商业软件预测再次犯罪的准确性并不优于未受过专业训练的人

商业软件预测再次犯罪的准确性并不优于未受过专业训练的人 新的研究表明，一款被广泛用于预测哪些罪犯会再次犯罪的商业软件并不比由未经专业训练者对罪犯再次犯罪进行的预测更为准确。过去有研究提示，犯罪风险评估工具（被称作：用于另类制裁的惩教罪犯管理分析，简称COMPAS）似乎会对白人犯罪者做出比对黑人犯罪者更有利的评估，从而对前者再次犯罪的预测能力不足；COMPAS中纳入了137个明显的特点来预测再次犯罪的可能性。尽管有关COMPAS算法公正性的争论还在继续，Julia Dressel 和Hany Farid则试图探索一个更基本的问题：像在COMPAS中所用的这类算法是否会比未受过专业训练的生手更好地预测再次犯罪的可能性。他们在网上对不同年龄和教育水准的人进行了调查。这些参与者假定没有一人是刑事司法方面的专家；参与者会看到对某个的被告的描述，但描述不包括他们属于哪个族裔。这些受试者所掌握的信息要比COMPAS少得多（仅有7个特征，而COMPAS则收集了137个特征），他们对每一名被告是否会在2年内再次重犯其最近所犯罪行进行了预测。研究人员报告说，这些人所做的预测与COMPAS的预测准确性差不多，他们在大约65%的案例中正确预测了某被告会再次犯罪。作者说，由COMPAS或生手所做预测的假阳性率（即预测被告会再次犯罪但实际却没有再次犯罪的比率）相似，它们同样都对黑人被告有失公允。值得注意的是，在了解COMPAS算法有多么复杂的过程中，Farid 和Dressel终于发现，有一个仅根据2个特征的较简单的分类因素（年龄和过去被定罪的总数）才是得出与COMPAS有着相同预测准确性所需的因素。

###

---

---