تستخدم دراسة حديثة تقنية التعلم الآلي لتحليل بيانات الإفراج المشروط في نيويورك، مما يشير إلى أنه يمكن الإفراج عن المزيد من السجناء بأمان دون المساس بالسلامة العامة.
لقد شهدنا في العقد الماضي جهود المشرعين لتقليل السجن في الولايات المتحدة دون التأثير على السلامة العامة، حيث تتخذ لجان الإفراج المشروط قرارات مبنية على درجة المخاطر. ولتحديد فعالية النظام الحالي للإفراج المشروط على أساس المخاطر، قام باحثون من برنامج الوقاية من العنف بجامعة كاليفورنيا في ديفيس وجامعة ميزوري بكانساس سيتي باستخدام تقنية التعلم الآلي لتحليل بيانات الإفراج المشروط في نيويورك.
وفقًا للدراسة التي نشرت في مجلة علم الجريمة الكمي، يمكن للجنة الإفراج المشروط في ولاية نيويورك إطلاق سراح المزيد من السجناء بأمان. وقالت هانا إس. لاكوير، مؤلفة الدراسة الرئيسية: "نحن نقدر بشكل محافظ أن اللجنة كانت يمكنها مضاعفة معدل الإفراج أكثر من ذلك دون زيادة معدل الاعتقال بسبب الجرائم العنيفة أو المجملة. كما يمكن أن يتم تحقيق هذه المكاسب بينما يتم تجنب التفاوت العنصري في معدلات الإفراج".
يشير الباحثون إلى أنهم لا يروجون لاستبدال صناع القرار البشريين بالخوارزميات لتقييم من يجب إطلاق سراحهم من السجن. بدلاً من ذلك، يرون دورًا للخوارزميات في تشخيص المشاكل الموجودة في النظام الحالي للإفراج المشروط. وتقول لاكوير: "تظهر هذه الدراسة فائدة الخوارزميات في تقييم عمليات اتخاذ القرار في مجال العدالة الجنائية. يشير تحليلنا إلى أن العديد من الأفراد يتم رفض طلبات الإفراج عنهم ويظلون في السجن بعد انتهاء الحكم الأدنى المحدد لهم على الرغم من أنهم لا يشكلون خطرًا كبيرًا على السلامة العامة. نأمل أن نتمكن من مساعدة جهود الإصلاح من خلال توفير بيانات عن المخاطر المتوقعة".
