人工智能(AI)正日益成为人类生活的一个特征, 随着科技渗透到我们社会的几乎每一个领域. 法律领域也不例外(尼古拉亚) & Naumov, 2020). 在美国, 法官已经使用人工智能统计程序来预测刑事被告逃跑或再犯的可能性(威斯康星州惩教部), n.d.). 一些人希望结合这种新技术将给这个过程带来一种科学的客观性, 2021). 然而，许多其他人发现这是一个令人不安的反乌托邦发展(尼古斯卡亚 & Naumov, 2020).
作者在2023年夏天进行研究.
我利用哈默尔本科生研究中心的暑期本科生研究奖学金(冲浪)进行了研究, 我得出的结论是，我们的经济和司法系统的结构是这样的，在未来几年, 人工智能很可能会从我们的法官手中夺取决定监禁判决的角色. 这并不意味着将不会有人类法官——法官所做的远不止决定判决或批准假释或缓刑. 但这将意味着人工智能开始接管我们最受尊敬的社会职位之一, 它对我们的社会政治世界有着巨大的影响. 我认为我们应该认真对待这个前景.
在本文中，我将首先定义一些关键术语并为本文的讨论奠定基础. 我探索人工智能如何改变司法决策的格局, 然后我就前面提到的替换提出我的理由. In 结论，我问我们应该如何应对这种发展.
关键词定义
在继续之前，我将定义一些关键术语: 系统, 模型, 累犯, 量刑, 人工智能, 机器学习. A 系统 是作为一个机制或相互连接的网络的一部分组织在一起的一组结构(O 'Neil, 2016). 我们的司法系统由几个子系统组成, 包括立法制度, 警务系统, 法院系统, 监狱系统, 还有更多. 我们的目标是通过开发正式和非正式的模型来改进与我们交互的系统.
A 模型 是某个过程的抽象表示吗 . . . (它)利用我们所知道的并利用它来预测各种情况下的反应”(奥尼尔，2016)。. 每个人的头脑中都有数百个非正式的模型, 我们用它来导航我们生活中的各种系统. 在工作中，我们有非正式的模式告诉我们如何表现. 我们收集信息, 既针对特定的同事，也针对普遍认可的工作场所行为标准, 是什么决定了我们的职业行为. 我们的模型让生活更轻松. 同样，我们可以使用形式化的数学模型来提高系统的效率. 我在本文中讨论的预测算法是帮助我们更好地预测累犯的形式化数学模型. 目标是改善司法系统.
累犯 指的是当一个人从监狱中释放出来并重新犯罪时(国家司法研究所，n.d.). 这对犯罪学家和法官来说是一个重要的衡量标准, 因为随着时间的推移，它会形成一种令人不安的行为模式. 量刑 指法官宣布对被认定有罪的被告的惩罚(康奈尔法律信息研究所), n.d.).
人工智能 是一个广义的术语，指的是计算机处理和执行模仿人类智能和/或结构化以实现理想理性的任务的能力(bringsord等人., 2018). 当然, 人类的智慧并不是由理想的理性构成的, 所以不同的人工智能技术有不同的目标. Snapchat的“我的人工智能”中的人工智能的目的是模仿人类的书面语言模式, 而法官使用的人工智能技术的目的是理想理性.
机器学习 通常是指发生这种情况的过程(Allen, n.d.). 人工智能技术分析数据，并根据这些数据使用算法预测未来的结果. 它不仅能够处理庞大的数据集，还能从新的经验中学习. 这意味着如果程序接收到新的, 相反的数据, 或者数据显示其预测是错误的, 它会重写自己的算法——因此才有了“学习”(里奇韦), 2013).
方法
这个项目综合了我过去几年所做的研究. 真正的开始是我在2022年春天和尼克·史密斯教授一起上的一门哲学课, 人类的未来——我对人工智能的正式介绍. 我们讨论了人工智能整合的伦理问题，从手机上的自动纠错功能到自动驾驶汽车，从医疗诊断程序到太空探索.
后来我选修了史密斯教授的另一门课, 法律与正义导论, 我的研究课题才真正成为焦点. 我申请了 冲浪 研究法官如何使用预测算法来决定他们的量刑. 我的项目是哲学研究. 我需要熟悉司法决策和人工智能统计编程的情况, 但我真正的研究问题是一个道德问题:我们应该允许法官使用人工智能吗?
我整个夏天都在学习 法官如何做出量刑决定, 如何使用犯罪学统计数据, 以及人工智能如何改变这一过程. 我读过整期的杂志，比如 法官的杂志, 犯罪学 & 公共政策，和 《澳门葡京网赌游戏》. 我也读过 数学毁灭武器 数据科学家凯西·奥尼尔 监狱过时了吗?? 作者:Angela Y. 戴维斯, 富人越富，穷人越入狱 杰弗里·雷曼和保罗·莱顿著. 从夏天到秋天，我整理了一份文件，记录了我读过的所有东西.
然而, 许多哲学研究都是通过苏格拉底式辩论来完成的。苏格拉底式辩论是一种论证方法，在这种方法中，只有两个人试图通过提问和回答问题来更好地理解一个主题. 这通常采取相当严格的辩论形式, 但我们的目标不是“赢”，而是更好地理解. So, 我和我的导师(以及任何愿意谈论这个问题的人)讨论过，我们是否应该在法庭上使用如此强大的技术.
随着时间的推移, 在我看来，不管我们是否赞同使用它, 人工智能将继续融入我们的司法系统. 事实上, 我读得越多，讨论得越多, 在我看来，未来几年我们就越有可能开始减少人类法官的作用，因为我们将判决等任务交给人工智能机器. 因此, 我的项目从一个我们是否应该允许法官使用人工智能的问题演变成了我们应该如何应对这项技术开始接管这项工作的前景. 冲浪的结果是一篇完整的哲学研究论文，我在其中解释了我的发现以及我认为这些信息的含义. 我在本文中总结了那篇论文的关键.
司法审议与人工智能
无论是通过法庭案件还是通过认罪协议(约翰逊), 2023), 一旦一个人被定罪, 法官判决监禁. 这是一个微妙而复杂的过程. 法官从许多来源获得信息:国会规定的强制性最低限额和最高限额, 美国量刑委员会制定的量刑准则, 还有现场报告，受害人的口供, 被告, 和律师(美国检察官办公室), n.d.). 法官也可以考虑减刑因素, 比如被告的犯罪记录, 他们是否表达悔恨, 犯罪的性质, 精神健康史, 以及更多(联邦检察官办公室), n.d.). 接下来是一系列复杂的具体法律指导方针, 训练有素的法律推理, 以及对被告性格和性格的主观评价.
使用这种性格评估的目的是预测再犯的可能性. 我们应该在这里暂停一下，注意到用对未来行为的预测来告知现在的惩罚是多么奇怪的一种做法. 从表面上看, 用对某人未来行为的预测来决定现在的惩罚似乎在道德上是错误的. 常识告诉我们，惩罚应该与所犯的罪行相关联, 不是预期的犯罪. 但同时，当法官被置于保护公众安全的位置时，这似乎是一件显而易见的事情. 我们希望能够区分一个人是出于自卫而杀人，并为此感到困扰，另一个人是因为对这种感觉感兴趣而杀人，没有任何悔意. 问题的核心是我们是否认为罪犯会继续犯下同样的罪行, 或者类似的东西, 再一次。. So, 虽然这似乎是一种道德和逻辑上有问题的做法, 这是量刑过程中非常实际的一部分.
那么，人工智能呢? 我们应该考虑可以通过技术提高的两个性能指标:速度和准确性. 相对而言, 人类在回顾案件历史和撰写司法判决方面并不是特别有效率. 这是一个耗时的过程, 需要大量的阅读, 分析, 还有写作——即使是最优秀的人类专家. 这就是为什么法官要有书记员. 人工智能, 另一方面, 在分析海量数据集方面非常高效(Lederer, 2020). 通过人工智能提供预测编码, 法官只需输入案件的相关数据点，算法就会根据该案件的所有相关特征以及美国审理过的所有类似案件，提供累犯的统计可能性. 这项技术还可以解释量刑规则和指导方针, 提出量刑建议, 并提供一份书面解释，说明它是如何决定判决的. 这可以在几分钟内完成，而不是花费几周到几个月的时间来做出决定. 当然, 人们对ChatGPT等人工智能程序捏造病例历史非常关注(博汉农), 2023), 但这是通往十年前难以理解的效率的道路上的一个减速带.
在预测精度方面, 几十年前，法官开始使用统计程序来指导他们的审议. 在这些旧的统计程序中, 许多变量，如年龄或教育水平, 会互相竞争吗, 它们和再犯率之间的关系会被用来制作一个图表, 显示出最有可能再犯的范围(伯克) & 布莱西,2013). 法官可以用他们认为最相关的数据点创建许多不同的图表，并用它们来指导他们的决定. 这不会提供像风险评分那样明确的东西, 但法官可能会了解哪些变量关系提供了最有意义的见解，并在他们的非正式心智模型中更重地权衡这些图表. 这是法官的非正式模式随着经验的增加而变得更加强大的一个例子.
然而, 随着我们技术的进步, 科学家开发了能够处理更复杂变量的预测程序. So, 而旧的程序可能会根据两个变量之间的关系提供一系列带有预测犯罪阈值的图表, 新的程序能够提供一个单一的, 具有所有相关变量的复图(伯克 & 布莱西,2013). 这在统计上很重要, because a 被告’s data points do not interact in isolation; rather, 它们是所有数据点的合成. 拥有能够适应这种复杂性的技术是非常有帮助的——特别是当它还可以提供快速的, 明确的答案，比如累犯风险评分.
图像通过 iStockphoto.com
除了在法官已经使用多年的技术上有了相当大的改进之外, 人工智能解决了法官在对被告进行性格评估时的印象性问题(理查兹), 2016). 有人认为，无论法官受过多少严格的法律训练, 要去除这样一种隐性偏见是不可能的. 与此同时，人类似乎并不擅长预测他人未来的行为, 包括累犯. 在一项研究中(Dressel) & 法,2018), 随机选择的人类受试者和人工智能系统, 节奏, 每个人都得到了20个旧法庭案件的信息，并被要求预测被告出狱后是否会再次犯罪. 指南针——它代表 替代性制裁的惩教罪犯管理分析——通过权衡137项问卷的答案来预测再犯的可能性, 2018). 这份问卷询问年龄之类的问题, 犯罪史, 教育程度, 帮派关系, 经济地位, 无聊程度, 和愤怒问题(勇), 2018). 800名参与者的平均准确率为66.而节奏的准确率为65% (Dressel & 法,2018).
这两种结果都不能激发人们的信心, 假设随机猜测应该产生大约50%的准确率, 但我认为，这项研究的结论应该是，在2018年，这项技术已经和许多非专业人士的非正式模型一样有效. 关键的区别在于，节奏的算法每天都会得到更多的数据，只要我们允许，它就会不断修改算法, 而参与这项研究的人类则不会. 人类继续修改他们的非正式模型，直到它们看起来足够好，可以在他们工作的任何系统中为他们服务(O 'Neil), 2016). 当该人员退休或不再参与该系统时，所做的任何有价值的改进都会被抹去. 像节奏这样的项目就没有这个障碍. 它可以继续无限制地改善, 它的收益不会因退休或死亡而消失, 而且只会越来越快(埃普斯) & 沃伦,2020).
但, 有人可能会指出, that study was done with people who were r和omly selected; don’t judges significantly improve in 他们的 ability to assess character through 他们的 training? 有可能，但很难说有多少(里奇韦，2013). 几乎可以肯定的是, 通过培训, 人类将发展出更复杂的心理模型来预测行为，但复杂性的增加并不一定意味着准确性的提高.
让我们给予, 虽然, 法律实践中的严格训练大大提高了人们预测未来犯罪行为的能力. 问题就变成了:在AI发展的哪个阶段，我们会认为其卓越的准确性是我们无法忽视的? 它能, 在某一点上, 变得不负责任让人做出性格评价? 这个点的准确率是86%吗? 是90%吗??
我们似乎把性格评估看作是人类独有的努力——在这种情况下是经过高度训练的. 但事实并非如此:数据会告诉我们想知道的. 随着数据科学家继续训练他们的模型, 他们能够创建更强大的新程序，因此学得更快.
通过观察另一个被人工智能整合深刻改变的行业——营销，可能会更好地显示这种情况的实际影响 在社交媒体和大数据时代(O 'Neil, 2016). 社交媒体公司积累了大量澳门葡京网赌游戏用户的数据，并将这些信息出售给零售公司，零售公司将这些信息输入人工智能程序，以预测用户可能会购买什么. 你有没有想过(甚至没有告诉任何人)!)购买产品，几小时后才在Instagram上收到该特定产品的广告? This is not because ad agencies can read your mind; it’s because your data tells these machines information about you that allows them to predict what you are likely to want. 这可以做到非常准确，有时它 似乎 就像他们能读懂你的思想一样(奥尼尔，2016). 这描绘了一幅澳门葡京网赌游戏我们数据本质的关键画面. 它讲述了一个如此完整的故事，让人感觉这台机器正在读懂我们的思想. 如果我们能准确地预测谁是危险的罪犯，就像我们在读书一样 他们的 思想?
司法量刑中人类替代的威胁
当电脑在某人的工作中比别人更有效率时，我们该怎么办 他们是? 我们替换它们! 在我的研究中，这是我关注的模式. 随着我们技术的进步，我们改进了我们的模型，从而使我们的系统更有效率. 这样我们就能减少人类的工作量，因为他们根本没有我们创造的技术效率高(科赫哈), 2023). 我们经常这样做，因为这样更便宜. 我认为这种模式也会延伸到我们法官的工作中.
事实上, 就在2011年，新罕布什尔州还削减了法官和办事员的数量(金), 2020). In 2010, 新罕布什尔州正面临着预算危机, 哪一个, 在其他整合中, 引入了重组计划和电子申报程序. 这些变化使法院系统能够以更少的工作人员运行，并允许律师和自行代表的诉讼当事人在网上提交动议，而不是在法院的书员那里, 2020). 有了这些变化, 新罕布什尔州将其职员人数从118人减少到18人(现在是16人):“在痛苦的短短几周内, 我们的员工从118到52人减少到18人 . . . 近2美元.第一年是100万美元, 未调整薪金及福利增加, 前9年的收入接近1900万美元”(King, 2020). 前十年巡回法院的法官数量也有所减少, 由40名全职及29名兼职法官增至34名全职及8名兼职法官, 2020). 杂志上的文章 《澳门葡京网赌游戏》 一份概述这一过程的报告显示，这项改革在实施后的头九年里为新罕布什尔州纳税人节省了5500万美元, 2020).
结论
我认为，随着技术的进步，同样的成本效益分析将再次出现，这些程序将成为替代办事员和加快法院工作速度的可行选择. 我们是否应该减少法官的工作范围, 把办事员完全裁掉, 用更快的速度代替它们, 更便宜的, equally-or-more准确, 理想情况下少一些偏差, 不断改进的人工智能统计程序? 根据我的计算，我相信我们每年可以节省数百万纳税人的钱.
目前，技术还没有达到比人类更准确的程度. 但我相信这一天终将到来. 所有的比较，我的主题吸引了电影，如 少数派报告 和 我,机器人, 我们取代人类法官的动力不是机器人接管世界，而是常规的预算削减.
我们的刑事司法系统的结构已经成熟，可以进行人工智能的整合, 我们的资本主义社会是一个奖励成本效率的社会. 因此, 我认为，在现有的司法系统下，人类法官很有可能被取代，而且我相信，随着技术的不断进步，这种可能性会越来越大. 这篇研究文章旨在公正地对待人工智能融入我们的司法审议过程的许多可能的好处，以及这项技术带来积极变化的巨大潜力. 但是尽管有这些好处, 我的研究让我相信，我们需要阻止这种发展的进一步发展——至少在我们对刑事司法系统做出一些重大改变之前. 我认为最重要的是，我们要非常仔细地考虑我们的下一步行动. 如果我们做不到这一点，对我们的社区来说，后果可能是可怕的.
有这么多人使我的项目成为可能. 第一个, 尼克·史密斯教授, 谢谢你做我的学术顾问, 我的几次URC顾问, 我的冲浪顾问, 我的毕业论文指导老师, 也感谢你在我申请法学院的过程中给了我指导. 从我们第一次见面起你就一直指导我. 我还要感谢联合国大学哲学系的全体教员. 我无法形容你们对我生活的影响. 我要感谢布朗先生. Dana Hamel和Mrs. 伊丽莎白·伦特·诺尔斯，她资助了我的暑期本科生研究奖学金 通过哈默尔本科生研究中心. 像这样的研究机会是使联合国大学如此杰出的原因之一! 最后，我还要感谢我的家人. 我的父母, Charles Newcomb 和 Cathy Duffy; my gr和father, James Duffy; my brother, Lachlan Newcomb; 和 my fiancée, 莉娜·贝丝·施奈德. 如果我要充分描述这项工作是多么依赖于他们的支持, 它将成为自己的报纸.
作品的引用
艾伦,我.C. (2020). 我们法律体系中的人工智能. 《澳门葡京网赌游戏》., 59(1), 1–39. http://heinonline.org/HOL/L和ingPage?处理=嗯.期刊/ judgej59&div = 4&id=&页面=
伯克,R. A., & 布莱西J. (2013). 预测犯罪行为的统计程序. 犯罪学 & 公共政策 12 (3) 513–44. http://doi.org/10.1111/1745-9133.12047.
Bringsjord,年代.戈文达拉祖鲁，n.n. S.Banerjee, S., & 无角的J. (2017). 机器学习机器会学习吗? 人工智能哲学与理论, 2017, 136-157. http://doi.org/10.1007/978-3-319-96448-5_14
Bohannon, M. (2023). 律师在法庭上使用聊天——并引用假案例. 法官正在考虑制裁. 《澳门葡京网赌游戏》. .http://www.《澳门葡京网赌游戏》.com/sites/mollybohannon/2023/06/08/法律yer-used-chatg..。.
康奈尔法律信息研究所. (n.d.)“量刑.” 法律信息研究所. http://www.Farid律.康奈尔Colleges.edu/wex/Sentencing.
戴维斯. Y. (2003). 监狱过时了吗?? 七层出版社.
Dressel J. & 法理德H. (2018). 预测累犯的准确性、公平性和局限性. 科学的进步. http://doi.org/10.1126/sciadv.aao5580
艾普,W. & 沃伦,我. M. (2020). 人工智能:现在被部署在法律领域. 法官的杂志, 59(1), 16-19.
约翰逊,C. (2023)一份新的报告发现，绝大多数刑事案件以辩诉交易告终. 美国国家公共电台. http://www.NPR.org/2023/02/22/1158356619/plea-bargains-criminal-cases-justice#:~:text=In%20any%20given%20year%2C%2098, andfrom%20the%20American%20Bar%20Association.
国王,维. (2020). 9年后的巡回法庭. NH商业评论. http://www.nhbr.com/the-circuit-court-after-9-years/.
Kochhar R. (2023)哪个美国.S. 员工在工作中更容易接触到人工智能? 皮尤研究中心的社会 & 人口趋势计划. http://www.pewresearch.org/social-trends/2023/07/26/which-u-s-workers-are-more-exposed-to-ai-on-their-jobs/.
莱德尔,F. I. (2020). 这里有龙，可能是法官与人工智能生态系统的互动. 法官的杂志, 59(1), 12-15.
国家司法研究所. (n.d.)“累犯.“国家司法研究所. http://nij.ojp.gov/topics/corrections/Recidivism.
Nikolskaia K., & V. Naumov. (2020). 法律中的人工智能. 2020工业工程与现代技术国际多学科会议(FarEastCon). http://doi.org/10.1109/fareastcon50210.2020.9271095.
奥尼尔,C. (2016). 数学毁灭武器:大数据如何加剧不平等并威胁民主. 企鹅出版社.
联邦检察官办公室. (2023)辩诉交易. 美国司法部. http://www.justice.gov/usao/justice-101/pleabargaining.
联邦检察官办公室. (2023). 量刑. 美国司法部. http://www.justice.gov / usao /justice- 101 /Sentencing.
Reiman J. & 雷顿,P. (2020). 富人越富，穷人越入狱. 劳特利奇.
理查兹,D. (2016). 当法官有预感:司法决策的直觉与经验. ARSP:法律哲学与社会哲学档案, 102(2), 245–260. http://www.jstor.org/stable/24756844
山脊路,G. (2013). 预测与预防相结合. 犯罪学 & 《澳门葡京网赌游戏》第12期(3), 545-550.
山脊路,G. (2013). 预测的陷阱. 国家司法研究所. http://nij.ojp.gov/topics/articles/pitfalls-prediction.
威斯康辛矫正部. (n.d.). 节奏. 威斯康辛州 惩教署. http://doc.wi.gov/Pages/AboutDOC/COMPAS.aspx.
徐,Z. (2021). 人工智能时代的人类法官:挑战与机遇. 应用人工智能 36 (1). http://doi.org/10.1080/08839514.2021.2013652.
勇,E. (2018). 一个流行的算法在预测犯罪方面并不比随机的人好. 大西洋. http://www.The Atlantic.com/technology/archive/2018/01/equivant-compas-algorithm/550646/.
作者和导师简介
基兰纽科姆 将于2024年5月毕业，获得法律和政治哲学文学学士学位. 他的研究项目探索了人工智能(AI)的兴起及其在法律领域发挥重要作用的潜力，并获得了由UNH哈默尔本科生研究中心资助的暑期本科生研究奖学金(冲浪). 来自布鲁克林, 纽约, 基兰搬到了曼彻斯特, 他在新罕布什尔州的曼彻斯特社区学院开始了他的教育. 基兰在获得大学荣誉项目的试用期后成为了一名野猫队队员, 他很喜欢! 基兰的研究问题的灵感来自于他和尼克·史密斯教授上的两门哲学课程，后者后来成为他的研究顾问. 通过基兰的研究，他能够更多地了解法院系统，并积极运用他的教育，像哲学家一样思考. 尽管坚持一个有趣的研究方向是有挑战的, 基兰希望这次冲浪项目的经历是他毕业后旅程的第一块垫脚石. 他计划今年秋天进入康奈尔大学法学院学习.
Dr. 尼克史密斯 J.D./Ph.D.他是一名哲学教授，自2002年以来一直在澳门葡京网赌游戏任教. 他是p。曾任纽约一家大型律师事务所的诉讼律师和美国第三巡回上诉法院的司法书记员, 他就法律问题进行教学和写作, 政治, 和社会. Dr. 史密斯发表了 我错了:道歉的意义 在2008年和 通过道歉实现正义:悔恨、改革和惩罚 2014年(剑桥大学出版社出版). 他接受了许多主要新闻媒体的采访或露面，包括《澳门葡京网赌游戏》 纽约时报, 美国国家公共电台新闻，华尔街日报报道 和 英国广播公司除其他外. 自从基兰第一次接触奥巴马博士之后，他就和基兰一起上了几堂课，之后他开始指导作者做这个项目. 史密斯的人类未来课程. 他曾指导过几位本科生研究人员 调查 作者. Dr. 史密斯形容基兰是一个杰出的、鼓舞人心的学生, “这是一个前沿话题，我们正在不断相互学习. 我经常把基兰的研究材料带到我现在的课堂上.”
版权所有2024©基兰纽科姆
