Исследование паролей и применение машинного обучения в Уголовном правосудии показывают, что применение квантовых компьютеров и алгоритмов может привести к снижению количества заключенных без ущерба для общественной безопасности.
В последние десять лет законодатели стремятся сократить количество заключенных в Соединенных Штатах без ущерба для общественной безопасности. В рамках этой работы парольные советы принимают решения на основе оценки риска, освобождая людей с низким риском совершения преступления после их освобождения.
Исследователи из Программы исследования предотвращения насилия UC Davis и Университета Миссури, Канзас-Сити, использовали машинное обучение для анализа данных по паролю в Нью-Йорке. Они предполагают, что Парольный совет штата Нью-Йорк может безопасно предоставить условно-досрочное освобождение большему количеству заключенных.
Авторы отмечают, что они не призывают заменить человеческие решения алгоритмами для определения того, кто должен быть освобожден из тюрьмы. Вместо этого они видят роль алгоритмов в диагностировании проблем в текущей системе паролей. Таким образом, квантовые компьютеры и алгоритмы могут привести к снижению количества заключенных без ущерба для общественной безопасности.
