在刑事司法领域中，主管机关必须将未来再犯风险纳入评估，才能给予犯罪人适当的罚则，但由“人”进行的评估准确度总有极限存在。美国研究团队发现，算法在预测累犯上似乎要比人类准得多，在一些测试中，甚至达到了90%的准确度。
常年以来，基于算法的评估工具一直被美国广泛应用于医疗、金融、升学及刑事司法领域，能够很好协助人们在必须做出决策时权衡数据。
但是在2018年，达特茅斯学院研究人员提出了研究质疑，认为对此类工具在刑事司法框架风险评估上的准确性并未高于人类，在质疑受到广泛报道后也引发美国刑事司法改革界的讨论。
美国有着世界最高的监禁率，如何降低监禁率的同时确保社区对安全的需求，也成为美国近年备受讨论的话题。一些人认为，如果工具的准确度并未明显高于人们，那么用来预测就毫无意义，只会加剧判决中的偏见，另一些人则认为，这样重大的决定应该由人而不是计算机做出。
尽管这些辩论提出有关算法工具的重要问题，但在评估更多数据和因素后，斯坦福大学和伯克利加大学者得出了结论：在受控环境中只评估少数变量时，人们的预测能力确实能与工具比拟，但在类似真实刑事司法环境的情况下，工具在预测累犯的风险评估上仍明显比人更准确。
研究人员指出，达特茅斯的发现基于有限的因素，但现实世界中的刑事司法环境通常要复杂得多，而且更加含糊，还有大量外在因素可能影响情况。
在《科学进展》（Science Advances）期刊的新论文中，团队描述了他们在类似司法环境下进行的测试结果，人类的准确率约只有60%，而工具则高达90 %，显示基于算法的工具在风险评估上仍要比人们好得多。
斯坦福大学计算社会科学家Sharad Goel认为，经过验证的风险评估工具可以帮助司法专业人员做出更明智的决定。
“举例来说，这些工具可以帮助法官辨别并释放对公共安全构成很小风险的人。但当然像其他任何工具一样，风险评估工具必须与健全的政策和人为监督相结合，才能支持公正有效的刑事司法改革。”
（首图来源：pixabay）