Amerikaanse gevangenissen en gevangenissen bevatten momenteel meer dan 2 miljoen mensen - velen van hen zitten gevangen in afwachting van hun proces of zitten extreem lange gevangenisstraffen uit. Nieuw onderzoek door professor Christopher Slobogin, die een Milton R. Underwood-leerstoel in de rechten heeft aan de Vanderbilt Law School, geeft aan dat een algoritme voor risicovoorspelling zou kunnen helpen die aantallen te verminderen.

"We hebben een enorm opsluitingsprobleem in dit land, maar geen van de huidige oplossingen werkt, " zei hij. "We kunnen algoritmen gebruiken om erachter te komen wie een gevaar vormt voor de gemeenschap als ze worden vrijgelaten."

In de Verenigde Staten wordt momenteel 0,6 procent van de bevolking gevangengezet, een percentage dat zes keer hoger is dan in Europese landen.

"Onderzoek toont aan dat maatregelen als decriminalisering en afschaffing van verplichte minimumstraffen nauwelijks een deuk hebben in het opsluitingspercentage, " zei Slobogin. "Dat gezegd hebbende, het publiek zal geen hervorming kopen tenzij je hen kunt verzekeren van hun veiligheid."

Een ideaal algoritme zou de waarschijnlijkheid aangeven dat een bepaald individu een ernstig misdrijf zou plegen gedurende een bepaalde periode, zonder een bepaalde interventie.

In nieuw gepubliceerd onderzoek Slobogin legde uit dat door beslissingen over strafrechtelijke straffen transparanter te maken, algoritmen zouden een langverwachte heronderzoek van de doeleinden en doelen van het strafrechtsysteem kunnen afdwingen. Hij stelt dat algoritmen voor risicobeoordeling:

• helpen bij het verminderen van de voorlopige hechtenis (de kans dat iemand een misdaad begaat terwijl hij op borgtocht is, is 8 procent) en de lengte van gevangenisstraffen zonder het risico voor het publiek te vergroten – een bijzonder belangrijk doel aangezien COVID-19 zich via strafinrichtingen verspreidt,
• buitensporig bestraffende borgtocht en veroordeling verzachten, die onevenredig veel mensen met een laag inkomen en gekleurde mensen treffen,
• correctiemiddelen efficiënter en consistenter toewijzen,
• de springplank vormen voor empirisch onderbouwde rehabilitatieprogramma's gericht op het terugdringen van recidive door de kandidaten die het meest kans van slagen hebben uit de gevangenis te halen.

Berekende risico's

Het gebruik van algoritmen om het lot van een mensenleven te bepalen is controversieel. Critici beweren dat algoritmen niet effectief zijn in het identificeren van wie zal beledigen en wie zal reageren op rehabilitatie-inspanningen. Critici beweren ook dat algoritmen raciaal vooringenomen kunnen zijn, mensonterend en in strijd met de beginselen van het strafrecht.

Slobogin zei dat hoewel de kritiek gegrond is, de huidige methoden om risico's te voorspellen, kunnen slechter zijn. "Algoritmen structureren de analyse in ieder geval op een consistente manier."

Ongestructureerde besluitvorming door rechters, reclasseringswerkers en professionals in de geestelijke gezondheidszorg is aantoonbaar bevooroordeeld en reflexief, hij voegde toe, en vertrouwt vaak op stereotypen en generalisaties die de doelen van het rechtssysteem negeren. Algoritmen kunnen beter, hij zei, al is het maar in beperkte mate, en als ze zijn ontworpen om de invloed van geracialiseerde politie- en vervolgingspraktijken te compenseren.

Als algoritmen worden gevalideerd en proactief worden gebruikt tijdens het vooronderzoek, de meeste mensen die worden gearresteerd "kunnen hun baan behouden, houden hun families intact, en hun advocaat helpen met hun verdediging door te helpen bij het opsporen van getuigen, "Zei Slobogin. "Door algoritmen te gebruiken om de veroordeling te informeren, we kunnen mensen eerder vrijlaten, die hen zou kunnen helpen productief te worden in plaats van weg te kwijnen in de gevangenis, waar ze alle hoop verliezen en leren hoe ze een betere crimineel kunnen zijn."