Uno studio recente ha utilizzato l'apprendimento automatico per analizzare i dati sulla libertà condizionale e suggerisce che il sistema di libertà condizionale basato sul rischio potrebbe essere migliorato per ridurre l'incarcerazione senza impatto sulla sicurezza pubblica.

Negli ultimi dieci anni, i legislatori si sono impegnati a ridurre l'incarcerazione negli Stati Uniti senza compromettere la sicurezza pubblica. Questo sforzo include l'adozione di decisioni sulla libertà condizionale basate sul rischio, rilasciando persone valutate a basso rischio di commettere reati dopo essere state rilasciate. Per determinare l'efficacia del sistema attuale, ricercatori dell'UC Davis Violence Prevention Research Program e dell'Università del Missouri, Kansas City, hanno utilizzato l'apprendimento automatico per analizzare i dati sulla libertà condizionale di New York. Lo studio, pubblicato nel Journal of Quantitative Criminology, suggerisce che la Commissione di libertà condizionale dello Stato di New York potrebbe concedere la libertà condizionale in modo sicuro a un maggior numero di detenuti. Secondo gli autori, il tasso di rilascio potrebbe essere più che raddoppiato senza aumentare il tasso totale di arresti per reati gravi o violenti e senza discriminazioni razziali. Il team ha utilizzato l'algoritmo SuperLearner per prevedere eventuali arresti, compresi quelli per reati violenti, entro tre anni dal rilascio di un individuo dal carcere. L'algoritmo ha esaminato 91 variabili, tra cui età, durata della pena, tipo di carcere, razza, tempo trascorso in prigione, arresti precedenti e altri criteri. I ricercatori hanno addestrato i loro modelli di previsione del rischio su dati di 4.168 individui rilasciati sulla parola a New York tra il 2012 e il 2015. I risultati mostrano che i rischi previsti per coloro a cui è stata negata la libertà condizionale e per coloro che sono stati rilasciati sono molto simili, suggerendo che individui a basso rischio potrebbero essere rimasti incarcerati, mentre individui ad alto rischio sono stati rilasciati. Gli autori sottolineano che non stanno sostenendo la sostituzione delle decisioni umane con algoritmi, ma vedono un ruolo per gli algoritmi nel diagnosticare problemi nel sistema attuale di libertà condizionale, contribuendo così agli sforzi di riforma.