Tecnología

Este algoritmo de machine learning detecta si un acusado podría fugarse

machine-learning-detecta-acusados-riesgo-fuga-carcel
Escrito por Lara Olmo

El creciente interés por aplicar el machine learning para mejorar las decisiones judiciales penales ha derivado en un algoritmo capaz de detectar qué acusado tiene riesgo de fugarse o si por el contrario no necesita prisión preventiva.

Pese a que la prisión preventiva es una medida excepcional, la justicia española y de otros países tiende a aplicarla con bastante frecuencia. Uno de los requisitos que se tienen en cuenta a la hora de fijarle a un acusado prisión preventiva es, entre otros, si existe riesgo de fuga.

Es precisamente ese factor el que provoca que muchos sean encarcelados a la espera de juicio, aunque al final sean absueltos, y que otros en cambio se vayan a casa y durante ese periodo reincidan o cometan otro tipo de delitos.

Estas decisiones las toman los jueces, que al final y al cabo son humanos, y pueden equivocarse, puesto que hablamos de predecir hechos que aún no han ocurrido. De ahí los beneficios potenciales de emplear el machine learning dentro del sistema judicial penal.

Es lo que se han propuesto en Estados Unidos, donde un equipo de economistas e informáticos entrenaron un algoritmo para predecir si los acusados mostraban riesgo de fuga, analizando sus historiales penales y registros judiciales con datos de cientos de miles de casos de la ciudad de Nueva York.

¿El resultado? que el índice de acierto fue superior al de los jueces a la hora de adivinar qué harán los acusados después de ser liberados.

Los responsables calculan que para la ciudad de Nueva York (EEUU), estos algoritmos podrían reducir un 25% los crímenes perpetrados por acusados a la espera de juicio. Pero es que además también reduciría la prisión preventiva en un 40% y sin influir en la tasa de criminalidad de los acusados.

Repitieron el experimento con datos de 40 grandes condados urbanos de EEUU y produjo resultados similares.

¿Identificar a futuros criminales cuando sólo son unos niños?

La ventaja de este algoritmo frente a otros que se han empleado anteriormente es que se ciñe a datos relativos al historial penal y al delito en cuestión, y no tiene en cuenta otros criterios como la raza. Esto es importante, ya que otros algoritmos judiciales han errado en sus resultados, clasificando de “alto riesgo” a acusados afroamericanos o hispanos.

Desde el Laboratior de Criminología de la Universidad de Chicago avisan de que las conclusiones injustas no son inevitables (como ocurre con los jueces), pero que este sistema puede ser un complemento perfecto, al darles sencillas advertencias sobre las decisiones que considerable pueden ser erróneas.

Vía | MIT Technology Review

Sobre el autor de este artículo

Lara Olmo

Periodista 2.0 con inquietudes marketeras. Innovación, redes sociales, tecnología y marcas desde una perspectiva millenial. Vinculada al mundo startup. Te lo cuento por escrito, en vídeo, con gráficos o como haga falta.