有悔意可教化？交给AI判决有惊人发现 竟比法官可靠
▲最近台湾出现几起法院判决争议，法官审理案件的公正性引发质疑声浪。（示意图／取自免费图库pixabay）
精选书摘作者／麦尔坎．葛拉威尔摘自／《解密陌生人：颠覆识人惯性，看穿表相下的真实人性》
这个问题最好的解答来自一个哈佛经济学家、三个顶尖电脑科学家，和一位芝加哥大学的保释专家所做的研究。这群人──为了方便起见，我以那位经济学家的名字穆拉尹纳山（Sendhil Mullainathan）代表他们──决定把纽约市当成他们的实验场。他们搜集从2008到2013年在纽约市接受提讯听证的55万4689名被告的纪录，发现纽约市的法官裁定释放的人数略超过40万人。
然后穆拉尹纳山建立一套人工智慧系统，输入和这些提讯案件中，检察官提供给法官的相同资讯（被告的年龄和犯罪纪录），并要求电脑处理这55万4689个案件，和列出电脑决定的40万名被释放者。这是一场竞赛：人类对机器。谁做出最好的决定？谁的名单在被保释后犯的罪最少，以及准时在庭审日期到场的人最多？结果相当悬殊。电脑名单上的人在等候庭审期间犯罪的比率，比纽约市法官释放的40万人少25％。25％！在这个竞赛，人类遭机器辗压。
为了让你对穆拉尹纳山的电脑方法有一个概念：它标定所有被告中的1％为「具高度风险」，这些人是电脑认为绝对不应该在审判前释放的。根据电脑的计算，高度风险组的人有超过大半被保释后会再犯罪。不过，当人类法官处理同样这组坏人时，他们完全不视这组人有危险性。他们会释放这些人的48.5％！
「运算法标定为有高度风险的被告，有许多被法官当成只有低风险。」穆拉尹纳山团队做结论说：「这个比较显示出，法官不纯粹是为拘留设定一个高门槛，而是错误地对被告做分类……他们选择拘留的被告是从整个预估风险分布挑出的。」换句话说：法官的保释决定漫无标准。
我相信你同意这很令人困惑。当法官做保释决定时，他们有三种资讯来源。他们有被告的纪录──年龄、以前的犯行、他上次获准保释后发生的事、他住哪里、在哪里工作。他们有地区检察官和被告律师的证词：法庭上公开的所有资讯。他们还有自己亲眼看到的证据：我对这个站在我面前的人有什么感觉？
另一方面，穆拉尹纳山的电脑看不到被告，也听不到法庭上说的任何话。它知道的只有被告的年龄和犯罪纪录。它能取得的资讯只有法官得到的一小部分──但它在做保释决定上的表现却好得多。
▲由哈佛经济学家领军的顶尖专家，实验比较人脑与电脑的判断结果，发现电脑在保释决定上的表现竟比较好！（示意图／取自免费图库Pixabay）
在我的第二本书《决断2秒间》（Blink），我说到管弦乐队在招募新人时，若是让候选者在屏风后面试奏，他们可以做出远为明智的决定。将部分资讯拿走，不提供给招募委员会，可以让他们做出较好的判断。但那是因为观看某个人演奏时搜集的资讯大部分是无关紧要的。如果你想判断某个人是不是优秀的小提琴演奏者，知道那个人高大或矮小、英俊或丑陋、白人或黑人对你没有帮助。事实上，那可能只会带来让你更难下判断的偏见。
但就保释决定来说，法官获得的额外资讯似乎应该很有用。在索罗门的法庭上有过一个案例，一名穿篮球短裤和灰T恤的年轻男人被控与另一个人斗殴，然后他用那个人被窃走的信用卡购买一辆汽车。在要求保释时，地区检察官指出，他在前两次遭逮捕后未依照指定日期出庭。这是个严重的警讯。但「未出庭」的原因千奇百怪。如果通知被告出庭的日期错误呢？如果他当天请假可能丢掉工作，所以决定不值得为出庭牺牲工作呢？如果他的小孩正好住院呢？被告律师就是这么告诉法官的：他的委托人有很好的理由。电脑并不知道这些，但法官知道。所以这些资讯怎么会没有帮助？
同样地，索罗门说，他在保释案件中最留意的是「精神病患者遭指控暴力犯罪」。这类案件是法官的梦魇。如果他们让某个人保释，然后那个人停止服药，并犯下一些可怕的罪行。「后果可能是射杀警察。」索罗门说。
后果也可能是开车撞上一辆厢型车，害死一个怀孕的女人和她丈夫；伤害一个小孩；把人推到进站的地铁火车前让他们被辗死。那是任何可怕的事都可能发生的情况……没有法官会希望自己是那个案件中做出保释决定的人。
这类情况的一些线索就在被告的档案里：医疗纪录、住院纪录、被告被发现失能的情况。但其他线索只能在当时发现。
「你也会在法庭上不断听到『情绪失常者』（EDP）这个词。」索罗门说。
使用这个词的人可能是送被告来法庭的警察局，他们交给法庭一个信封，里面装着医院的医师在提讯前做的精神诊断……有时候这个资讯会放在地区检察官的档案夹，而地区检察官会提出问题……那是我必须考虑的事实。
在这类案件中，他会看着被告──专注地，仔细地，以他的话来说，寻找：某种漠然的表情，不敢做目光接触。不是像青少年那样额叶还未发展而无法做目光接触。我说的是没有服药的成人……穆拉尹纳山的电脑没有办法听到检察官谈到一个情绪失常者，它也无法看到露出马脚的漠然表情。这个限制应该是索罗门和他的法官同僚的大优势，但不知道什么原因却不是如此。
谜题：为什么面对一个陌生人，有时候反而让我们比不见面更难了解他们？