Фон

В 1920-х годах тюремная система Иллинойса подошла к переломному моменту в истории уголовного правосудия. Увеличение числа насильственных преступлений привело к перегрузке тюрем. В то же время Соединенные Штаты переживали волну широких социальных реформ, и политическая среда становилась все более благоприятной для принятия более гуманных тюремных практик.

Именно в этих условиях были созданы новые решения. Заключенным может быть предоставлено условно-досрочное освобождение, освобождение тюремного пространства и поощрение реабилитации. Однако эта практика сопряжена с неотъемлемыми рисками; некоторые заключенные могут повторно совершить преступление после освобождения. Чтобы решить эту проблему, тюрьмам придется определить, какие заключенные менее всего склонны к повторным правонарушениям. Хотя изначально эта задача зависела от субъективных суждений тюремного персонала, в тюрьмах Иллинойса было реализовано новое решение: они использовали статистические методы для оценки вероятности повторного совершения преступления отдельными заключенными и использовали эти вероятности для определения того, должны ли они быть условно-досрочно освобождены.

Подход Pontiac

(Упрощенный) подход к одной конкретной тюрьме, исправительному учреждению штата Иллинойс в Понтиаке, был следующим:

  1. Возьмем 3000 дел, по которым имеется информация о каждом заключенном (такие факторы, как стаж работы, семейное положение, поведение и т. д.) и о том, нарушали ли они условно-досрочное освобождение.
  2. Сгруппируйте дела на основе сходства факторов таким образом, чтобы пропорции людей в каждой группе, нарушивших условно-досрочное освобождение, были различными и разными. Например, одна группа может состоять из людей с определенным типом поведения в местах лишения свободы и иметь низкую долю нарушителей условно-досрочного освобождения, другая может состоять из людей с определенным семейным положением и трудовым стажем и иметь промежуточную пропорцию, а третья - некоторые другие определяющие факторы. характеристики и высокая доля. Исправительное учреждение штата Иллинойс в Понтиаке сгруппировало свои 3000 дел в 12 групп с долей нарушителей условно-досрочного освобождения в каждой группе от 1 до 99 процентов.
  3. На предыдущем шаге была сформирована таблица ожиданий: способ оценить вероятности определенных результатов с учетом определенных факторов. Используя эту таблицу ожиданий, учреждение может классифицировать нового человека в одну из групп в таблице и назначить новому лицу вероятность нарушения условно-досрочного освобождения, связанную с этой группой. Эта вероятность затем помогает чиновникам решить, должен ли человек получить условно-досрочное освобождение.

Результаты оказались многообещающими — количество нарушений условно-досрочного освобождения уменьшилось за трехлетний период после внедрения метода. [Жители] Иллинойса, судя по уменьшению нарушений, за последние три года лучше защищены от системы условно-досрочного освобождения, чем когда-либо за последние двенадцать лет, — писал социолог Эрнест Берджесс в 1936 году. В течение десятилетий после их внедрения эти методы получили распространение на практике по всей территории Соединенных Штатов.

Подход Вирджинии

В 1995 году официальные лица Вирджинии стремились выполнить ту же задачу, что и их предшественники в Иллинойсе 1920-х годов, за исключением вынесения приговора. В том же году Вирджиния отменила условно-досрочное освобождение, что (среди прочего) лишило тюрьмы возможности решить проблемы с вместимостью.

Должностные лица определили, что правонарушители, представляющие низкий риск для общественной безопасности, могут получить наказание, отличное от тюремного заключения. Эта политика сэкономит ресурсы; меньше заключенных преступников низкого риска означало больше места в тюрьмах как для преступников, ранее имевших право на условно-досрочное освобождение, так и для преступников высокого риска. Штат разработал Оценку ненасильственного риска (NVRA), алгоритмический инструмент, который присваивает человеку оценку риска. NVRA, по сути, представляет собой взвешенный контрольный список, в котором каждый ввод данных — такие факторы, как возраст, пол и предыдущие судимости — имеет определенное значение в баллах, основанное на связи этого ввода с будущими повторными арестами и/или судимостью, а также общее количество баллов за все входные данные - это оценка риска. Процесс описан ниже:

  1. Соберите случайную выборку преступников, совершивших ненасильственные преступления, которые либо получили наказание, отличное от тюремного заключения, либо были недавно освобождены из тюрьмы.
  2. Используя данные из случайной выборки, вычислите логистическую регрессию для каждой входной переменной, чтобы измерить связь этой переменной с вероятностью повторного совершения преступления (точнее: вероятностью осуждения за уголовное преступление в течение трех лет после освобождения), и получите коэффициенты для каждого.
  3. Преобразуйте коэффициенты в веса так, чтобы сумма всех весов давала оценку риска от 0 до 95. Оценка риска рассчитывается для каждого правонарушителя, чье дело соответствует критериям применения NVRA. Правонарушители, набравшие менее 36 баллов, считаются «низким риском» и имеют право на освобождение от обычного тюремного заключения.

С внедрением подхода Вирджинии появилось множество подобных. Сегодня эти алгоритмы распространены по всей территории Соединенных Штатов. NVRA Вирджинии вместе со своим далеким предшественником из Иллинойса помогли заложить основу для важного элемента современной американской системы правосудия — алгоритмов оценки рисков.

Профилирование управления исправительными правонарушителями для альтернативных санкций (COMPAS)

В 1998 году компания Northpointe (теперь Equivant), занимающаяся программным обеспечением для управления делами, разработала алгоритм управления исправительными преступниками для альтернативных санкций, или COMPAS, алгоритм, который был предназначен для вынесения приговоров и досудебных решений. Как и NVRA, COMPAS также имеет форму взвешенного контрольного списка. Оценки риска могут быть рассчитаны по трем различным шкалам: риск досудебного освобождения, общий риск рецидива и риск насильственного рецидива с использованием оценки из 100+ вопросов. Вопросы используются для определения значений 22 различных областей (или меньше ─ COMPASS также позволяет пользователю выбирать определенные области и опускать другие), которые, как было доказано эмпирическим исследованием, являются предикторами рецидивизма. Эти области делятся на пять различных категорий: участие в преступных деяниях, отношения/образ жизни, личность/отношения, семья и социальная изоляция. Хотя в открытом доступе не так много информации о конкретных методах эмпирического исследования и о том, как на самом деле рассчитываются баллы, Руководство для практикующих специалистов КОМПАС содержит формулу для шкалы риска насильственного рецидивизма.

Оценка риска насильственного рецидивизма = (возраст*−w)+(возраст при первом аресте∗−w)+(история насилия∗ w) em>) + (профессиональное образование ∗ w) + (история несоответствия ∗ w)

где w — весовой множитель, определяемый силой связи предмета с рецидивом.

После того, как необработанные баллы были рассчитаны, они конвертируются в децильные баллы. Классификация децилей по группам низкого, среднего и высокого риска зависит от типа шкалы, но в целом:

  • Децильный балл от 1 до 4 считается низким риском
  • Децильный балл от 5 до 7 считается средним риском.
  • Децильный балл от 8 до 10 считается высоким риском

COMPAS в настоящее время используется в 11 юрисдикциях в четырех штатах.

Оценка общественной безопасности (PSA)

В 2013 году Фонд Лауры и Джона Арнольдов (тогда благотворительная организация миллиардеров Лоры и Джона Арнольдов, ныне Arnold Ventures LLC) начал пилотировать свой алгоритм оценки общественной безопасности в ряде юрисдикций. В отличие от COMPAS, PSA в первую очередь фокусируется на досудебной оценке рисков; он предназначен для того, чтобы помочь судьям решить, должен или не должен обвиняемый подвергаться предварительному заключению. При создании PSA исследователи изучили около 750 000 различных дел из примерно 300 юрисдикций по всей территории Соединенных Штатов и определили девять лучших предикторов того, совершит ли обвиняемый, освобожденный до суда, новую преступную деятельность (NCA) до суда, новую насильственную преступную деятельность (NVCA) до суда. до суда или неявка (FTA) в суд.

Каждому фактору присваивается вес и количество баллов в зависимости от степени его связи с NCA, NVCA или FTA. Затем эти баллы суммируются, чтобы создать необработанную оценку, которая корректируется по 6-балльной шкале.

Шкала баллов используется для принятия досудебных решений. Высокий балл указывает на то, что исход, для которого оценивается риск, вероятно, произойдет с ответчиком, в то время как низкий балл указывает на обратное.

Хотя PSA был разработан относительно недавно, он уже используется в США. Аризона, Кентукки, Нью-Джерси и Юта внедрили PSA по всему штату, и многие другие штаты имеют PSA в определенных округах. Более подробную информацию о PSA можно найти здесь и здесь.

Случайный лес

Алгоритм классификации случайного леса отличается от двух предыдущих алгоритмов тем, что представляет собой форму машинного обучения. Методы оценки риска, основанные на машинном обучении, атеоретичны: они явно не полагаются на известные модели поведения, установленные в социальных науках. Скорее, эти модели идентифицируют ассоциации и делают прогнозы самостоятельно на основе набора обучающих данных.

Кроме того, в то время как в традиционных формах оценки рисков используется лишь небольшое количество предикторов, тесно связанных с определенными результатами (см. ВАБ), модели оценки рисков машинного обучения используют множество предикторов, как сильных, так и слабых. Почему? Традиционные методы предполагают, что слабые предикторы «уравновешиваются», поскольку по отдельности они не повышают точность предсказания. Однако на самом деле это может быть не так. Объединение множества слабых предикторов можетповысить точность прогнозов, что могут использовать модели машинного обучения.

Процедуры алгоритма классификации случайного леса, предназначенные для прогнозирования нарушения условно-досрочного освобождения, описаны ниже.

  1. Получите обучающие данные: соберите данные о правонарушителях, которые были условно-досрочно освобождены, в частности, характеристики и результаты, чтобы предсказать будущие дела.
  2. Создайте множество деревьев классификации (стандартно 500 деревьев).
    i. Во-первых, «загрузите» данные обучения. Это означает взятие случайных выборок размера nнарушителей из набора данных (также размера n) с заменой так, чтобы выборки напоминали обучающие данные и каждый другие, но не совсем одинаковые.
    ii. Используя случайное подмножество предикторов из данных, постройте дерево классификации из каждой загруженной выборки. Это делается путем последовательного разделения отобранных правонарушителей на группы на основе некоторого предиктора, который максимизирует разницу между группами и сходство внутри групп. Если предиктором является число (например, возраст правонарушителя) вместо бинарной переменной (например, если правонарушитель ранее был судим), устанавливается порог для облегчения разделения. Например, если возрастной порог установлен на уровне 25 лет, правонарушители моложе 25 лет помещаются в одну группу, а правонарушители старше 25 лет — в другую.
  3. Теперь существует «лес» деревьев классификации. Каждое дерево может индивидуально предсказать, нарушит ли правонарушитель условно-досрочное освобождение или нет. Система демократична: проводится голосование. Прогнозируемый результат - это тот, который прогнозируется большинством деревьев.

Случайные леса не так распространены в Соединенных Штатах по сравнению с традиционными методами оценки риска. Тем не менее, реализации существуют. В 2012 году Департамент пробации Филадельфии внедрил модель оценки рисков случайного леса, чтобы определить, какие лица, находящиеся на испытательном сроке, могут повторно совершить преступление и, следовательно, нуждаются в усиленном надзоре.

Результаты и разногласия

В начале 2013 года штат Висконсин предъявил Эрику Лумису обвинение в пяти уголовных преступлениях, связанных со стрельбой из проезжающего мимо автомобиля. Перед вынесением приговора сотрудник исправительного учреждения представил Лумису шкалу рецидивизма COMPAS, которая оценила его как человека с высоким риском. Ссылаясь на оценку COMPAS в решении, суд приговорил Лумиса к шести годам тюремного заключения и пяти годам расширенного надзора. Лумис подал апелляцию. Он утверждал, что было нарушено его право на надлежащую правовую процедуру, в частности, что использование оценки КОМПАС, которая не раскрывает свою методологию, ущемило его право на индивидуальное наказание и его право быть приговоренным на основе достоверной информации, а также неконституционно. учитывал его пол. В конечном итоге Верховный суд Висконсина отклонил его доводы. В решении по делу Штат против Лумиса судья Энн Уолш Брэдли подчеркнула три момента:

  1. При вынесении приговора учитывалась толькооценка риска Лумиса COMPAS. Счет не служил всей основой приговора.
  2. КОМПАС опирается на общедоступную информацию и информацию, предоставленную ответчиком. Лумис мог бы оспорить эту информацию или объяснить ее.
  3. Использование пола в оценках риска COMPAS преследовало цель недискриминации.

Дело Стейт против Лумиса закончилось неблагоприятно для ответчика. Однако это подняло важные вопросы об алгоритмах оценки риска, таких как COMPAS. Equivant хранит методологию COMPAS как коммерческую тайну и, как частная компания, имеет на это законное право. Но критики утверждают, что ответчики не могут оспорить решение, принятое системой, которая неизвестным образом присваивает неизвестные веса факторам в профиле ответчика. После того, как оценка была рассчитана, она действует как бренд, который нельзя удалить или оспорить. Более того, разработка COMPAS компанией Equivant сама по себе ставит интересный вопрос: должны ли частные интересы вообще принадлежать публичной сфере справедливости, и если да, то в какой степени?

Другая линия критики сосредоточена вокруг точности и расовой предвзятости. Отчет ProPublica за 2016 год, выводы которого оспаривает Equivant, показал, что прогнозы COMPAS для людей, которые совершат насильственные преступления, были ненадежными, и выявил значительные расовые различия. неточно как будущие преступники. Используя исторические данные в процессе разработки, разработчики могли отразить существующее неравенство американской системы правосудия в продукте, создавая потенциальные предубеждения в оценках. Сторонники, однако, утверждают, что неясно, являются ли эти алгоритмы более предвзятыми с расовой точки зрения, чем решения о вынесении приговора, принятые без них.

По вопросу о том, что частные лица обладают чрезмерной властью при вынесении уголовных приговоров, автор Columbia Law Review Андреа Ниши предлагает обратиться к прошлому и возродить правовые нормы эпохи Нового курса в отношении государственного надзора. Профессора криминологии Ричард Берк и Джордан Хаятт предлагают использовать случайные леса, которые, по их мнению, являются более точными и прозрачными, чем обычные методы оценки рисков, не связанные с машинным обучением. Показатели справедливости также могут быть интегрированы во время разработки, хотя при наивном применении в изменчивых и сложных социальных контекстах они могут рисковать созданием несправедливости в той же мере, в какой они ее устраняют.

Заключение

Тюремная система Вирджинии изменилась с 1995 года. Рост числа заключенных в штате сократился до 5% с 31% в предыдущие десятилетия. Судьи, использующие программное обеспечение для оценки рисков, регулярно отправляют правонарушителей в альтернативные тюрьмы. Тем не менее, Вирджиния по-прежнему заключает в тюрьму своих граждан со скоростью, превышающей средний показатель по стране.

По состоянию на 2021 год в исправительном учреждении штата Иллинойс в Понтиаке, ныне исправительном центре Понтиака, находилось 1065 человек. В округах Иллинойса используются различные системы оценки рисков. В 2015 году округ Кук, самый густонаселенный в штате, начал использовать PSA — событие, которое, наряду с важным постановлением суда 2017 года, было связано со значительным сокращением числа заключенных в округе. Критики утверждают, что спад может быть еще больше и с небольшим ущербом для общественной безопасности. Иллинойс заключает в тюрьму своих граждан по уровню ниже среднего по стране, хотя тенденция с течением времени аналогична остальной части страны: резкий рост в 1980-х и 1990-х годах, а затем ровная линия.

Главной задачей любой системы правосудия является назначение соответствующей санкции против того, кто нарушил закон. По мере того, как Соединенные Штаты продвигаются дальше в столетие, алгоритмы оценки риска, несомненно, будут продолжать облегчать эту задачу. Каким образом, однако, мы не можем сказать наверняка.