Компютърното обучение може да помогне за намаляване на повтарящото се домашно насилие

Ново проучване установи, че използването на анализ на данните и компютърно обучение при поръчка за анализ на шансовете за повторен инцидент с домашно насилие намалява наполовина новите случаи, което води до над 1000 ареста годишно в една голяма столична област.

След арест, първото явяване пред съда обикновено е предварителният арест, когато съдия или магистрат решава дали да освободи заподозрения или да ги задържи в затвора, въз основа на вероятността лицето да се върне в съда или да извърши нови престъпления.

Ангажиментите обикновено са много кратки, като решенията се основават на ограничени данни. Въпреки това, д-р. Ричард Берк и Сюзън Б. Соренсън от Университета на Пенсивания установиха, че използването на компютърни прогнози при тези производства може драстично да намали последващите арести за домашно насилие.

„Голям брой решения по наказателно правосъдие по закон изискват прогнози за риска за обществото. Тези заплахи се наричат ​​„бъдеща опасност“, каза Берк, професор по криминология и статистика в Penn’s School of Arts & Sciences и Wharton School.

„Много решения, като обвинения, са нещо като панталони. Въпросът е дали можем да се справим по-добре от това и отговорът е да, можем. Това е много ниска лента. "

За престъпления от домашно насилие между интимни партньори, родители и деца или дори братя и сестри обикновено има заплаха за един конкретен човек, каза Соренсън, професор по социална политика в Училището за социална политика и практика в Пенсилвания, който също така ръководи Центъра на Евелин Джейкъбс Ортнер относно насилието в семейството.

„Това не е общ въпрос за обществената безопасност“, каза тя. „С обвинение за домашно насилие, да речем, че човек - и това обикновено е човек - е арестуван за това и чака процес. Няма да напада някоя случайна жена. Рискът е за повторно нападение на същата жертва. "

За да разберат как компютърното обучение може да помогне в случаите на домашно насилие, Берк и Соренсън са получили данни от повече от 28 000 ареста за домашно насилие между януари 2007 г. и октомври 2011 г. Те също така са разгледали двугодишен период на проследяване след освобождаването, приключило през октомври 2013 г. .

Компютърът може да „научи“ кой вид хора е вероятно да извърши повторно нарушение, според учените. За това изследване 35-те първоначални входа включват възраст, пол, предходни заповеди и присъди и местоположение на жилище.

Тези точки помагат на компютъра да разбере подходящите връзки за прогнозирания риск, като предлагат допълнителна информация на съдебен служител, който решава дали да освободи нарушителя.

„Във всички видове настройки, ако компютърът разбере това е по-добре, отколкото да го разберем“, каза Берк.

Това не означава, че няма пречки пред използването му, отбеляза той.

Броят на грешните прогнози може да бъде неприемливо голям и някои хора възразяват по принцип срещу използването на данни и компютри по този начин. И по двете точки изследователите отговарят, че използването на компютъра - това, което те наричат ​​машинно обучение - е просто инструмент.

„Не взема решения за хората по никакъв начин“, каза Соренсън. Този избор „може да бъде информиран от мъдростта, която се натрупва в продължение на години опит, но също така е мъдрост, която е натрупана само в тази съдебна зала. Машинното обучение надхвърля една съдебна зала за по-широка общност. "

В някои условия на наказателното правосъдие използването на машинно обучение вече е рутина, въпреки че различните видове решения изискват различни набори от данни, от които компютърът трябва да се учи, отбелязват изследователите. Основните статистически техники обаче остават същите, добавиха те.

Изследователите от Пенсилвания вярват, че машинното обучение може да подобри настоящите практики.

„Алгоритмите не са перфектни. Те имат недостатъци, но има все повече данни, които показват, че имат по-малко недостатъци от съществуващите начини, по които вземаме тези решения “, каза Берк.

„Можете да ги критикувате - и трябва, защото винаги можем да ги направим по-добри - но, както казваме, не можете да оставите перфектното да бъде враг на доброто.“

Изследването е публикувано през Списанието за емпирични правни изследвания.

Източник: Университет в Пенсилвания