迄今为止，刑事司法系统中部署了大约 60 种风险评估工具。 这些工具旨在区分低、中和高风险被告，并增加仅对公共安全构成风险或可能逃跑的人进行拘留的可能性。 精算工具的支持者声称，这些工具旨在通过以比人脑更有效的方式汇总所有相关信息来消除人类偏见并使决策过程合理化。 此类工具的反对者担心，精算工具会以科学的名义强化人类偏见，损害被告的权利并增加系统中的种族差异。 两个阵营之间的差距在过去几年中扩大了，政策制定者在技术有助于建立更公正的系统的承诺和日益增长的运动之间左右为难，该运动要求在金融领域废除精算风险评估工具的使用。一般，尤其是基于机器学习的工具。本文探讨了该技术在这场辩论中所起的作用，以及在现有风险评估工具中部署 AI 是否会实现媒体大肆宣传的恐惧或改善我们的刑事司法系统？ 它侧重于审前阶段，并深入研究了七种最常用的工具。 其中五个工具基于传统的回归分析，两个具有一定的机器学习组件。 该论文得出的结论是，将审前风险评估工具归类为基于人工智能的工具会让人产生一种印象，即复杂的机器人正在接管法庭并将法官赶出工作岗位，但这远非现实。 尽管大肆宣传，但基于传统回归分析的工具与基于机器学习的工具之间的相似之处多于差异。 机器人要取代裁判还有很长的路要走，这不是本文所要讨论的解决方案。 上一章讨论的一长串政策建议突出了需要做的大量工作，以确保风险评估工具对所有社会成员既准确又公平。 无论使用何种技术，这些建议都是有益的； 并且特别关注评估机器学习将如何影响这些建议。 例如，该论文认为，详细说明工具中使用的每一个因素，包括多个可供选择的选项（不只是是或否问题），对于回归分析和机器学习都有用，但如果机器学习是使用时，由于能够放大个别案例的独特细节，最终分数可以更加个性化和有意义。
