داده‌های بزرگ و دادگاه‌ها

امروز به یکی از پادکست‌های planet money گوش می‌کردم.این اپیزود برای من که علاقه‌مند به حوزه‌ی یادگیری ماشینی و داده‌های بزرگ هستم بسیار جذاب بود. اما چرا؟

ایالات متحده قانونی داشته است و فکر می‌کنم گویا در بعضی ایالات هنوز دارد که با توجه به آن قانون اگر پلیس به کسی مظنون می‌شد او را در زندان زندانی می‌کردند تا وقتی که روز دادگاه فرا رسد. این عمل برای جلوگیری از فرار آن‌ها یا جلوگیری از ارتکاب جرایم سنگین‌تر انجام می‌شود و ممکن است چیزی حدود ۱۰ ماه طول بکشد. در این مدت بسیاری از افراد شغل‌هایشان را از دست می‌دهند. خانواده‌هایشان از هم می‌پاشد و در نهایت درصد قابل توجهی از آن‌ها تبرئه می‌شوند.  ایالات متحده برای جلوگیری از این عواقب گزینه‌ای را در اختیار این افراد قرار می‌دهد. آن‌ها می‌بایستی مقدار قابل توجهی پول را گرو بگذارند و می‌توانند تا روز دادگاه به خانه بروند. اما متاسفانه افرادی که قادر به پرداخت این مقدار پول نیستند باید این دوره را در زندان بگذارنند. اما ایالت نیوجرسی آمریکا این سیستم را با سیستمی جایگزین کرده است که با استفاده از داده‌ی دستگیری‌های قبلی احتمال فرار شخص از کشور یا ارتکاب جرم در زمان باقیمانده تا دادگاه را حدس می‌زند و اگر احتمال آن پایین باشد شخص را آزاد می‌گذارند.

من بسیار این اپیزود را دوست داشتم. اگر کمی با تحلیل داده آشنایی داشته باشید و اندکی از رگرسیون‌های خطی سر در بیاورید خواهید دانست که این سیستم نباید چندان پیچیده باشد. مخصوصا اینکه تعداد ورودی‌های آن بسیار کم است. من همیشه فکر می‌کردم این ایده‌های بزرگ و تحلیل‌های پیچیده هستند که ارزشمند هست و بار دیگر این داستان به من نشان داد که حتی یک اندیشه‌ی ساده مثل همین روش ریاضی بسیار ساده و بدیهی می‌تواند ارزش عظیمی در یک کشور ایجاد کند.

توصیه می‌کنم به این اپیزود گوش کنید.

پی‌نوشت:
این پادکست در متمم در اینجا معرفی شده بود(تشکر!)