Systeme des maschinellen Lernens eignen sich hervorragend für Vorhersagen. Ein gängiger Ansatz besteht darin, ein System zu trainieren, indem man ihm eine riesige Menge an Daten, z. B. über Studenten und ihre Leistungen, vorlegt. Die Software kaut die Beispiele durch und lernt, welche Merkmale am hilfreichsten sind, um vorherzusagen, ob ein Schüler seine Ausbildung abbrechen wird. Einmal trainiert, kann sie eine andere Gruppe untersuchen und die Risikogruppen genau erkennen. Indem das maschinelle Lernen dazu beiträgt, knappe öffentliche Mittel genauer zuzuweisen, könnten Regierungen erhebliche Summen einsparen. Stephen Goldsmith, Harvard-Professor und ehemaliger Bürgermeister von Indianapolis, ist der Meinung, dass sie auch fast alle Bereiche der öffentlichen Politik verändern könnte

Für Regierungen, die maschinelles Lernen einsetzen, wird die Zukunft davon abhängen, wie gut sie die Vorhersagekraft des maschinellen Lernens mit der altmodischen menschlichen Weisheit verbinden. Um mögliche Verzerrungen zu vermeiden, so Ghani, sollte man Vorurteile in den Trainingsdaten vermeiden und den Maschinen die richtigen Ziele setzen. Maschinen werden darauf trainiert, Muster zu finden, die zukünftige Kriminalität aus vergangenen Daten vorhersagen. Sie können daher angewiesen werden, Muster zu finden, die sowohl Kriminalität vorhersagen als auch eine unverhältnismäßig falsche Einstufung von Schwarzen (und anderen) als zukünftige Straftäter vermeiden. Wenn ein neuer Angeklagter anhand dieser Muster getestet wird, sollte das Risiko einer rassistischen Verzerrung geringer sein.

Kautionsentscheidungen, bei denen Richter das Risiko abschätzen, dass ein Gefangener vor dem Prozess flieht oder straffällig wird, scheinen besonders geeignet zu sein. Jens Ludwig von der Universität von Chicago und seine Kollegen behaupten, dass ihr Algorithmus, der an einer Stichprobe vergangener Fälle getestet wurde, zu rund 20% weniger Verbrechen geführt hätte (siehe Grafik), während die Zahl der Entlassungen unverändert geblieben wäre. Für eine ähnliche Verringerung im ganzen Land wären ihrer Meinung nach 20.000 zusätzliche Polizeibeamte erforderlich, was Kosten in Höhe von $2,6 Milliarden verursachen würde. Das Weiße Haus hat dies zur Kenntnis genommen. Bessere Kautionsentscheidungen sind eine der Prioritäten der Data-Driven Justice Initiative, die im Juni von 67 Staaten, Städten und Landkreisen unterzeichnet wurde.

Lesen Sie weiter: Von Vorhersage und Politik

Diese Diskussion passt perfekt zu vielen wichtigen Themen, die in meinem neuen Buch Technologie gegen Menschlichkeit".. 

Eine Bemerkung, die sich auf das bezieht, was ich in dem Buch sage:

Die Menschheit wird sich in den nächsten 20 Jahren mehr verändern als in den vergangenen 300 Jahren: Viele Leute kichern über diese Aussage, weil sie nach Großsprecherei klingt. Meiner Meinung nach ist das eine Untertreibung, wenn man sich die Realität des exponentiellen und kombinatorischen technologischen Wandels vor Augen führt - der Gesamteffekt dieser Veränderungen übertrifft bei weitem die industrielle Revolution oder die Erfindung der Druckerpresse. Ein Schlüsselfaktor ist, dass die Technologie nicht mehr nur außerhalb von uns (wie z. B. die Dampfmaschine oder die Druckerpresse, die natürlich außerhalb der menschlichen Biologie existierten) - sie bewegt sich tatsächlich in uns (Wearables, BCI, Nanotechnologie, Bearbeitung des menschlichen Genoms, KI usw.) und hat Auswirkungen auf die Definition der Menschheit selbst

Lesen Sie mehr auf Künstliche Intelligenz in diesem Blog