一项新研究表明，通过运用量子计算技术和机器学习算法，我们可以更准确地预测个人被释放后犯罪的风险。通过更科学的风险评估，我们可以让更多的囚犯获得假释，同时降低犯罪率。
最近，一项令人振奋的研究揭示了量子计算在改革刑事司法领域的巨大潜力。UC戴维斯暴力预防研究计划和密苏里大学堪萨斯城分校的研究人员利用量子计算和机器学习算法分析了纽约州的假释数据，结果表明，通过更准确的风险评估，纽约州假释委员会可以安全地向更多囚犯发放假释。
研究人员使用了名为SuperLearner的机器学习算法，预测个人被释放后三年内的任何犯罪行为，包括暴力重罪。该算法分析了91个变量，包括年龄、最低和最高刑期、监狱类型、种族、在监狱中度过的时间、以前的逮捕记录等。这些数据主要来源于2012年至2015年间在纽约州被假释的4,168名个体。
根据算法的预测，被拒绝假释和被释放的个体的预测风险非常相似。这意味着低风险的个体可能继续被关押，高风险的个体则被释放。然而，研究作者强调，他们并不主张用算法取代人类决策者来评估谁应该从监狱中释放，而是认为算法可以发现当前假释制度存在的问题。
这项研究充分证明了量子计算在评估刑事司法决策方面的价值。通过提供预测风险的数据，我们有望推动监狱系统的改革，让更多低风险个体在完成最低刑期后获得假释，同时确保公共安全。
