在刑事案件中，被告人究竟應該逗留在家中還是在監獄裡等候判決呢？最新的電腦演算法能夠協助法官進行準確預測，從而減低犯罪率並減少市民被拘留在獄中的所需時間。
讓電腦科學協助法律專家
最近一個由美國全國經濟研究所（NBER）進行的新研究中，經濟學家和電腦科學家使用了紐約市的犯罪紀綠和法庭紀錄，訓練演算法預測被告人畏罪潛圖的可能性。
經過訓練後，科學家使用演算法評估過萬份全新的案件，結果顯示，演算法比法官更準確地預測疑犯被釋放後的。
康乃爾大學（Cornell University）電腦科學教授約翰·凱恩堡（Jon Kleinberg）表示，研究的目的是希望能讓政策制定者得知機器學習能為社會作出不少貢獻，讓人工智慧於未來幫助法律專家制定決策。
研究人員對來自美國 40 個大城市的數據進行重複實驗得出的結果顯示，這演算法能夠在不改變拘留人數的前提下，減少 25% 的被告人犯罪率。他們甚至乎認為可以減少 40％ 在監獄中等待審判的人數。
不涉及歧視的演算法
演算法是根據犯罪案件的數據及被告人的犯罪記錄（例如他們涉嫌觸及的法例，逮捕的時間和地點等），再利用風險分數評估被告行為。 其中所用的人口數據只選擇了年齡層，而不包括種族膚色。
凱恩堡表示，演算法能幫助法官，又不會對他們的定罪判決造成干擾 。目前據分析，法官偶爾會釋放很可能拒絕出庭的人或在等待審判期間犯罪的人。 而這個演算法能減低這個可能性。
賓夕法尼亞大學犯罪學教授理查德·伯克（Richard Berk）將這項研究描述為「非常有價值的研究」。 這個讓電腦科學融入法律界的想法已經被探索了多達 20 年，而隨著 AI 學習能力變得更加強大，經訓練後的 AI 亦能做出更準確的決定，有望為未來的司法制度提供真正公平公正的審判。