Học máy tính có thể giúp giảm thiểu bạo lực gia đình lặp lại

Một nghiên cứu mới đã phát hiện ra rằng việc sử dụng phân tích dữ liệu và máy tính học tại một công ty để phân tích khả năng một vụ bạo lực gia đình lặp lại đã giảm một nửa số vụ mới, dẫn đến giảm hơn 1.000 vụ bắt giữ hàng năm ở một khu vực đô thị lớn.

Sau khi bắt giữ, lần ra tòa đầu tiên thường là sự sắp xếp sơ bộ, khi thẩm phán hoặc thẩm phán quyết định trả tự do cho nghi phạm hoặc giam họ vào tù, dựa trên khả năng người đó sẽ trở lại tòa án hoặc phạm tội mới.

Việc sắp xếp thường rất ngắn, với các quyết định dựa trên dữ liệu hạn chế. Tuy nhiên, Tiến sĩ. Richard Berk và Susan B. Sorenson của Đại học Pennsyvania phát hiện ra rằng việc sử dụng dự báo máy tính tại các quá trình tố tụng này có thể làm giảm đáng kể các vụ bắt giữ bạo lực gia đình tiếp theo.

“Một số lượng lớn các quyết định tư pháp hình sự theo luật đòi hỏi phải dự báo rủi ro cho xã hội. Berk, giáo sư thống kê và tội phạm học tại Penn’s School of Arts & Sciences và Wharton School cho biết.

“Nhiều quyết định, như sắp xếp, là một loại quan điểm của quần chúng. Câu hỏi đặt ra là liệu chúng ta có thể làm tốt hơn thế không, và câu trả lời là có, chúng ta có thể làm được. Đó là một thanh rất thấp. "

Sorenson, giáo sư về chính sách xã hội tại Trường Thực hành và Chính sách Xã hội ở Pennsylvania, cho biết: về Bạo lực gia đình.

Cô nói: “Đó không phải là vấn đề an toàn công cộng nói chung. “Với cáo buộc bạo lực gia đình, giả sử một chàng trai - và thường là một chàng trai - bị bắt vì tội này và đang chờ xét xử. Anh ta sẽ không tấn công một người phụ nữ ngẫu nhiên nào đó. Nguy cơ là một nạn nhân bị tái tấn công ”.

Để hiểu cách học máy tính có thể giúp ích như thế nào trong các vụ bạo lực gia đình, Berk và Sorenson đã thu thập dữ liệu từ hơn 28.000 vụ dàn xếp bạo lực gia đình từ tháng 1 năm 2007 đến tháng 10 năm 2011. Họ cũng xem xét khoảng thời gian theo dõi hai năm sau khi phát hành kết thúc vào tháng 10 năm 2013 .

Theo các nhà khoa học, máy tính có thể “học” những loại cá nhân nào có khả năng tái phạm. Đối với nghiên cứu này, 35 đầu vào ban đầu bao gồm tuổi, giới tính, lệnh và bản án trước đó, và vị trí dân cư.

Các điểm dữ liệu này giúp máy tính hiểu được các mối liên quan thích hợp đối với rủi ro dự kiến, cung cấp thêm thông tin cho quan chức tòa án quyết định có thả một người vi phạm hay không.

Berk nói: “Trong tất cả các loại cài đặt, để máy tính tìm ra điều này tốt hơn là để chúng tôi tìm ra nó.

Điều đó không có nghĩa là không có trở ngại cho việc sử dụng nó, ông lưu ý.

Số lượng các dự đoán nhầm có thể cao đến mức không thể chấp nhận được, và một số người về nguyên tắc phản đối việc sử dụng dữ liệu và máy tính theo cách này. Đối với cả hai điểm này, các nhà nghiên cứu trả lời rằng việc sử dụng máy tính - cái mà họ gọi là học máy - chỉ đơn giản là một công cụ.

Sorenson nói: “Nó không đưa ra quyết định cho mọi người. Những lựa chọn này “có thể được thông báo bởi sự khôn ngoan tích lũy qua nhiều năm kinh nghiệm, nhưng đó cũng là sự khôn ngoan chỉ tích lũy trong phòng xử án đó. Học máy vượt ra ngoài một phòng xử án cho một cộng đồng rộng lớn hơn. "

Trong một số cơ sở tư pháp hình sự, việc sử dụng máy học đã trở thành thông lệ, mặc dù các loại quyết định khác nhau yêu cầu các bộ dữ liệu khác nhau mà máy tính phải học, các nhà nghiên cứu lưu ý. Tuy nhiên, các kỹ thuật thống kê cơ bản vẫn được giữ nguyên, họ nói thêm.

Các nhà nghiên cứu Pennsylvania tin rằng học máy có thể cải thiện các phương pháp hiện tại.

“Các thuật toán không hoàn hảo. Họ có sai sót, nhưng ngày càng có nhiều dữ liệu cho thấy họ có ít sai sót hơn so với những cách hiện có mà chúng tôi đưa ra quyết định này, ”Berk nói.

“Bạn có thể chỉ trích họ - và bạn nên làm vì chúng tôi luôn có thể làm cho họ tốt hơn - nhưng, như chúng tôi đã nói, bạn không thể để cái hoàn hảo trở thành kẻ thù của cái tốt.”

Nghiên cứu được xuất bản trong Tạp chí Nghiên cứu Pháp lý Thực nghiệm.

Nguồn: Đại học Pennsylvania