Amerikanska fängelser och fängelser håller för närvarande mer än 2 miljoner människor – många av dem fängslade i väntan på rättegång eller avtjänar extremt långa fängelsestraff. Ny forskning av professor Christopher Slobogin, som innehar en Milton R. Underwood Chair in Law vid Vanderbilt Law School, indikerar att en riskprediktionsalgoritm kan hjälpa till att minska dessa siffror.

"Vi har ett enormt fängslingsproblem i det här landet, men ingen av de nuvarande lösningarna fungerar, ", sa han. "Vi kan använda algoritmer för att ta reda på vem som utgör en fara för samhället om de släpps."

Förenta staterna fängslar för närvarande 0,6 procent av sin befolkning – en andel sex gånger högre än i europeiska länder.

"Forskning visar att åtgärder som avkriminalisering och avskaffande av obligatoriska minimistraff knappt gjorde ett intryck i fängelsestraffet, " sa Slobogin. "Det sa, allmänheten kommer inte att köpa någon reform om du inte kan försäkra dem om deras säkerhet."

En idealisk algoritm skulle indikera sannolikheten att en given individ skulle begå ett allvarligt brott under en given tidsperiod, i frånvaro av ett särskilt ingripande.

I nypublicerad forskning, Slobogin förklarade att genom att göra straffrättsliga beslut mer transparenta, Algoritmer skulle kunna tvinga fram en efterlängtad omprövning av syftena och målen för det straffrättsliga systemet. Han hävdar att riskbedömningsalgoritmer kan:

• hjälpa till att minska frihetsberövande före rättegång (sannolikheten för att någon begår ett brott när han är ute i borgen är 8 procent) och längden på fängelsestraff utan att öka risken för allmänheten – ett särskilt viktigt mål eftersom covid-19 sprider sig genom straffanläggningar,
• mildra överdrivet bestraffande borgen och straff, som oproportionerligt påverkar låginkomsttagare och färgade,
• fördela kriminalvårdsresurser mer effektivt och konsekvent,
• tillhandahålla en språngbräda för evidensbaserade rehabiliteringsprogram som syftar till att minska återfall i brott genom att leda bort de kandidater som mest sannolikt kommer att lyckas från fängelset.

Beräknade risker

Att använda algoritmer för att avgöra ett människolivs öde är kontroversiellt. Kritiker hävdar att algoritmer inte är effektiva för att identifiera vem som kommer att kränka och vem som kommer att vara lyhörd för rehabiliteringsinsatser. Kritiker hävdar också att algoritmer kan vara rasistiskt partiska, avhumaniserande och motstridig till straffrättsliga principer.

Slobogin sa att även om kritiken har förtjänst, nuvarande metoder för att förutsäga risk kan vara sämre. "Åtminstone algoritmer strukturerar analysen på ett konsekvent sätt."

Ostrukturerat beslutsfattande av domare, villkorliga tjänstemän och mentalvårdspersonal är bevisligen partiska och reflexiva, han lade till, och förlitar sig ofta på stereotyper och generaliseringar som ignorerar rättssystemets mål. Algoritmer kan göra bättre, han sa, även om det bara är på ett begränsat sätt, och om de är utformade för att kompensera för påverkan av rasifierad polis- och åklagarpraxis.

Om algoritmer valideras och används proaktivt under förprövningsprocessen, de flesta människor som arresteras "kan behålla sina jobb, hålla sina familjer intakta, och hjälpa deras advokat med deras försvar genom att hjälpa till att spåra vittnen, ", sa Slobogin. "Genom att använda algoritmer för att informera om straff, vi kan släppa folk tidigare, som kan hjälpa dem att bli produktiva istället för att tyna bort i fängelse, där de tappar allt hopp och lär sig att bli en bättre kriminell."