คู่มืออุตสาหกรรม

AI ในศาลและการประเมินความเสี่ยงด้านตุลาการ

เครื่องมือประเมินความเสี่ยงด้านตุลาการเป็นแบบจำลองทางสถิติที่ประเมินว่าจำเลยมีโอกาสพลาดศาลหรือถูกคุมขังใหม่เพียงใด

ฟังคำแนะนำนี้บรรยายโดย AI · ~3 min

บนหน้านี้อ่าน 4 นาที
  1. ภาพรวม
  2. เจาะลึก
  3. การใช้งานจริงในโลกแห่งความเป็นจริง
  4. อนาคตของ AI ในศาลและการประเมินความเสี่ยงด้านตุลาการ
  5. การนำไปปฏิบัติ
  6. สำรวจต่อไป
  7. คำถามที่พบบ่อย

ภาพรวม

ผู้พิพากษาใช้คะแนนในการตัดสินประกันตัว การพิจารณาคดี และทัณฑ์บน เครื่องมือเหล่านี้ช่วยให้การตัดสินใจมีความสอดคล้องมากขึ้น และลดการควบคุมตัวโดยไม่จำเป็น แต่กลับทำให้เกิดคำถามยากๆ เกี่ยวกับความเป็นธรรม ความโปร่งใส และกระบวนการทางกฎหมาย ดังที่การอภิปรายเกี่ยวกับเครื่องมือ COMPAS แสดงให้เห็น

เจาะลึก

การประเมินความเสี่ยงในกระบวนการยุติธรรมทางอาญานั้นเก่ากว่าการเรียนรู้ของเครื่อง เครื่องมือหลายอย่างค่อนข้างง่าย: ระบบคะแนนหรือแบบจำลองการถดถอยที่สร้างจากข้อมูลในอดีต โดยจะให้คะแนนปัจจัยต่างๆ เช่น อายุ การพิพากษาลงโทษครั้งก่อน การไม่มาปรากฏตัวครั้งก่อน และการเรียกเก็บเงินที่รอดำเนินการ การประเมินความปลอดภัยสาธารณะ (PSA) ซึ่งพัฒนาขึ้นด้วยเงินทุนจาก Arnold Ventures ดึงข้อมูลอายุและประวัติอาชญากรรมโดยไม่ต้องสัมภาษณ์จำเลย โดยจะแยกคะแนนสำหรับกรณีไม่ปรากฏตัวและกิจกรรมทางอาญาครั้งใหม่ รวมทั้งธงสำหรับกิจกรรมทางอาญาที่รุนแรงครั้งใหม่ COMPAS ซึ่งจำหน่ายโดย Northpointe (ปัจจุบันเทียบเท่ากับ) เป็นเครื่องมือที่เป็นกรรมสิทธิ์ซึ่งใช้ในการตัดสินคดีก่อนการพิจารณาคดี การพิจารณาพิพากษา และการแก้ไขในบางสถานที่ นอกจากนี้ยังใช้คำตอบแบบสอบถาม ในปี 2016 ProPublica วิเคราะห์คะแนน COMPAS ใน Broward County รัฐฟลอริดา รายงานระบุว่าจำเลยผิวดำที่ไม่ได้กระทำความผิดซ้ำมีแนวโน้มเกือบสองเท่าของจำเลยที่เป็นคนผิวขาวที่ถูกระบุว่ามีความเสี่ยงสูงกว่า และจำเลยที่เป็นคนผิวขาวที่กระทำผิดซ้ำมักถูกระบุว่ามีความเสี่ยงต่ำกว่า Northpointe ตอบว่าคะแนนมีการทำนายเท่ากันสำหรับทั้งสองกลุ่ม: คะแนนที่กำหนดตรงกับอัตราการตำหนิที่คล้ายคลึงกันโดยไม่คำนึงถึงเชื้อชาติ การกล่าวอ้างทั้งสองสามารถเป็นจริงได้ในคราวเดียว นักวิจัยรวมทั้ง Jon Kleinberg และ Alexandra Chouldechova แสดงให้เห็นว่า เมื่ออัตราพื้นฐานระหว่างกลุ่มแตกต่างกัน โดยทั่วไปคะแนนจะไม่สามารถสอบเทียบได้ และยังมีอัตราผลบวกลวงและลบลวงเท่ากัน การเลือกคำจำกัดความของความเป็นธรรมถือเป็นการตัดสินใจเชิงนโยบาย ไม่ใช่การตัดสินใจทางเทคนิคล้วนๆ ยังมีข้อกังวลอื่น ๆ เบาะหลังยืนหยัดเพื่อกระทำความผิดอีกครั้ง และสะท้อนให้เห็นว่าตำรวจสายตรวจอยู่ที่ไหน โมเดลที่เป็นกรรมสิทธิ์ทำให้ยากต่อการท้าทายคะแนน ผู้ตัดสินอาจเลื่อนไปที่คะแนนหรือเลือกแทนที่คะแนนเหล่านั้น ผู้สนับสนุนตอบว่าสัญชาตญาณของตุลาการโดยไม่ได้รับความช่วยเหลือนั้นมีอคติและไม่สอดคล้องกันเช่นกัน ความเข้าใจผิดที่พบบ่อยคือเครื่องมือเหล่านี้เป็น AI ขั้นสูง ส่วนใหญ่เป็นแบบจำลองทางสถิติที่โปร่งใสโดยใช้ปัจจัยเพียงไม่กี่อย่าง AI อื่นๆ ส่วนใหญ่ในศาลเป็นฝ่ายบริหารจัดการ: การเรียงลำดับเอกสารอิเล็กทรอนิกส์ การถอดเสียง การแปล และการกำหนดเวลา

การใช้งานจริงในโลกแห่งความเป็นจริง

เจ้าหน้าที่บริการก่อนการพิจารณาคดีเป็นผู้ดำเนินการประเมินความปลอดภัยสาธารณะ ซึ่งให้คะแนนการไม่ปรากฏตัวและกิจกรรมทางอาญาใหม่จากปัจจัยต่างๆ ที่อิงตามอายุและประวัติอาชญากรรมของจำเลย เจ้าหน้าที่รายงานตัวต่อผู้พิพากษาก่อนการพิจารณาคดีประกันตัวครั้งแรก

ใน State v. Loomis (2016) ศาลฎีกาของรัฐวิสคอนซินอนุญาตให้ผู้พิพากษาตัดสินพิจารณาคะแนน COMPAS จำเป็นต้องมีคำเตือนเป็นลายลักษณ์อักษรเกี่ยวกับขีดจำกัดของเครื่องมือ และบอกว่าคะแนนไม่สามารถเป็นปัจจัยในการตัดสินใจได้

ศาลประจำเทศมณฑลใช้ซอฟต์แวร์เพื่อจัดเรียงการยื่นเอกสารอิเล็กทรอนิกส์ที่เข้ามาตามประเภทคดี และทำเครื่องหมายว่าเอกสารที่ไม่สมบูรณ์ นอกจากนี้ยังส่งข้อความแจ้งเตือนอัตโนมัติเกี่ยวกับวันนัดพิจารณาคดี ซึ่งการศึกษาวิจัยระบุว่าการพลาดนัดพิจารณาคดีน้อยลง

หน่วยงานพิจารณาคดีของรัฐตรวจสอบเครื่องมือความเสี่ยงของตนอีกครั้งโดยใช้ข้อมูลในท้องถิ่น และพบว่าการตัดสิทธิ์ที่ "มีความเสี่ยงสูง" บ่งชี้ว่ามีผู้คนมากกว่าที่ตั้งใจไว้ หน่วยงานจะปรับเกณฑ์ผ่านการทบทวนนโยบายสาธารณะ

อนาคตของ AI ในศาลและการประเมินความเสี่ยงด้านตุลาการ

ในขณะที่การอภิปรายเกี่ยวกับการปฏิรูปการประกันตัวยังคงดำเนินต่อไป เขตอำนาจศาลได้นำ แก้ไข หรือยกเลิกเครื่องมือในการพิจารณาคดี หลักฐานที่แสดงให้เห็นว่าเครื่องมือลดการคุมขังโดยไม่ก่อให้เกิดอาชญากรรมนั้นมีความหลากหลายหรือไม่ และขึ้นอยู่กับว่าผู้พิพากษาและนโยบายใช้คะแนนอย่างไร คำแนะนำที่เป็นไปได้รวมถึงการศึกษาการตรวจสอบสาธารณะเพิ่มเติม โมเดลที่โปร่งใสหรือโอเพ่นซอร์ส และข้อจำกัดในการใช้คะแนนอัลกอริทึมในการพิจารณาคดี ในด้าน Generative AI ศาลกำลังออกคำแนะนำสำหรับผู้พิพากษาและพนักงานที่ใช้แชทบอทในการร่างและสรุป โดยทั่วไปคำแนะนำดังกล่าวเน้นการรักษาความลับและทำให้มนุษย์รับผิดชอบต่อการตัดสินใจ

การนำไปปฏิบัติ

ทำไมมันถึงสำคัญ

  • บริบทและกฎ. บริบททางอุตสาหกรรมเป็นตัวกำหนดว่าแนวคิด AI จะรอดจากการสัมผัสกับความเป็นจริงหรือไม่
  • การควบคุมคุณภาพ. ข้อจำกัดของโดเมนมีอิทธิพลต่ออัตราข้อผิดพลาดที่ยอมรับได้และแบบจำลองการควบคุมดูแล
  • สร้างทางเลือก. การปรับใช้ที่ประสบความสำเร็จจะปรับความสามารถทางเทคนิคให้สอดคล้องกับเวิร์กโฟลว์แนวหน้า

ระวัง

  • ข้อกำหนดด้านกฎระเบียบอาจทำให้ต้นแบบที่แข็งแกร่งเป็นโมฆะได้
  • ข้อมูลในอดีตอาจเข้ารหัสอคติที่เป็นอันตรายต่อชุมชนบางแห่ง
  • ระบบเดิมสามารถสร้างปัญหาคอขวดในการบูรณาการและต้นทุนแอบแฝงได้

ขั้นตอนต่อไป

  1. ให้ผู้เชี่ยวชาญโดเมนมีส่วนร่วมตั้งแต่การกำหนดกรอบปัญหาไปจนถึงการประเมิน
  2. ออกแบบเส้นทางการตรวจสอบและเอกสารประกอบก่อนการเปิดตัว
  3. ตรวจสอบการปฏิบัติตามข้อกำหนดและภาระผูกพันด้านความปลอดภัยตั้งแต่เนิ่นๆ
  4. เปิดตัวเป็นระยะโดยมีเกณฑ์การหยุดและย้อนกลับที่ชัดเจน

สำรวจต่อไป

จดหมายข่าวฟรี

รับสรุป AI รายวัน

เรื่องราว AI ที่ตรวจสอบแล้ว 3 เรื่องทุกวันทำงาน เช้า, เขียนเป็นภาษาอังกฤษธรรมดา ฟรีตลอดไป ไม่มีโฆษณา

อีเมลหนึ่งฉบับทุกวันทำงาน ยกเลิกการสมัครในคลิกเดียว เราไม่เคยขายหรือแชร์ที่อยู่อีเมลของคุณ

ทดสอบตัวเอง

Take the AI in Courts and Judicial Risk Assessment quiz

ข้อเสนอแนะทันทีสำหรับทุกคำตอบ และใบรับรองที่สามารถแชร์ได้พร้อม ID ที่ตรวจสอบได้เมื่อคุณผ่านหลักสูตร

เริ่มแบบทดสอบ

สนับสนุนการศึกษา AI ฟรี AI Understanding เป็นองค์กรไม่แสวงหาผลกำไร 501(c)(3) — ไม่มีโฆษณา ไม่มีกำแพงเงิน, ตลอดไป บริจาค

คำถามที่พบบ่อย

AI ในศาลและการประเมินความเสี่ยงด้านตุลาการคืออะไร

เครื่องมือประเมินความเสี่ยงด้านตุลาการเป็นแบบจำลองทางสถิติที่ประเมินว่าจำเลยมีโอกาสพลาดศาลหรือถูกคุมขังใหม่เพียงใด ผู้พิพากษาใช้คะแนนในการตัดสินประกันตัว การพิจารณาคดี และทัณฑ์บน เครื่องมือเหล่านี้ช่วยให้การตัดสินใจมีความสอดคล้องมากขึ้น และลดการควบคุมตัวโดยไม่จำเป็น แต่กลับทำให้เกิดคำถามยากๆ เกี่ยวกับความเป็นธรรม ความโปร่งใส และกระบวนการทางกฎหมาย ดังที่การอภิปรายเกี่ยวกับเครื่องมือ COMPAS แสดงให้เห็น

การประเมินความปลอดภัยสาธารณะ (PSA) ก่อให้เกิดอะไร?

PSA ใช้ปัจจัยต่างๆ ตามอายุและประวัติอาชญากรรมโดยไม่มีการสัมภาษณ์ เพื่อจัดทำคะแนนก่อนการพิจารณาคดีแยกกัน โดยจะประมาณความเสี่ยงก่อนการพิจารณาคดี มันไม่ได้พูดถึงความรู้สึกผิดเลย

การวิเคราะห์ COMPAS ในปี 2559 ของ ProPublica ใน Broward County รายงานอะไร

ProPublica มุ่งเน้นไปที่ผลบวกลวง: ผู้คนระบุว่ามีความเสี่ยงสูงกว่าและไม่ได้กระทำผิดซ้ำอีก อัตราความผิดพลาดนั้นสูงกว่ามากสำหรับจำเลยผิวดำ

Northpointe ตอบสนองต่อการค้นพบของ ProPublica อย่างไร

Northpointe ปกป้องเครื่องมือตามการปรับเทียบแล้ว คะแนนเดียวกันหมายถึงความเสี่ยงที่เท่ากันในแต่ละกลุ่ม นี่เป็นคำจำกัดความของความเป็นธรรมที่แตกต่างจากอัตราข้อผิดพลาดที่เท่ากัน

เหตุใดคะแนนความเสี่ยงโดยทั่วไปจึงไม่สามารถสอบเทียบได้และมีอัตราผลบวกลวงและผลลบลวงเท่ากันในกลุ่มต่างๆ ในเวลาเดียวกัน

การวิจัยโดย Kleinberg, Chouldechova และคนอื่นๆ แสดงให้เห็นว่าเมื่ออัตราพื้นฐานแตกต่างกัน เกณฑ์ความเป็นธรรมเหล่านี้จะขัดแย้งกัน ยกเว้นในกรณีที่ไม่สำคัญ ดังนั้นการเลือกว่าจะจัดลำดับความสำคัญเรื่องใดจึงเป็นการตัดสินใจเชิงนโยบาย

ศาลฎีกาวิสคอนซินตัดสินอะไรใน State v. Loomis (2016)

ศาลอนุญาตให้ใช้อย่างจำกัดด้วยความระมัดระวัง โดยรักษาสมดุลระหว่างเครื่องมือที่อาจมีประโยชน์กับข้อกังวลด้านกระบวนการทางกฎหมายเกี่ยวกับโมเดลที่เป็นกรรมสิทธิ์

เรียนรู้ต่อไป

คำแนะนำที่เกี่ยวข้อง

คำแนะนำเพิ่มเติมที่เลือกสำหรับหัวข้อนี้

รับใบรับรอง AI ฟรีหลักสูตรและการสอบสั้น ๆ ฟรี ไม่มีค่าใช้จ่าย ไม่มีบัตรเครดิต ประมาณ 2.5 ชั่วโมงเริ่มต้นฟรี →