به گزارش خط رند ۹۱۲، تحقیقی جدید نشان داده است جایگزین کردن برخی قابلیت های تصمیم گیری قضایی با الگوریتم های هوش مصنوعی می تواند با حذف بعضی از تعصبات سیستمیک قضات، نتایج را برای متهمان بهبود بخشد.
به گزارش خط رند ۹۱۲ به نقل از فیز، به صورت معمول افراد تصمیم گیرنده برپایه پیشبینی هایی که نتایجی نامشخص دارند، به صورت متوالی گزینه هایی را انتخاب می کنند. این روند بخصوص در رابطه با قضات دادگاه ها صحت دارد که در رابطه با آنکه برای متهم قرار وثیقه صادر کنند یا خیر یا آنکه چگونه مجازات متهمان را تعیین کنند، تصمیم می گیرند. حالا شرکت ها به صورت روزافزونی از مدلهای یادگیری ماشینی در تصمیم گیری هایی با ریسک بالا استفاده می نمایند. این سیستم ها فرضیات مختلفی در رابطه با رفتارهای انسانی مبنای خود قرار می دهند. همین روند در سفارش های محصول در آمازون، فیلتر کردن هرزنامه های ایمیل شده و متن های پیشبینی کننده روی موبایل هم نقش دارد. در همین راستا محققان یک تست از چنین فرضیه رفتاری را توسعه دادند تا مشخص شود آیا تصمیم گیرندگان به صورت سیستماتیک پیشبینی های اشتباه انجام می دهند یا خیر. همینطور آنها روش هایی برای تخمین تبعیض آمیز بودن پیشبینی هایشان هم توسعه دادند. تحقیق مذکور با تحلیل سیستم قبل از محاکمه شهر نیویورک نشان داد تعداد زیادی از قضات با عنایت به خصوصیت های متهم مانند نژاد، سن و رفتارهای پیشین، پیشبینی های سیستماتیک اشتباهی در رابطه با خطر سوء رفتار قبل محاکمه افراد انجام می دهد. پژوهشگران این مورد را بررسی کردند که آیا تصمیم قضات برای آزاد کردن افراد نشان دهنده اعتقاد صحیح آنها در رابطه با خطر عدم حضور متهم در دادگاه است یا خیر. پژوهش برپایه اطلاعات بیشتر از یک میلیون پرونده در شهر نیویورک انجام شد که ۷۵۸۰۲۷ مورد آن مشمول آزادی قبل از محاکمه بودند. تحلیل ها از آن حکایت می کند که حداقل ۲۰ درصد قضات شهر نیویورک در رابطه با پیشبینی خطر سورفتار متهم با عنایت به خصوصیت های وی اشتباه می کنند. محققان با تاکید بر این تحلیل تأثیر جایگزینی قضات با الگوریتم های تصمیم گیری را تخمین زدند. هرچند این تحقیق اشاره می کند جایگزین کردن الگوریتم های هوش مصنوعی با قضات تاثیرات مبهمی دارد اما به نظر می آید به بهبود ۲۰ درصدی نتایج دادگاه منجر می شود.
منبع: خط رند ۹۱۲
