Računalniško učenje lahko pomaga zmanjšati ponavljanje nasilja v družini

Nova študija je pokazala, da se je z analizo podatkov in računalniškim učenjem na sodišču za analizo možnosti ponovitve incidenta v družinskem nasilju število novih primerov zmanjšalo za polovico, kar je povzročilo več kot 1.000 aretacij letno v enem velikem metropolitanskem območju.

Po aretaciji je običajno prvi nastop pred sodiščem predhodni postopek, ko se sodnik ali sodnik odloči, ali bo osumljenca izpustil ali pridržal v zaporu, glede na verjetnost, da se bo oseba vrnila na sodišče ali storila nova kazniva dejanja.

Naročila so običajno zelo kratka, odločitve temeljijo na omejenih podatkih. Vendar sta dr. Richard Berk in Susan B. Sorenson z univerze Pennsyvania sta ugotovila, da lahko uporaba računalniških napovedi v teh postopkih dramatično zmanjša kasnejše aretacije nasilja v družini.

»Veliko zakonsko odločb o kazenskem pravosodju zahteva napovedi tveganja za družbo. Te grožnje se imenujejo "nevarnost v prihodnosti", "je povedal Berk, profesor kriminologije in statistike na Pennovi šoli za umetnost in znanost in šoli Wharton.

»Mnoge odločitve, na primer predpisi, so nekakšen sedež hlač. Vprašanje je, ali lahko naredimo boljše od tega, odgovor pa je, da lahko. To je zelo nizka lestvica. "

Za kazniva dejanja nasilja v družini med intimnimi partnerji, starši in otroki ali celo brati in sestrami običajno obstaja nevarnost za določeno osebo, je dejal Sorenson, profesor socialne politike na šoli za socialno politiko in prakso v Pensilvaniji, ki vodi tudi Evelyn Jacobs Ortner Center o nasilju v družini.

"To ni vprašanje splošne javne varnosti," je dejala. »Z obtožbo zaradi nasilja v družini recimo, da je zaradi tega aretiran in čaka na sojenje. Ne bo šel napasti neke naključne ženske. Tveganje je ponovni napad na isto žrtev. "

Da bi razumela, kako lahko računalniško učenje pomaga v primerih nasilja v družini, sta Berk in Sorenson med januarjem 2007 in oktobrom 2011 pridobila podatke iz več kot 28.000 prostorov za nasilje v družini. Ogledala sta si tudi dveletno obdobje spremljanja po izidu, ki se je končal oktobra 2013. .

Po mnenju znanstvenikov se lahko računalnik "nauči", katere vrste posameznikov bo verjetno ponovno užalilo. Za to raziskavo je 35 začetnih vnosov vključevalo starost, spol, predhodne naloge in obsodbe ter lokacijo bivanja.

Te podatkovne točke pomagajo računalniku razumeti ustrezne povezave glede na projicirano tveganje in sodnemu uslužbencu ponudijo dodatne informacije pri odločitvi, ali naj izpusti storilca kaznivega dejanja.

"V vseh vrstah nastavitev je bolje, če računalnik to ugotovi, kot če bi to ugotovili," je dejal Berk.

To ne pomeni, da za njegovo uporabo ni ovir, je opozoril.

Število napačnih napovedi je lahko nesprejemljivo veliko in nekateri ljudje načeloma nasprotujejo uporabi podatkov in računalnikov na ta način. Na obe točki raziskovalci odgovarjajo, da je uporaba računalnika - tako imenovanega strojnega učenja - preprosto orodje.

"Za ljudi se ne odloča na noben način," je dejal Sorenson. Te odločitve "lahko temelji na modrosti, ki se nabira v dolgoletnih izkušnjah, toda tudi modrost se je nabrala samo v tej sodni dvorani. Strojno učenje presega eno sodno dvorano in širšo skupnost. "

V nekaterih okoljih kazenskega pravosodja je uporaba strojnega učenja že rutina, čeprav različne vrste odločitev zahtevajo različne nabore podatkov, iz katerih se mora računalnik učiti, so opozorili raziskovalci. Osnovne statistične tehnike pa ostajajo enake, so dodali.

Raziskovalci iz Pensilvanije verjamejo, da lahko strojno učenje izboljša sedanje prakse.

»Algoritmi niso popolni. Imajo pomanjkljivosti, a vedno več je podatkov, ki kažejo, da imajo manj pomanjkljivosti kot obstoječi načini, kako sprejemamo te odločitve, «je dejal Berk.

"Lahko jih kritizirate - in morali bi, ker jih lahko vedno izboljšamo, vendar, kot pravimo, ne morete dovoliti, da je popoln sovražnik dobrega."

Študija je bila objavljena leta Časopis za empirične pravne študije.

Vir: Univerza v Pensilvaniji