Nyhed. Risici scores, genereret af algoritmer, begynder at blive almindeligt brugt ved strafudmåling i USA. Computere analyserer data som arrestationer, kriminalitet og demografiske data og genererer en risiko-rating. Ideen er at skabe et værktøj, der er mindre tilbøjeligt til at være forudtaget baseret på en dommers humør eller andre menneskelige svagheder. Lignende værktøjer bruges af politiet til at vurdere, hvilke områder af byerne de skal patruljere mest, hvor de skal placere indsatte i fængsler og hvem der kan blive prøveløsladt.
Artiklen i Bloomberg handler om Richard Berk, som er professor i statistik på University of Pennsylvania. Han begyndte i 2006 at arbejde for Philadelphia’s afdeling for prøveløsladelser. Dengang havde byen et højt antal mord og et lavt budget. Der var mange mennesker i kriminalforsorgens prøveløsladelsesprogram. Byen ønskede at vide, hvem de skulle bruge mest krudt på at holde øje med. Berk og et mindre hold af medarbejdere udviklede en model, der kunne identificere hvem, der var mest tilbøjeligt til at begå et nyt mord eller forsøge på det, mens de var prøveløsladte.
Siden har Berk udviklet lignende programmer i Maryland og Pennsylvania. I sidstnævnte stat har en analyse vist, at mellem 2011 og 2014 fik 15% af dem, der blev vurderet klar til prøveløsladelse en anden afgørelse baseret på disse risko scores. Af dem, som så blev prøveløsladt eller løsladt i den periode var betydeligt mindre tilbøjelige til at blive arresteret igen. Konklusionen: Berks software hjælper staten med a træffe smartere afgørelser.
I dag arbejder Berk blandt andet med den norske stat, som ligesom Danmark, har indsamlet store mængder af information om deres borgere, som alle har et identifikationsnummer. Berk ønsker at udvikle en model, hvor man kan forudse, hvorvidt en nyfødt vil have begået kriminalitet før sit 18 baseret på data som miljø og forældres status.
