Шоу Сноба на Youtube Шоу Сноба на Youtube Шоу Сноба на Youtube Шоу Сноба на Youtube
Шоу Сноба на Youtube Шоу Сноба на Youtube
Все новости
Редакционный материал
Уравнение правосудия, или

Какова вероятность повторного преступления

В книге «Время живых машин. Биологическая революция в технологиях» (готовится к выходу в издательстве «Альпина нон-фикшн», опубликована в рамках издательской программы Политехнического музея и входит в серию «Книги Политеха») нейробиолог Сьюзан Хокфилд рассказывает о новейших совместных разработках ученых и инженеров — алгоритмах, которые управляют беспилотниками, влияют на наши предпочтения, а также помогают полицейским определять преступников, а медикам ставить диагнозы. «Сноб» публикует одну из глав
21 октября 2020 16:48
Иллюстрация: Nihatdursun/Getty Images

Алгоритм не может вынести приговор. Он не умеет сопоставлять доводы защиты и обвинения, анализировать доказательства, ему не понять, осознал ли подсудимый свою вину. Не ждите, что в обозримом будущем он заменит судью. Но что он может, как ни трудно в это поверить, — так это рассчитать риск повторного преступления, исходя из персональных данных человека. А поскольку суд нередко принимает решение на основании оценки вероятности того, что подсудимый вернется на путь преступления, иметь такую опцию весьма полезно.

Персональные данные и расчеты применяются в судействе уже почти столетие, впервые это начали делать в Америке еще в двадцатых годах прошлого века. При тогдашней американской системе подсудимых обычно приговаривали к максимальной мере наказания, они сколько-то отсиживали, после чего их отпускали «под честное слово»*. На основании этого закона десятки тысяч заключенных выходили из тюрем раньше срока. Одни благополучно исправлялись, другие — нет. Но все вместе они представляли собой идеальный материал для эксперимента в естественных условиях, а вопрос был поставлен так: можно ли предсказать, нарушит ли заключенный взятые на себя обязательства?

Знакомьтесь — Эрнст Уотсон Берджесс, канадский социолог из университета Чикаго, хлебом не корми — дай составить прогноз. Берджесс был убежденным сторонником количественного анализа общественных явлений. Чего только он не прогнозировал за свою многолетнюю практику — от последствий выхода на пенсию до счастливых браков, — а в 1928 году впервые предложил эффективный метод оценки риска преступных действий, основанный не на интуиции, а на результатах измерений.

Берджесс собрал самые разнообразные сведения о трех тысячах обитателей иллинойсской тюрьмы и сформулировал двадцать один фактор, от которых, по его мнению, «возможно, зависит» вероятность нарушения условий условно-досрочного освобождения. Учитывались, в частности, вид правонарушения, срок пребывания в тюремной камере и социальный тип заключенного; с присущей социологу начала ХХ века деликатностью он выделил социальные типы — например, «бродяга», «пьяница», «бездельник», «деревенщина» и «иммигрант».

Каждому заключенному Берджесс поставил оценку от 0 до 1 по каждому пункту. Если сумма была достаточно велика — от 16 до 21, — то вероятность рецидива преступления Берджесс оценивал как низкую. Те, кто набрал низкие баллы — не больше 4, — по его мнению, наверняка нарушили бы правила условно-досрочного освобождения.

Когда все участники эксперимента вышли на свободу и при желании могли бы нарушить установленный законом порядок, у Берджесса появился шанс проверить достоверность своих прогнозов. Для столь примитивной методики он добился поразительной точности прогнозирования. В группе низкого риска 98% осужденных успешно выдержали весь срок, в то время как две трети преступников из группы высокого риска сорвались. Оказалось, что даже самые приблизительные статистические модели позволили дать более точные прогнозы, чем это делали люди.

Однако у модели Берджесса нашлись и критики. Скептики спрашивали, все ли факторы, которые давали надежду на счастливый исход условно-досрочного освобождения, применимы всегда и везде? У них были свои резоны: не думаю, что определение «деревенщина» оказалось бы полезным при прогнозировании рецидивов преступлений в криминогенной среде неблагополучных городских кварталов. Другие ученые упрекали Берджесса за то, что он использовал все доступные ему данные, но не проверял, насколько они релевантны. Подвергали сомнению и сам метод оценки заключенных — в общем, это было всего лишь облеченное в формулы мнение специалиста. Тем не менее точность его прогнозов произвела столь сильное впечатление, что к 1935 году в иллинойсской тюрьме комиссия по условно-досрочному освобождению уже пользовалась его методикой. А к концу ХХ века математические модели, созданные на основе метода Берджесса, уже пошли в ход во всем мире.

Издательство: Альпина нон-фикшн

Вернемся в наши дни — в залах судебных заседаний работают новейшие алгоритмы оценки рисков, куда более тонкие, чем первые схемы Берджесса. Оказывается, они не только облегчают работу комиссии по условно-досрочному освобождению, но и помогают определять, кого из заключенных можно освободить под поручительство и подбирать для них коррекционные программы, а в последнее время еще и подсказывают судьям, какой приговор вынести. Базовый принцип все тот же — загружается информация о подсудимом (возраст, история судимостей, тяжесть совершенного правонарушения и так далее), а на выходе получаем ответ на вопрос, насколько рискованно отпустить его на волю.

Как работают такие программы? Если не вдаваться в детали, в самых эффективных современных программах используется так называемый «метод случайного леса» (random forests), основанный на простейшей, в общем‑то, идее. Обычное дерево решений.

*Впервые условно-досрочное освобождение начали применять во Франции в 1700-х годах — осужденного выпускали на волю, если он обещал больше не совершать преступлений.

Оформить предварительный заказ книги можно по ссылке

Поддержать лого сноб
0 комментариев
Зарегистрироваться или Войти, чтобы оставить комментарий
Читайте также
Александр Кравцов, ментор, наставник по связям, работающий с топ-менеджерами крупного бизнеса и государственными деятелями, написал книгу «Найди ментора. Как перейти на следующий уровень». Автор объясняет, для чего нужен ментор, как и где его найти и как выстроить с ним правильное и приносящее пользу сотрудничество. «Сноб» публикует некоторые главы
Научный журналист и исследователь в области образования Ульрих Бозер в своей книге «Как научиться учиться: Навыки осознанного усвоения знаний» предлагает методики эффективного обучения не только для молодых студентов, но и для людей в возрасте. «Сноб» публикует одну из глав
Практикующий врач Олли Совиярви, специалист по цифровизации Теэму Арина и эксперт по питанию Яакко Халметоя объединились и написали книгу «Биохакинг: руководство по раскрытию потенциала организма», которая вышла в издательстве «Альпина Паблишер». Авторы основываются на базе личных наработок и результатах тематических исследований и рассказывают, как правильно относиться к своему телу, как улучшить качество сна, питания и подобрать оптимальные физические нагрузки. «Сноб» публикует отрывок из книги