为什么智能统计数据是打击犯罪的关键
-
0:01 - 0:032007年,我担任了新泽西州的
-
0:03 - 0:05司法部长。
-
0:05 - 0:07在那之前,我曾是一名刑事检察官,
-
0:07 - 0:10先是在曼哈顿地区检查官办公室,
-
0:10 - 0:13后来是在国家司法部。
-
0:13 - 0:15但是在担任司法部长之后,
-
0:15 - 0:19发生了两件事让我改变了对刑事司法的看法
-
0:19 - 0:21第一个是我提出我所认为的
-
0:21 - 0:23很基本的问题。
-
0:23 - 0:26我想要了解我们逮捕的是什么人,
-
0:26 - 0:28我们指控的是什么人,
-
0:28 - 0:30还有我们是将什么样的人关进看守所
-
0:30 - 0:31和监狱。
-
0:31 - 0:33我也想要了解
-
0:33 - 0:34我们所做的决定是否
-
0:34 - 0:37会让民众更加安全。
-
0:37 - 0:40但我无法获取这类信息
-
0:40 - 0:43原来多数大型刑事司法机构
-
0:43 - 0:45就像我工作的地方
-
0:45 - 0:47他们并没有对真正重要的事情进行持续的跟踪调查和记录。
-
0:47 - 0:50所以经历了约一个月的异常沮丧之后,
-
0:50 - 0:52我走进一个会议室
-
0:52 - 0:54满屋都是探员
-
0:54 - 0:57和成堆成堆的案件档案,
-
0:57 - 0:58探员们坐在那里
-
0:58 - 1:00用黄色便笺簿作着笔记。
-
1:00 - 1:02他们试图获取的信息
-
1:02 - 1:03就是我一直在寻找的
-
1:03 - 1:05通过逐个分析
-
1:05 - 1:07过去的五年间的所有案件。
-
1:07 - 1:09你可以想象
-
1:09 - 1:11我们终于得出的结果并不是很理想。
-
1:11 - 1:13原来我们一直在做
-
1:13 - 1:15很多低级的毒品案件
-
1:15 - 1:16就在拐角处的街道上
-
1:16 - 1:19离我们在特伦顿的办公室不远。
-
1:19 - 1:20第二件事是
-
1:20 - 1:24我在卡姆登的新泽西州警察局耗了一天。
-
1:24 - 1:26当时,新泽西州的卡姆登
-
1:26 - 1:28是美国最危险的城市。
-
1:28 - 1:32我跑了一趟卡姆登警察局就是因为这个原因。
-
1:32 - 1:34我在警察局待了一整天,
-
1:34 - 1:37被带到了一个高级警官待的房间,
-
1:37 - 1:39那里所有人都在努力工作
-
1:39 - 1:42并很努力的试图减少卡姆登的犯罪活动
-
1:42 - 1:44在那个房间里,
-
1:44 - 1:46当我们谈到如何减少犯罪,
-
1:46 - 1:50有很多拿着小小的黄色便笺的警官。
-
1:50 - 1:53他们会揭下一张黄色便笺,在上面写点东西
-
1:53 - 1:55然后把它贴在板儿上。
-
1:55 - 1:57其中一个警官说,“我们有一宗劫案发生在两个星期前
-
1:57 - 1:59但没发现疑犯。”
-
1:59 - 2:04另一个说:“上周在这附近发生了一场枪击事件,没发现疑犯”
-
2:04 - 2:06我们未曾使用过数据分析来维持治安。
-
2:06 - 2:08我们基本上在试图
-
2:08 - 2:11用黄色便利签打击犯罪。
-
2:11 - 2:13这两件事让我意识到
-
2:13 - 2:16从根本上说,我们过去一直表现欠佳。
-
2:16 - 2:19我们甚至不知道有谁涉及到刑事犯罪,
-
2:19 - 2:22我们没有相关重要事件的任何数据,
-
2:22 - 2:25我们未曾共享数据,使用分析技术
-
2:25 - 2:27或分析工具,以帮助我们做出更好地判断
-
2:27 - 2:29并减少犯罪。
-
2:29 - 2:31我第一次开始思考
-
2:31 - 2:33我们是如何作出决定的。
-
2:33 - 2:35当我还是助理地方检察官,
-
2:35 - 2:37和联邦检察官的时候,
-
2:37 - 2:38我看着面前的那些案件,
-
2:38 - 2:41我所做出的决定通常是依据我的直觉
-
2:41 - 2:43和我的经验。
-
2:43 - 2:44后来我成为司法部长,
-
2:44 - 2:46我可以全面的观察整个司法系统
-
2:46 - 2:48令人吃惊的是我发现
-
2:48 - 2:50我们的这种做法恰恰适用于
-
2:50 - 2:52整个司法系统 — —
-
2:52 - 2:54警察部门,检察官办公室,
-
2:54 - 2:57法庭和监狱。
-
2:57 - 2:59很快,我了解到
-
2:59 - 3:03我们过去的工作成果并不令人满意。
-
3:03 - 3:05所以我想做些改变。
-
3:05 - 3:07我想将数据、逻辑分析
-
3:07 - 3:09和严格的统计分析
-
3:09 - 3:11纳入到我们的工作。
-
3:11 - 3:14总之,我想在刑事司法上做到点球成金。
-
3:14 - 3:16正如大家所知,点球成金,
-
3:16 - 3:17是奥克兰运动家棒球队的方法,
-
3:17 - 3:19他们使用了智能数据和统计学
-
3:19 - 3:21找出如何挑选球员的办法
-
3:21 - 3:22这将有助于他们赢得比赛,
-
3:22 - 3:25依据一个由棒球侦查员组成的系统
-
3:25 - 3:27他们频繁的观察球员的表现
-
3:27 - 3:29利用他们的直觉和经验,
-
3:29 - 3:31侦查员的直觉和经验,
-
3:31 - 3:32挑选球员,通过使用
-
3:32 - 3:35智能数据和严格的统计分析
-
3:35 - 3:38找出挑选球员的办法,这会帮助他们赢得比赛。
-
3:38 - 3:40奥克兰运动家棒球队就是这样运作的,
-
3:40 - 3:42这对新泽西州也是适用的。
-
3:42 - 3:45我们已经将卡姆登从
-
3:45 - 3:47美国最危险的城市的名单中剔除。
-
3:47 - 3:50我们减少了41%的谋杀率,
-
3:50 - 3:53实际上相当于拯救了37条生命。
-
3:53 - 3:57整个城市的犯罪行为减少了26%。
-
3:57 - 4:00我们也改变了刑事诉讼的工作方式。
-
4:00 - 4:02所以我们从调查低级毒品犯罪案件
-
4:02 - 4:03它们就发生在办公大楼外面
-
4:03 - 4:06转移到调查全州范围内的重要案件,
-
4:06 - 4:09比如减少暴力罪犯的暴力行为,
-
4:09 - 4:11起诉街头帮派,
-
4:11 - 4:14枪支和毒品的不法交易,还有政治腐败。
-
4:14 - 4:17所有这些事项都很重要,
-
4:17 - 4:19因为我认为,保证公共安全
-
4:19 - 4:21是政府最重要的职能。
-
4:21 - 4:24如果人身安全无法保证,我们就不能接受教育,
-
4:24 - 4:25就不能保持身体健康,
-
4:25 - 4:28就不能做生活中想要做的任何事。
-
4:28 - 4:30今天我们生活的国家
-
4:30 - 4:33面临着严重的刑事司法问题。
-
4:33 - 4:36我们每年有1200 万起拘捕行动。
-
4:36 - 4:38绝大多数的拘捕行动
-
4:38 - 4:41是针对低级的犯罪行为,像轻罪,
-
4:41 - 4:43这些占据了70%至80%。
-
4:43 - 4:45不到5%的拘捕行动
-
4:45 - 4:47是针对暴力犯罪。
-
4:47 - 4:49然而,我们每年花费750亿美元,
-
4:49 - 4:50以十亿为单位,
-
4:50 - 4:55作为国家和地方的修正成本。
-
4:55 - 4:57此时此刻,有230万人
-
4:57 - 4:59被监禁在看守所和监狱里。
-
4:59 - 5:02我们在公共安全方面面临着惊人的挑战
-
5:02 - 5:04因为现在的形势是
-
5:04 - 5:07监狱中有三分之二的人
-
5:07 - 5:09在那里等待审判。
-
5:09 - 5:11他们至今还没有被判定有罪。
-
5:11 - 5:13他们一直等着出庭受审,
-
5:13 - 5:17其中有67%的人会重返社会。
-
5:17 - 5:20我们是世界上累犯率最高的国家之一。
-
5:20 - 5:22几乎每释放10个人就有7个
-
5:22 - 5:23将会再次被逮捕
-
5:23 - 5:27这是一个恒定的犯罪和监禁的周期。
-
5:27 - 5:30所以,当我开始在阿诺德基金会工作时,
-
5:30 - 5:33回头看了很多这类问题,
-
5:33 - 5:34重新思考了我们怎样
-
5:34 - 5:37利用数据和分析转变了
-
5:37 - 5:39新泽西州的刑事司法。
-
5:39 - 5:41后来我注意到
-
5:41 - 5:43当今国家的刑事司法系统,
-
5:43 - 5:45我觉得应使用同样的方法
-
5:45 - 5:47即首先在新泽西州使用的那种方法,
-
5:47 - 5:50毫无疑问我们要做得更好,
-
5:50 - 5:52而且我知道我们可以做得更好。
-
5:52 - 5:54所以我决定将重点集中在
-
5:54 - 5:56使用数据和分析
-
5:56 - 5:59以帮助作出最关键的判断
-
5:59 - 6:00在公共安全方面,
-
6:00 - 6:02这一决定是判断
-
6:02 - 6:05已经被逮捕的某个人,
-
6:05 - 6:07是否会对公共安全构成风险
-
6:07 - 6:08而被拘留
-
6:08 - 6:10还是不会对公共安全造成风险
-
6:10 - 6:12应被释放。
-
6:12 - 6:14刑事案件中发生的一切
-
6:14 - 6:16都出自这一决定。
-
6:16 - 6:17它影响了全局。
-
6:17 - 6:19它影响了判刑。
-
6:19 - 6:21它影响到是否有人需要药物治疗。
-
6:21 - 6:23它影响了犯罪和暴力行为。
-
6:23 - 6:25当我同全美众多法官交谈时,
-
6:25 - 6:27我现在无时无刻不在做这件事,
-
6:27 - 6:29他们都说着同样的话,
-
6:29 - 6:32我们把危险的人关进监狱,
-
6:32 - 6:35把没有危险的人、非暴力的人放出去。
-
6:35 - 6:37他们是认真的,他们相信自己所做的。
-
6:37 - 6:39但当你开始查看那些数据,
-
6:39 - 6:42顺便提一句,那些法官没看过,
-
6:42 - 6:43当我们开始查看数据,
-
6:43 - 6:46我们一次又一次的发现,
-
6:46 - 6:48这不是个案。
-
6:48 - 6:49我们发现,
-
6:49 - 6:53占刑事司法总人数的50%的低风险罪犯
-
6:53 - 6:55被关在监狱里。
-
6:55 - 6:58举个例子,莱斯利丘是德克萨斯州人
-
6:58 - 7:01在一个寒冷的冬夜偷了四个毯子。
-
7:01 - 7:03他被拘捕,然后被关进监狱
-
7:03 - 7:05需要三千五百美元保释金,
-
7:05 - 7:08这是一笔他支付不起的金额。
-
7:08 - 7:11他在监狱里呆了八个月
-
7:11 - 7:13直到他的案子开庭,
-
7:13 - 7:17共花了纳税人9,000 多美元税款。
-
7:17 - 7:19在另一个极端,
-
7:19 - 7:21我们所做的工作也同样糟糕,
-
7:21 - 7:23那些我们抓获的
-
7:23 - 7:25高危险罪犯,
-
7:25 - 7:27那些被认为一旦释放会有极高的可能性
-
7:27 - 7:29再次犯罪的人,
-
7:29 - 7:32在全国范围内,其中的50%
-
7:32 - 7:34正在回归社会。
-
7:34 - 7:37是我们做决定的方式导致的这种结果。
-
7:37 - 7:39法官怀着善意
-
7:39 - 7:41做出这些有风险的决定,
-
7:41 - 7:43但,是主观的决定。
-
7:43 - 7:46他们就像20 年前的棒球侦查员
-
7:46 - 7:48他们凭本能和经验
-
7:48 - 7:50试着去判断某个人制造的危险。
-
7:50 - 7:52他们是主观的,
-
7:52 - 7:55我们知道主观决策会导致什么,
-
7:55 - 7:58那就是我们常常犯错。
-
7:58 - 7:59我们需要的是
-
7:59 - 8:02有力的数据和分析。
-
8:02 - 8:03我决定寻找
-
8:03 - 8:06一个有力的数据分析的风险评估工具,
-
8:06 - 8:09这个工具会让法官
-
8:09 - 8:11以科学的客观的方式去了解
-
8:11 - 8:13什么样的风险
-
8:13 - 8:14摆在他们面前。
-
8:14 - 8:16我找遍了全国,
-
8:16 - 8:18发现5%至10%的
-
8:18 - 8:19美国管辖区域
-
8:19 - 8:22实际使用了某些类型的风险评估工具,
-
8:22 - 8:24我查看了这些评估工具之后,
-
8:24 - 8:26很快意识到其中缘由。
-
8:26 - 8:29它们应用起来非常昂贵,
-
8:29 - 8:30非常耗时,
-
8:30 - 8:32它们被限制在地方管辖区域
-
8:32 - 8:34因为它们就出自那里。
-
8:34 - 8:35因此,基本上,它们不能扩展
-
8:35 - 8:38或转移到其他地方。
-
8:38 - 8:40所以我组建了一个出色的团队
-
8:40 - 8:42由数据科学家和研究人员
-
8:42 - 8:43还有统计人员组成
-
8:43 - 8:46建立一个通用的风险评估工具,
-
8:46 - 8:49这样一来,全美的每一个法官
-
8:49 - 8:53都可以做一个客观、科学的风险评估。
-
8:53 - 8:55在这个已经建立的这个工具里,
-
8:55 - 8:58我们收集了150 万个案件
-
8:58 - 8:59来自美国各地,
-
8:59 - 9:01包括城市,县,
-
9:01 - 9:02国内的每个州,
-
9:02 - 9:04联邦区。
-
9:04 - 9:06有了那150 万个案例,
-
9:06 - 9:08这是美国审判前最大的数据库
-
9:08 - 9:10截止到今天,
-
9:10 - 9:12我们基本上能够找到
-
9:12 - 9:15我们可以查看的九百多个危险因素
-
9:15 - 9:18试着找出最重要的问题。
-
9:18 - 9:20我们发现具体有九件事
-
9:20 - 9:22在全国范围内都很重要
-
9:22 - 9:25是可预测的最高风险。
-
9:25 - 9:29于是我们建立了一种通用的风险评估工具。
-
9:29 - 9:31它看起来就像这个。
-
9:31 - 9:33正如你所看到的,我们把一些信息列在上面,
-
9:33 - 9:35但大多数都格外简单,
-
9:35 - 9:37它使用起来很容易,
-
9:37 - 9:40它侧重的方面是被告的前科,
-
9:40 - 9:42他们是否曾被判处监禁,
-
9:42 - 9:44他们是否曾被卷入过暴力事件,
-
9:44 - 9:46他们是否甚至没能回到法庭。
-
9:46 - 9:49使用此工具,我们可以预测三件事。
-
9:49 - 9:51第一,他们是否会再次犯罪
-
9:51 - 9:52如果被释放的话。
-
9:52 - 9:54第二,我第一次觉得,
-
9:54 - 9:56这一点非常重要,
-
9:56 - 9:58我们可以预测他们是否会
-
9:58 - 9:59进行暴力活动,如果被释放的话。
-
9:59 - 10:01法官说这是最重要的一件事
-
10:01 - 10:03当你向他们问话的时候。
-
10:03 - 10:05第三,我们可以预测是否他们
-
10:05 - 10:07会回到法庭。
-
10:07 - 10:10美国的任何一名法官都可以使用它,
-
10:10 - 10:14因为它是由通用的数据库制成的。
-
10:14 - 10:16如果他们使用了这个风险评估工具你就会看到
-
10:16 - 10:19这个--一个评分板。
-
10:19 - 10:21在顶部的,是新的刑事犯罪活动评分,
-
10:21 - 10:23六当然是最高分,
-
10:23 - 10:26然后在中间你可以看到“增长的暴力风险”
-
10:26 - 10:27说的是,这个人
-
10:27 - 10:30进行暴力行为的概率有所升高
-
10:30 - 10:31这是法官应该注意的重点。
-
10:31 - 10:33然后在底部,
-
10:33 - 10:35你看到的是未能出庭的分数,
-
10:35 - 10:36这也是判断
-
10:36 - 10:39此人会回到法庭的可能性。
-
10:39 - 10:41现在我想说些非常重要的事。
-
10:41 - 10:44我不认为应该排除
-
10:44 - 10:46法官的直觉和经验
-
10:46 - 10:48在整个过程中。
-
10:48 - 10:49我不这样想。
-
10:49 - 10:51事实上,我相信我们看到的问题
-
10:51 - 10:54以及系统内出现令人难以置信的错误的原因,
-
10:54 - 10:57也就是我们关押低级、非暴力的人
-
10:57 - 11:00我们释放高风险的、危险的人的原因,
-
11:00 - 11:03是因为我们没有客观的衡量风险。
-
11:03 - 11:04但我相信
-
11:04 - 11:07我们应该将这种数据驱动的风险评估
-
11:07 - 11:10与法官的直觉和经验相结合
-
11:10 - 11:13会使我们做出更好的决策。
-
11:13 - 11:16该评估工具于7月1日在肯塔基州全面推行,
-
11:16 - 11:20我们还要在许多其他美国司法管辖区内推行。
-
11:20 - 11:22我们的目标很简单,就是让全美的每一个法官
-
11:22 - 11:24都能使用这种数据驱动的风险评估工具
-
11:24 - 11:26在未来五年内实现。
-
11:26 - 11:28我们现在正在研究风险工具
-
11:28 - 11:31以便检察官和警官使用,
-
11:31 - 11:34想要把过去50年不变的系统
-
11:34 - 11:37继续运行下去,
-
11:37 - 11:39基于直觉和经验,
-
11:39 - 11:41并把它变成一种运用
-
11:41 - 11:43数据分析的系统。
-
11:43 - 11:45现在,
-
11:45 - 11:47我们仍有大量的工作要做,
-
11:47 - 11:48仍要改变相关文化,
-
11:48 - 11:50但关于这所有一切有个好消息
-
11:50 - 11:52那就是我们知道这很管用。
-
11:52 - 11:54这就是为什么数据成就了谷歌,
-
11:54 - 11:57为什么棒球队会因使用点球成金的方法
-
11:57 - 11:58而打赢比赛。
-
11:58 - 12:00还有一个好消息是
-
12:00 - 12:02我们可以用这种方法转变
-
12:02 - 12:04美国的刑事司法系统。
-
12:04 - 12:07它可以使我们的周边环境更安全,
-
12:07 - 12:09可以减少我们的监狱花销,
-
12:09 - 12:11可以让我们的司法系统更公平
-
12:11 - 12:13更公正。
-
12:13 - 12:15有人说这是数据科学。
-
12:15 - 12:17我称之为点球成金式刑事司法。
-
12:17 - 12:19谢谢。
-
12:19 - 12:23(掌声)
- Title:
- 为什么智能统计数据是打击犯罪的关键
- Speaker:
- 安妮 米尔格拉姆
- Description:
-
当安妮米尔格拉姆2007年出任新泽西州的司法部长之时,很快便发现了某些惊人的事实:她的团队不仅对蹲监狱的人不甚了解,而且也无法确定他们所作的判决是否真正加强了公众安全。因此,她展开了一次鼓舞人心的探索,即将数据分析与统计分析应用到美国刑事司法体系当中。
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 12:41
Tony Yet approved Chinese, Simplified subtitles for Why smart statistics are the key to fighting crime | ||
Tony Yet edited Chinese, Simplified subtitles for Why smart statistics are the key to fighting crime | ||
Tony Yet edited Chinese, Simplified subtitles for Why smart statistics are the key to fighting crime | ||
Tony Yet approved Chinese, Simplified subtitles for Why smart statistics are the key to fighting crime | ||
liu angela accepted Chinese, Simplified subtitles for Why smart statistics are the key to fighting crime | ||
liu angela accepted Chinese, Simplified subtitles for Why smart statistics are the key to fighting crime | ||
liu angela edited Chinese, Simplified subtitles for Why smart statistics are the key to fighting crime | ||
liu angela edited Chinese, Simplified subtitles for Why smart statistics are the key to fighting crime |