|
精读 AI can predict which criminals may break laws again better than humans 一 文章大意 科学家针对服刑犯人在假释或释放后，会否再次犯罪进行评测。通过人类志愿者和电脑算法分别进行预测，并对预测准确性进行了分析。发现人类在没有反馈和信息背景情况下，准确性不及电脑算法。 二 段落总结 - 一项新的研究发现，电脑算法在预测哪些罪犯将再次被捕时可以胜过人类。
- 预测未来犯罪的风险评估算法因表现出种族偏见而遭受质疑。
- 这项新研究是关于人类如何预测再次犯罪中准确性与信息反馈之间的联系。
- 该研究结果表明，在现实的预测条件下，计算机算法在预测累犯性方面不及人类。
- 研究表明，在给出足够的罪犯信息之后，人类预测再次犯罪率的准确性可以和算法媲美。
- 在另一项实验版本发现，电脑算法在没有给出重犯反馈和背景信息的罪犯预测上具有优势。
- 在没有反馈的情况下，人类预测的准确度下降到60%。
- 在第三次变量实验中，如果给出更详细的犯罪概况，则风险评估算法将占上风。
- 当显示犯罪概况仅包含一些风险因素时，人类志愿者的表现与LSI-R相当。 但是当显示更多详细的犯罪描述时，LSI-R胜了。
- 伯克利大学教授肯定了以上实验结果。
- 即使有80%的准确性，但也代表了20%的容错率。因此人类和算法的预测数据作为判断罪犯是否假释的判断仍然是不合适的。
三 生词摘录 outperform (效益上) 超过，胜过 parole 假释; 有条件的释放; 言语 pitted 表面有小点(或小洞)的; 坑坑洼洼的; 去核的; recidivism 惯犯; 但累犯; 再犯 mimick 模仿，摹拟 incarcerated 监禁; 关押; 禁闭 四 句子摘抄 But these systems have come under fire for exhibiting racial biases , and some research has given reason to doubt that algorithms are any better at predicting arrests than humans are. That’s because people overestimated the risk of criminals committing violent crimes, despite being told that only 11 percent of the criminals in the dataset fell into this camp 五 用时记录 阅读10min 总结22.3min 共计33min
| 
京公网安备11010202008513号 京ICP证101109号 京ICP备12012021号
发表于 2020-7-23 22:25:37
