险评估长期以来一直是刑事司法系统决策的一部分，”合著者詹妮弗·斯基姆(Jennifer Skeem)说。

“尽管最近的辩论对基于算法的工具提出了重要问题，但我们的研究表明，在类似真实刑事司法环境的情况下，风险评估在预测累犯率方面往往比人类的判断更准确。

这与将人类与统计工具进行比较的长期研究是一致的。”

发表在期刊上的论文中科学的进步在美国，研究人员表示，更准确的RAI结果将有助于管理负担过重的美国刑罚系统。

该算法不仅有助于决定哪些囚犯可以安全地释放到社区，而且还有助于将囚犯分配到低或高安全设施。