文件名称：侦查方法：刑法机器学习的新方向-研究论文
文件大小：1.3MB
文件格式：PDF
更新时间：2024-06-29 22:51:28
Machine Learning Natural
机器学习在刑法中的大多数应用都集中在对人进行预测并使用这些预测来指导决策。 例如，法官在决定在审前拘留谁时，会使用风险评估工具来预测未来发生暴力的可能性。 虽然这种预测技术分析了做出决策的人，但我们提出了机器学习的新方向，它可以审查决策本身。 我们的目标不是预测行为，而是为公众提供数据驱动的机会，以提高人类*裁量权的公平性和一致性。 我们称我们的方法为侦察方法，因为它包含两个功能：侦察和重新考虑。 侦察利用自然语言处理来筛选数千份听证会记录，并阐明似乎影响这些听证会决策的因素。 重新考虑使用建模技术来识别看起来异常的案例，以保证对这些决策进行更仔细的审查。 侦察揭示了可能在一系列决策中显示系统性问题的模式； 重新考虑在个别情况下标记潜在的错误或不公正。 作为一个由计算机科学家和法律学者组成的团队，我们描述了我们将侦察方法应用于加利福尼亚假释决定的早期工作。 在这项工作的基础上，我们讨论了侦察方法面临的挑战，以及它在刑法内外适用于量刑和其他酌处决策环境的潜力。