Brottsstraff skulle kunna bli rättvisare med hjälp av maskininlärning, enligt professor Dan Hunter. Stiftelsens dekanus vid Swinburne Law School, Hunter observerade att straffläggning genererar ett stort datalager, och processen är dyr för individer och systemet, vilket gör den till den perfekta kandidaten för en teknisk uppgradering.

Artificiell intelligens (AI) skulle också kunna använda den enorma mängd data som finns tillgänglig om straffbeslut för att identifiera partiskhet och ge vägledning, han sa.

År 2017, Hunter var medförfattare till en artikel om användning av AI-teknik vid straffmätning för Criminal Law Journal med Swinburne kollega, Professor Mirko Bagaric, och Dr. Nigel Stobbs från Queensland University of Technology.

Författarna påpekade att straffmätningsbeslut påverkas av mer än 200 överväganden. Medan domare och domare är ovilliga att erkänna det, beslut kan påverkas av faktorer som hudfärg och socioekonomisk status.

Inkonsekvens i straffmätningen urholkar också förtroendet för systemet. Författarna citerar en studie av 71, 000 brott som tyder på att en viktoriansk domstol löpte tre gånger större risk att skicka brottslingar till fängelse för samma brott som andra domstolar i samma jurisdiktion.

"I saker som borgensbeslut och beslut om straff, här i Australien, särskilt, vi har inte kommit till rätta med det mänskliga beslutsfattandets felbarhet, " Sa Hunter.

"AI kan föreslå, "Det här brottet ser mycket ut som de här fem andra som andra domstolar har sett, varför dömer du gärningsmannen så annorlunda än de?'"

"Eller, det skulle kunna ifrågasättas varför ett icke fängelsestraff ges för brott som alltid tidigare har bestraffats med fängelse.

"En av de stora fördelarna med att använda datadriven maskininlärning för straffrätt är att börja packa upp dessa fördomar och göra det klart att de finns."

Nya algoritmer för maskininlärning gör att AI kan läras att producera nya svar genom att lära sig av befintlig data. Faktiskt, AI-program jobbar redan hårt i rättssystemet, med plattformar inklusive Neota, Logik, Kira och RAVN hjälper till att effektivisera allt från efterlevnadsrådgivning till kontraktsgranskning i stora due diligence-projekt.

AI och maskininlärning kommer troligen att börja sina roller i straffrättsliga frågor endast som beslutsstödssystem, Hunter sa, även om det inte finns någon anledning att tro att detta inte så småningom kommer att övergå till automatisk straffmätning.

De påföljder som utdöms för mer än 90 procent av brotten har för närvarande ingen rättslig inblandning. De flesta straffrättsliga ärenden avslutas genom ett meddelande om intrång.

Det är troligt att det kommer att bli en del motreaktioner mot tanken på att människor döms av maskiner, sa Hunter, som har undersökt användningen av AI inom juridik i mer än 20 år. Dock, han noterade att samhället lätt har tagit emot många liknande teknologier. Fartkameror, till exempel, är en form av automatiserad straffmätning som nu är allmänt accepterad.