美国人工智能预测判案结果准确率超70%

《科学》官网近日报道了一个令人瞩目的成果。美国伊利诺伊理工大学的科学家们利用机器学习统计模型，对过去近两个世纪的美国最高法院的判决进行了预测。这个被称为“随机森林”的模型展现了惊人的预测能力，准确率高达70%以上，甚至超越了知识渊博的法律专家。

其实，利用计算机算法预测法官行为早已不是新鲜事。早在2011年，西班牙的学者就已经使用历史数据预测法官投票行为，准确率达到了83%。而美国的学者也在过去的研究中，使用特定时间段内法院的工作数据预测判决结果，准确率也有75%。伊利诺伊大学理工学院的丹尼尔·卡茨教授和他的团队，却在这场预测比赛中取得了突破性的进展。

卡茨教授和他的团队深入挖掘了最高法院数据库，为每个投票标注了多达16个特征。这些特征涵盖了法官的任期、诉讼发起法庭、口头辩论是否被听到等各个方面。基于这些特征，他们创建了一种先进的算法模型。这个模型不仅学习了从1816年到2015年最高法院案例特征与裁决结果之间的关联，还能按照年份研究每个案例的特征并预测裁决结果。更值得一提的是，这个模型可以根据实际信息不断调整预测策略，继续进行下一年的预测。

结果显示，这个新模型算法的预测能力惊人。对于大量的判决结果和法官投票，新模型的预测准确率分别达到了70.2%和71.9%。这一研究成果已经发表在权威的学术期刊《公共科学图书馆·综合》上。