Mokymasis kompiuteriu gali padėti sumažinti pasikartojantį smurtą šeimoje
Naujas tyrimas parodė, kad naudojant duomenų analizę ir mokymąsi kompiuteriu teismo procese, siekiant išanalizuoti pakartotinio smurto artimoje aplinkoje tikimybę, perpus sumažėjo naujų atvejų, dėl to kasmet vienoje didelėje didmiesčio zonoje buvo sulaikyta daugiau nei 1 000 mažiau.
Po arešto pirmasis teismo posėdis paprastai yra išankstinis bylos iškėlimas, kai teisėjas ar teisėjas nusprendžia, ar paleisti įtariamąjį, ar laikyti jį kalėjime, atsižvelgdamas į tikimybę, kad asmuo grįš į teismą ar padarys naujus nusikaltimus.
Skirtumai paprastai būna labai trumpi, sprendimai priimami remiantis ribotais duomenimis. Tačiau dr. Richardas Berkas ir Susan B. Sorenson iš Pensilvanijos universiteto nustatė, kad kompiuterinių prognozių naudojimas šiame procese gali žymiai sumažinti vėlesnius areštus smurto šeimoje.
„Daugeliui įstatymų numatytų baudžiamosios justicijos sprendimų reikia numatyti riziką visuomenei. Šios grėsmės vadinamos „būsimu pavojingumu“, - sakė Berkas, kriminalistikos ir statistikos profesorius Penno menų ir mokslų mokykloje bei Whartono mokykloje.
„Daugybė sprendimų, pavyzdžiui, baudžiamasis persekiojimas, yra tarsi kelnių vieta. Klausimas yra, ar mes galime padaryti geriau nei tai, ir atsakymas yra taip, kad mes galime. Tai labai žema juosta “.
Dėl smurto artimoje aplinkoje nusikaltimų tarp artimųjų partnerių, tėvų ir vaikų ar net brolių ar seserų paprastai kyla grėsmė vienam konkrečiam asmeniui, sakė Sorensonas, socialinės politikos profesorius Pensilvanijos socialinės politikos ir praktikos mokykloje, kuris taip pat vadovauja Evelyn Jacobs Ortner centrui. apie smurtą šeimoje.
"Tai nėra bendras visuomenės saugumo klausimas", - sakė ji. „Pateikiant kaltinimą dėl smurto artimoje aplinkoje, tarkime, vaikinas - ir dažniausiai tai yra vaikinas - dėl to areštuojamas ir laukia teismo. Jis neketina pulti kokios nors atsitiktinės moters. Rizika kyla dėl pakartotinio tos pačios aukos užpuolimo “.
Norėdami suprasti, kaip kompiuterinis mokymasis gali padėti smurto artimoje aplinkoje atvejais, Berkas ir Sorensonas gavo duomenis iš daugiau nei 28 000 baudžiamųjų bylų dėl smurto šeimoje nuo 2007 m. Sausio iki 2011 m. Spalio. Jie taip pat įvertino dvejų metų stebėjimo laikotarpį po išleidimo, kuris baigėsi 2013 m. Spalio mėn. .
Pasak mokslininkų, kompiuteris gali „sužinoti“, kokie asmenys gali įžeisti iš naujo. Šiame tyrime 35 pradiniai duomenys buvo amžius, lytis, ankstesni orderiai ir nuosprendžiai bei gyvenamoji vieta.
Šie duomenų taškai padeda kompiuteriui suprasti tinkamas prognozuojamos rizikos asociacijas, suteikiant papildomos informacijos teismo pareigūnui, sprendžiančiam, ar paleisti nusikaltėlį.
"Visais nustatymais geriau išsiaiškinti kompiuterį, nei mums išsiaiškinti", - sakė Berkas.
Tai nereiškia, kad nėra kliūčių jį naudoti, pažymėjo jis.
Klaidingų prognozių skaičius gali būti nepriimtinai didelis, ir kai kurie žmonės iš esmės prieštarauja tokiu būdu naudoti duomenis ir kompiuterius. Į abu šiuos dalykus mokslininkai atsako, kad naudojimasis kompiuteriu - tai, ką jie vadina mašininiu mokymusi - yra tiesiog įrankis.
"Tai nepriima žmonių sprendimų jokiu ruožu", - sakė Sorensonas. Šie pasirinkimai „gali būti pagrįsti išmintimi, sukaupta per ilgametę patirtį, tačiau išmintis taip pat sukaupta tik toje teismo salėje. Mašinų mokymasis peržengia vienos teismo salės ribas ir apima platesnę bendruomenę “.
Kai kuriose baudžiamosios justicijos sistemose mašininio mokymosi naudojimas jau yra įprastas, nors įvairiems sprendimams priimti reikalingi skirtingi duomenų rinkiniai, iš kurių kompiuteris turi mokytis, pažymėjo tyrėjai. Tačiau pagrindiniai statistikos metodai išlieka tie patys, pridūrė jie.
Pensilvanijos mokslininkai mano, kad mašinų mokymasis gali pagerinti dabartinę praktiką.
„Algoritmai nėra tobuli. Jie turi trūkumų, tačiau vis daugiau duomenų rodo, kad jie turi mažiau trūkumų nei esami būdai, kuriais mes priimame šiuos sprendimus “, - sakė Berkas.
„Galite juos kritikuoti - ir turėtumėte, nes mes visada galime juos padaryti geresnius -, tačiau, kaip sakome, negalima leisti, kad tobulieji būtų gero priešai“.
Tyrimas buvo paskelbtas 2007 m „Journal of Empirical Legal Studies“.
Šaltinis: Pensilvanijos universitetas
