随着人工智能进入法庭，关于带有隐藏偏见的判刑算法的文章已经很多。丹尼尔L。图卢兹经济学院和图卢兹大学法学院的研究员陈有一个不同的想法：使用人工智能来帮助纠正人类法官的偏颇决定。

同时拥有法律学位和经济学博士学位的陈，多年来一直在收集法官和美国**的数据。”有一件事特别困扰着我，那就是如何理解我们发现的所有行为偏差，”他说。例如，在做决定时，人类的偏见会使天平倾斜。在一份新的工作报告中，陈提出了一项建议，即如何将大型数据集与人工智能相结合，帮助预测法官的判决，并帮助我们推动法官做出更公平的判决。

Verge向***讲述了影响司法偏见和人工智能未来的诸多因素。

为了清晰起见，本次访谈已稍加编辑。

众所周知，法官的判决往往受到与案件无关的因素的影响。也就是说，你能给我一些这方面研究的具体例子吗？

当然一个公开的发现是赌徒的谬论。如果我是一名指派法官，并且我连续多次指派庇护，我可能会担心我变得太宽容了。然后我积极尝试自动更正。所以下次，我会拒绝庇护。这是一个无关的影响，因为我对前一个案件的裁决错误地影响了对当前案件的裁决。另一个发现是，在巡回法庭上，你可以看到在总统选举周期中行为的变化。当选举季节来临时，他们开始产生更多的分歧，并按照党派路线投票。

我们有一篇关于早期可预测性的论文，我们使用机器学习来预测法官在庇护案件中的决定。事实证明，我们可以很好地预测法官在案件开审前将如何裁决，只需使用法官身份和寻求庇护者国籍的信息。这就提出了一个问题：为什么法官在观察事实之前这么早就可以预测？一种解释是，也许法官们在判决一个案件时更多地采用了仓促判断和试探法，而不是事实。

正确的。所以你的想法是，如果我们能够发现哪些法官倾向于“可预测”——这意味着他们可能更依赖于仓促的判断——我们可以提醒他们这一事实，并建议他们更仔细地考虑？

对当法官诉诸于不受法律相关因素影响的突然判决时，这可能是一种注意的方式。然后我们可以提出类似的建议，“你能在这个案子上多花几个小时或几天时间吗？根据你过去所做的，你倾向于在这个方向上有一点偏向。”

在早期的可预测性研究中，您只使用了关于法官身份和国籍的有限信息。更广泛地说，你建议我们可以使用其他数据集，结合人工智能，来检测外部因素可以预测司法判决的情况。这是怎么回事？

我希望有一个关于法官判决历史和所有潜在的上下文无关因素的大数据集。然后你可以分析数据，看看哪些因素，相关的和不相关的，可能会影响法官的决定。一个大的数据集可以帮助我们说，在这些特定的情况下，法官更有可能受到特定方向的影响。

我们需要考虑哪些类型的外部因素？

我们从心理经济学和政治学中学到了很多东西——从情绪到天气。例如，有一篇文章说路易斯安那州的足球失利会影响法官的判刑。其他人则关注温度如何影响分配决策。我们有一份文件显示，法官对被告的生日往往更为宽大。因此，我们可以尝试获取所有这些数据并将其组合在一起。这将是一个起点。

一旦看起来可能存在偏见，你会怎么做？一个建议是推动更仔细地考虑。在论文中，你还提到了一个可能的培训计划？

让人们知道他们受到偏见的影响有助于减少偏见。也许给法官更多的培训会有所帮助。我不是要向他们展示一连串的偏见，这可能很难跟踪，而是要提供一个理论框架来理解许多不同的现象以及我们受到影响的所有方式和原因。

关于人工智能的法律和判决目前存在一些争议。你认为这会发生什么变化？

越来越多的人在法庭上使用自然语言处理、人工智能和大数据等工具。这是一个很有前途的研究领域，我很想看看它是如何转化为政策的。

当然，人们对算法如何改善决策有很大的兴趣。我也一直在思考人们如何以及为什么对预测和机器辅助判断的想法如此抗拒。我认为这与人们喜欢认为我们是独一无二的这一事实有点关联，因此，以这种方式与他人进行比较并不能完全认可我的个性和尊严。一方面，人们可能只是习惯于大数据帮助法官做出决定。另一方面，我是个人，所以不要把我当作另一个数据点。

当然，所有这些都取决于人们通常关心的预测有多好。你的预测可以基于有偏见的数据，仔细考虑它如何影响你的结果是很重要的。尽管如此，这仍然是一种平衡行为。即使它是基于有偏见的数据，如果你有偏见的人正在做决定，也许稍微有偏见的预测仍然稍微公平一些。