هوش مصنوعی بهتر از انسان می‌تواند پیش‌بینی کند که کدام مجرمان ممکن است قوانین را دوباره بشکنند

براساس یک مطالعه جدید، الگوریتم های کامپیوتری می‌توانند بهتر از انسان در پیش‌بینی دستگیری دوباره مجرمان عمل کنند.

الگوریتم های ارزیابی ریسک که جرایم آینده را پیش‌بینی می‌کنند اغلب به قضات و هییت مدیره کمک می‌کنند تا تصمیم بگیرند که چه کسی پشت میله‌های زندان می‌ماند. اما این سیستم‌ها به خاطر بروز تعصبات نژادی زیر سوال رفته‌اند و برخی تحقیقات دلیلی برای شک در اینکه الگوریتم ها در پیش‌بینی دستگیری بهتر از انسان هستند، ارائه داده‌اند. یک مطالعه سال ۲۰۱۸ که داوطلبان انسانی را در برابر ابزار ارزیابی ریسک COMPAS قرار داد، نشان داد که افراد ارتکاب دوباره جرم جنایی را به خوبی نرم‌افزارها پیش‌بینی کردند.

مجموعه جدید آزمایش‌ها تایید می‌کند که زمانی که به مردم بازخورد فوری در مورد دقت پیش‌بینی خود و اطلاعات محدودی در مورد هر مجرم نشان داده می‌شود انسان‌ها مجرمان تکراری را مثل الگوریتم‌ها پیش‌بینی می‌کنند.

اما وقتی افراد بازخورد دریافت نکنند، یا اگر پروفایل جنایی دقیق تر را ببینند، بدتر از کامپیوترها عمل می‌کنند.

در واقعیت، قضات و هیات‌های قضاوت هم بازخورد فوری دریافت نمی‌کنند و معمولا اطلاعات زیادی برای استفاده در تصمیم‌گیری دارند. بنابراین یافته‌های این مطالعه نشان می‌دهد که تحت شرایط پیش‌بینی واقع‌بینانه، الگوریتم ها در پیش‌بینی تکرار جرم، بهتر از افراد عمل می‌کنند.

دانشمند علوم اجتماعی محاسباتی، شاراد گوئل از دانشگاه استنفورد و همکارانش با تقلید از راه‌اندازی مطالعه ۲۰۱۸ شروع به کار کردند. داوطلبان آنلاین توضیحات کوتاهی از ۵۰ مجرم - از جمله جنسیت، سن و تعداد دستگیری‌های گذشته - خواندند و حدس زدند که آیا هر فرد در عرض دو سال بخاطر جرم دیگری دستگیر خواهد شد یا خیر. پس از هر دور، صحت حدس داوطلبان به آن‌ها گفته شد. همانطور که در سال ۲۰۱۸ دیده شد، مردم با عملکرد COMPAS رقابت می‌کردند: حدود ۶۵ درصد مواقع، حدس دقیق بود.

اما در نسخه دیگری از این رقابت انسان در مقابل کامپیوتر تیم گوئل متوجه شد که COMPAS نسبت به افرادی که بازخورد دریافت نکرده اند، برتری دارد. در این آزمایش، شرکت کنندگان باید پیش‌بینی می‌کردند که کدام یک از ۵۰ مجرم نه به هر جرمی، بلکه به خاطر ارتکاب جرایم خشونت‌آمیز دستگیر خواهند شد.

با بازخورد، انسان‌ها این کار را با دقت ۸۳ درصد- نزدیک به ۸۹ درصد COMPAS- انجام دادند. اما بدون بازخورد، دقت انسان به حدود ۶۰ درصد کاهش یافت. محققان می‌گویند این به این دلیل است که مردم خطر ارتکاب مجرمان به جرایم خشونت‌آمیز را بیش از حد تخمین می‌زنند، با وجود این که گفته می‌شود تنها ۱۱ درصد از مجرمان در مجموعه داده‌ها در این دسته قرار می‌گیرند. این مطالعه بررسی نکرد که آیا عواملی مانند تعصبات نژادی یا اقتصادی در این گرایش نقش دارند یا خیر.

در نوع سوم این آزمایش، وقتی که پروفایل های جنایی با جزئیات بیشتری داده می‌شود، الگوریتم های ارزیابی ریسک برتری دارند.

این بار داوطلبان با یک ابزار ارزیابی ریسک به نام LSI - R مواجه شدند. این نرم‌افزار می‌تواند نسبت به COMPAS ، ۱۰ عامل خطر دیگررا نیز در نظر بگیرد، از جملهسو مصرف مواد، سطح تحصیلات و وضعیت اشتغال. LSI - R و داوطلبان انسانی، مجرمان را در مقیاسی از احتمال خیلی کم تا احتمال خیلی زیاد ارتکاب دوباره جرم درجه‌بندی کردند.

هنگامی که پروفایل های جنایی نشان داده میشد که تنها شامل چند عامل ریسک بود، عملکرد داوطلبان با LSI - R برابر بود. اما هنگامی که توضیحات جنایی دقیق‌تر نشان داده شد، LSI - R پیروز شد. مجرمانی که بیش‌ترین خطر دستگیری مجدد را دارند، همانطور که توسط مردم رتبه‌بندی شده‌اند، شامل ۵۷ درصد از مجرمان تکراری واقعی می‌شوند، در حالی که لیست LSI - R که محتمل‌ترین بازداشت شدگان را در بر می‌گیرد، شامل ۶۲ درصد از مجرمان واقعی است. در یک کار مشابه که شامل پیش‌بینی این بود که کدام مجرمان نه تنها دستگیر خواهند شد، بلکه در حبس مجدد به سر خواهندبرد، فهرست انسان‌های پر خطر شامل ۵۸ درصد از مجرمان واقعی است، این رقم درمورد LSI - R. ۷۴ درصد است.

دانشمند علوم کامپیوتر، هانی فرید از دانشگاه کالیفرنیا، برکلی، که بر روی مطالعه سال ۲۰۱۸ کار می‌کرد، از این که وقتی داوطلبان بازخورد دریافت نکردند و اطلاعات بیشتری برای استفاده و حدس داشتند، الگوریتم ها برتری کسب کردند تعجب نکرد.

اما او می‌گوید تنها به این دلیل که الگوریتم ها با داوطلبان آموزش ندیده رقابت می‌کنند، به این معنی نیست که پیش‌بینی‌های آن‌ها باید بطور خودکار برای تصمیمات قضایی جنایی مورد اعتماد قرار گیرد.

فرید می‌گوید، شاید دقت ۸۰ درصد خوب به نظر برسد، اما "باید از خودتان بپرسید که اگر در ۲۰ درصد مواقع اشتباه کنید، آیا حاضرید آن را تحمل کنید؟"

از آنجایی که نه انسان‌ها و نه الگوریتم ها دقت فوق‌العاده‌ای در پیش‌بینی اینکه آیا کسی دو سال دیگر مرتکب جرمی خواهد شد یا خیر، ندارند، " آیا باید ] آن پیش‌بینی‌ها[ به عنوان معیاری برای تعیین آزادی کسی، استفاده شوند؟

" استدلال من نه است."

او پیشنهاد می‌کند که شاید سوالات دیگر، مانند اینکه یک نفر تا چه حد احتمال دارد که کار پیدا کند یا به قید وثیقه آزاد شود، باید بیشتر در تصمیمات قضایی جنایی نقش داشته باشد.

این مقاله توسط Maria Temming در وبسایت Science News به تاریخ 14 فوریه 2020 منتشر شده‌است.
لینک اصل مقاله: https://www.sciencenews.org/article/ai-can-predict-criminals-repeat-offenders-better-than-humans

این مقاله کاملا خودکار و توسط ربات ترجمه تخصصی متون ترجمیار ترجمه شده‌است.