本篇文章620字，读完约2分钟
《科学》官方网站3日报道称，伊利诺伊理工大学的科学家使用一种称为随机森林的机器学习统计模型预测美国最高法院1816年至2015年的判决，准确率超过70%，优于知识渊博的法律专家(预测准确率为66%)。
使用计算机算法来预测法官的行为并不罕见。2011年，西班牙学者利用1953年至2004年间任何8名法官的投票来预测同一案件中第9名法官的投票，准确率为83%。2004年，美国学者使用了自1994年以来一直在法院工作的9名法官的判决来预测2002年案件的判决结果，准确率为75%。
伊利诺伊大学技术学院的法学教授丹尼尔·卡茨(Daniel Katz)的团队使用最高法院的数据库来标记每张选票的16个特征，包括法官的任期、提起诉讼的法院、是否听取口头辩论等。，并创造了最先进的算法。
该模型首先学习1816年至2015年最高法院案件特征与判决结果之间的相关性，然后逐年研究每个案件的特征并预测判决结果，最后用该年判决结果的实际信息算法“反馈”以升级预测策略并继续预测下一年。
结果表明，对于28000个判决结果和240000张判决票，新模型算法的预测准确率分别为70.2%和71.9%。相关研究文章发表在《PLOS一号》上。
根据这份报告，律师最有可能带头将新算法付诸实践。他们可以在模型中插入不同的变量，以获得所需的参考信息。根据预测分析，投资者也可以投资那些胜算更大的公司。上诉人可以根据获胜的几率来决定是否向最高法院提起另一场诉讼。
