在刑事司法領域中，主管機關必須將未來再犯風險納入評估，才能給予犯罪人適當的罰則，但由「人」進行的評估準確度總有極限存在。美國研究團隊發現，演算法在預測累犯上似乎要比人類準得多，在一些測試中，甚至達到了 90% 的準確度。
長年以來，基於演算法的評估工具一直被美國廣泛應用於醫療、金融、升學及刑事司法領域，能夠很好協助人們在必須做出決策時權衡數據。
但是在 2018 年，達特茅斯學院研究人員提出了研究質疑，認為對此類工具在刑事司法框架風險評估上的準確性並未高於人類，在質疑受到廣泛報導後也引發美國刑事司法改革界的討論。
美國有著世界最高的監禁率，如何降低監禁率的同時確保社區對安全的需求，也成為美國近年備受討論的話題。一些人認為，如果工具的準確度並未明顯高於人們，那麼用來預測就毫無意義，只會加劇判決中的偏見，另一些人則認為，這樣重大的決定應該由人而不是電腦做出。
儘管這些辯論提出有關演算法工具的重要問題，但在評估更多數據和因素後，史丹佛大學和柏克萊加大學者得出了結論：在受控環境中只評估少數變量時，人們的預測能力確實能與工具比擬，但在類似真實刑事司法環境的情況下，工具在預測累犯的風險評估上仍明顯比人更準確。
研究人員指出，達特茅斯的發現基於有限的因素，但現實世界中的刑事司法環境通常要複雜得多，而且更加含糊，還有大量外在因素可能影響情況。
在《科學進展》（Science Advances）期刊的新論文中，團隊描述了他們在類似司法環境下進行的測試結果，人類的準確率約只有 60%，而工具則高達 90%，顯示基於演算法的工具在風險評估上仍要比人們好得多。
史丹佛大學計算社會科學家 Sharad Goel 認為，經過驗證的風險評估工具可以幫助司法專業人員做出更明智的決定。
「舉例來說，這些工具可以幫助法官辨別並釋放對公共安全構成很小風險的人。但當然像其他任何工具一樣，風險評估工具必須與健全的政策和人為監督相結合，才能支持公正有效的刑事司法改革。」
（首圖來源：pixabay）