מחקר: למידת מכונה טובה יותר משופטים בקבלת החלטות על חשודים בפלילים

אלגוריתם ממוחשב שעבר אימון בשיטת למידת מכונה (Machine Learning) הצליח לנבא משמעותית טוב יותר משופטים את הסיכון שנאשם ימלט ממשפטו הפלילי אם ישוחרר ממעצר עד תום ההליכים - כך מגלה מחקר אמריקאי חדש שנערך בלשכה הלאומית למחקר כלכלי (National Bureau of Economic Research). 

האלגוריתם התאמן באמצעות לימוד אלפי תיקי עבר פליליים בעיר ניו-יורק, בתשומת לב לפרמטרים כמו רישומים פליליים שהיו לאותם חשודים ופרוטוקולים של ההליכים בעניינם. לאחר שלב האימון הופעל האלגוריתם על מדגם ענק של מאה אלף תיקים פליליים אחרים. אז התברר כי המלצות המערכת הממוחשבת היו מדויקות יותר בחיזוי הסיכון להימלטות של נאשמים בהשוואה להחלטות השופטים בפועל באותם תיקים. החוקרים הסבירו כי לאור ממצאים אלה, שימוש במערכת הממוחשבת על המדגם שנבדק היה יכול להפחית בכ-25 אחוז את הפשיעה מהנאשמים שנמלטו. לחילופין, ניתן היה לצמצם ב-40% את מספר הנאשמים שנעצרו עד תום ההליכים ללא הצדקה. המערכת הממוחשבת גם התאפיינה בהגינות רבה יותר כלפי אוכלוסיות מיעוט כמו חשודים ממוצא היספאני או אפרו-אמריקאי.

מערכת דומה כבר מסייעת להחלטות הועדה לשחרור מוקדם של אסירים במדינת פנסילבניה. זו הוכיחה את עצמה בהפחתת שיעור הפשיעה החוזרת של אסירים בשחרור מוקדם. מקור: MIT Technology Review (מאת: טום סימונייט).