Učenje putem računara može pomoći u smanjenju ponavljanja nasilja u obitelji
Novo istraživanje otkrilo je da je upotreba analize podataka i računalnog učenja na terenu za analizu šansi za ponovljeni incident u obiteljskom nasilju smanjila polovinu novih slučajeva, što je dovelo do više od 1000 uhićenja godišnje u jednom velikom gradskom području.
Nakon uhićenja, prvo pojavljivanje pred sudom obično je preliminarni postupak, kada sudac ili sudac odluči hoće li osumnjičenika pustiti ili zadržati u zatvoru, na temelju vjerojatnosti da će se osoba vratiti na sud ili počiniti nova kaznena djela.
Dogovori su obično vrlo kratki, a odluke se temelje na ograničenim podacima. Međutim, Dr. Richard Berk i Susan B. Sorenson sa Sveučilišta Pennsyvania otkrili su da korištenje računalnih prognoza u ovim postupcima može dramatično smanjiti kasnija uhićenja u obiteljskom nasilju.
„Veliki broj zakona o kaznenom pravosuđu zahtijevaju projekcije rizika za društvo. Te se prijetnje nazivaju 'budućom opasnošću' ', rekao je Berk, profesor kriminologije i statistike na Penn's School of Arts & Sciences i Wharton School.
“Mnoge odluke, poput optužbi, svojevrsno su sjedište hlača. Pitanje je možemo li učiniti bolje od toga, a odgovor je da možemo. To je vrlo niska traka. "
Za zločine nasilja u obitelji između intimnih partnera, roditelja i djece, pa čak i braće i sestara, obično postoji prijetnja određenoj osobi, rekao je Sorenson, profesor socijalne politike u Pennsylvania's School of Social Policy & Practice koji također vodi Evelyn Jacobs Ortner Center o obiteljskom nasilju.
"To nije pitanje opće javne sigurnosti", rekla je. “Uz optužbu za obiteljsko nasilje, recimo da je momak - a to je obično tip - uhićen zbog toga i čeka suđenje. Neće napadati neku slučajnu ženu. Rizik je ponovni napad na istu žrtvu. "
Da bi razumjeli kako učenje računala može pomoći u slučajevima nasilja u obitelji, Berk i Sorenson dobili su podatke iz više od 28.000 pritvora za obiteljsko nasilje u razdoblju od siječnja 2007. do listopada 2011. Također su pogledali dvogodišnje razdoblje praćenja nakon objavljivanja koje je završilo u listopadu 2013. ,
Prema računalu, računalo može "naučiti" koje će vrste pojedinaca vjerojatno uvrijediti. Za ovo istraživanje, 35 početnih ulaznih podataka uključivalo je dob, spol, prethodne naloge i kazne, te mjesto stanovanja.
Te podatkovne točke pomažu računalu da razumije odgovarajuće povezanosti za projicirani rizik, nudeći dodatne informacije sudskom službeniku koji odlučuje hoće li pustiti počinitelja.
"U svim vrstama postavki bolje je imati računalo kako bi to shvatilo, nego li mi", rekao je Berk.
To ne znači da ne postoje zapreke za njegovu upotrebu, napomenuo je.
Broj pogrešnih predviđanja može biti neprihvatljivo velik, a neki ljudi načelno prigovaraju upotrebi podataka i računala na ovaj način. Na obje ove točke istraživači odgovaraju da je korištenje računala - ono što oni nazivaju strojnim učenjem - jednostavno alat.
"Ne donosi odluke za ljude ni na koji način", rekao je Sorenson. Ti bi izbori „mogli biti utemeljeni na mudrosti koja se skuplja tijekom godina iskustva, ali također je mudrost stečena samo u toj sudnici. Strojno učenje nadilazi jednu sudnicu i širu zajednicu. "
U nekim postavkama kaznenog pravosuđa upotreba strojnog učenja već je rutina, iako različite vrste odluka zahtijevaju različite skupove podataka iz kojih računalo mora učiti, primijetili su istraživači. Međutim, temeljne statističke tehnike ostaju iste, dodali su.
Istraživači iz Pennsylvanije vjeruju da strojno učenje može poboljšati trenutne prakse.
“Algoritmi nisu savršeni. Imaju mana, ali sve je više podataka koji pokazuju da imaju manje mana nego postojeći načini na koje donosimo te odluke ”, rekao je Berk.
"Možete ih kritizirati - i trebali biste, jer ih uvijek možemo učiniti boljima - ali, kako kažemo, ne možete dopustiti da savršeno bude neprijatelj dobra."
Studija je objavljena u Časopis za empirijske pravne studije.
Izvor: Sveučilište Pennsylvania
