هوش مصنوعی در برابر قاضی: برتری ماشین در پیش‌بینی خطر متهمان و کاهش جرم تا ۲۴ درصد

ورود هوش مصنوعی به سیستم عدالت کیفری

محققان برای انجام این مطالعه، از اطلاعات واقعی دستگیری‌ها در شهر نیویورک بین سال‌های ۲۰۰۸ تا ۲۰۱۳ استفاده کردند. این مجموعه داده شامل بیش از ۷۵۰ هزار پرونده بود که اطلاعاتی نظیر نوع جرم، سابقه کیفری و سن متهم را در بر می‌گرفت. این داده‌ها مشابه اطلاعاتی هستند که قضات هنگام تصمیم‌گیری درباره وثیقه بررسی می‌کنند، با این تفاوت که محققان عامدانه اطلاعاتی مانند نژاد یا جنسیت را برای جلوگیری از تبعیض، از برنامه حذف کردند.

برنامه کامپیوتری توسعه‌یافته، با استفاده از روشی موسوم به «درخت‌های تصمیم»، الگوهای موجود در داده‌ها را شناسایی می‌کند تا احتمال ارتکاب جرم جدید یا عدم حضور متهم در دادگاه پس از آزادی را پیش‌بینی کند. این برنامه با تحلیل مجموعه‌ای از پرسش‌های پیاپی (مانند سابقه دستگیری و نوع جرم)، به یک نتیجه‌گیری نهایی درباره میزان خطرناک بودن فرد می‌رسد.

چالش‌های ارزیابی عملکرد برنامه

ارزیابی عملکرد این برنامه با دو چالش اساسی مواجه بود:

• محدودیت داده‌ها: اطلاعات مربوط به رفتار متهمان (ارتکاب جرم یا حضور در دادگاه) تنها برای افرادی در دسترس بود که توسط قضات آزاد شده بودند. رفتار متهمان بازداشت‌شده در صورت آزادی، نامشخص بود.
• اهداف چندگانه قضات: قضات علاوه بر کاهش جرم، اهداف دیگری مانند حفظ عدالت نژادی یا تمرکز بر جرائم خشونت‌آمیز را نیز در نظر می‌گیرند. تمرکز برنامه بر یک هدف واحد (مانند پیش‌بینی عدم حضور در دادگاه) ممکن بود آن را از نظر قضات غیرکاربردی سازد.

روش‌های ارزیابی و شبیه‌سازی برای اعتبارسنجی

محققان برای غلبه بر چالش‌ها و اطمینان از اعتبار نتایج، سه رویکرد مختلف را به کار گرفتند:

۱. بهره‌گیری از تفاوت رویکرد قضات (تخصیص شبه‌تصادفی)

با توجه به تخصیص تقریباً تصادفی پرونده‌ها به قضات در نیویورک، محققان توانستند قضات را بر اساس میزان سخت‌گیری (از گروه ۱: خیلی ملایم تا گروه ۵: خیلی سخت‌گیر) دسته‌بندی کنند. با مقایسه رفتار متهمان آزادشده توسط قضات ملایم‌تر، محققان توانستند خطاهای قضات سخت‌گیر (بازداشت غیرضروری افراد کم‌خطر) را شناسایی کرده و پتانسیل برنامه برای کاهش این خطاها را ارزیابی کنند.

۲. شبیه‌سازی سیاست (تصمیم‌گیری فرضی توسط برنامه)

در این رویکرد، یک دنیای فرضی ایجاد شد که در آن برنامه کامپیوتری مسئول تصمیم‌گیری درباره بازداشت یا آزادی متهمان بود. برنامه متهمان را بر اساس خطر پیش‌بینی‌شده مرتب کرد و دو سناریوی اصلی بررسی شد:

1. کاهش جرم: حفظ تعداد بازداشت‌ها و کاهش نرخ جرم.
2. کاهش بازداشت: حفظ سطح جرم و کاهش تعداد بازداشت‌ها.

۳. روش انقباضی (تمرکز بر آزادشدگان پرخطر)

این روش بر متهمانی متمرکز شد که قضات آنها را آزاد کرده بودند. برنامه فقط پرخطرترین افراد در این گروه را برای بازداشت پیشنهاد داد. از آنجا که اطلاعات این افراد در دسترس بود، محققان توانستند مستقیماً تأثیر این تغییر را بر کاهش جرم مشاهده کنند. نتیجه این بود که با بازداشت این افراد پرخطر، جرم به طور قابل‌توجهی کاهش یافت، بدون اینکه تعداد کلی بازداشت‌ها تغییر کند.

نتایج خیره‌کننده: برتری ماشین بر قضاوت انسانی

نتایج مطالعه نشان‌دهنده برتری قابل‌توجه برنامه کامپیوتری نسبت به تصمیمات قضات بود. برنامه توانست ۱٪ از متهمان را به عنوان افراد بسیار پرخطر شناسایی کند که احتمال ارتکاب جرم یا عدم حضور در دادگاه برای آنها ۶۲٪ بود. با این حال، قضات ۴۸٪ از این گروه پرخطر را آزاد کرده بودند.

مقایسه عملکرد هوش مصنوعی و قضات

علاوه بر این، برنامه هوش مصنوعی توانست نابرابری‌های نژادی را کاهش دهد. تعداد افراد اقلیت (سیاه‌پوستان و اسپانیایی‌تبارها) در میان بازداشت‌شدگان، از ۲۸٪ (در تصمیمات قضات) به ۱۶٪ کاهش یافت. این بهبود بدون استفاده مستقیم از اطلاعات نژادی به دست آمد، که نشان‌دهنده عملکرد عادلانه‌تر و یکنواخت‌تر برنامه مبتنی بر داده است.

جمع‌بندی و چشم‌انداز آینده

این مطالعه به وضوح نشان می‌دهد که هوش مصنوعی می‌تواند به عنوان یک ابزار کمکی قدرتمند، تصمیم‌گیری‌های مربوط به وثیقه در سیستم عدالت کیفری را بهبود بخشد. در حالی که تصمیمات قضات گاهی ناسازگار و تحت تأثیر عوامل غیرمرتبط است، برنامه کامپیوتری به صورت یکنواخت و صرفاً مبتنی بر داده عمل می‌کند.

هوش مصنوعی می‌تواند به قضات کمک کند تا تصمیماتی دقیق‌تر، عادلانه‌تر و کارآمدتر بگیرند، به شرطی که با دقت و در نظر گرفتن محدودیت‌ها اجرا شود. نتیجه‌گیری غیرمستقیم این تحقیق حتی فراتر رفته و نشان می‌دهد که هوش مصنوعی در مواردی می‌تواند جایگزین قضات شود.

این رویکرد پیش‌بینی‌محور نه تنها برای وثیقه، بلکه برای سایر حوزه‌های تصمیم‌گیری در سیستم قضایی نیز کاربرد دارد و می‌تواند گامی مهم در جهت افزایش کارایی و عدالت در فرآیندهای قانونی باشد.