據(jù)報道稱，美國伊利諾伊理工大學科學家用一種被稱為隨機森林的機器學習統(tǒng)計模型，對1816年到2015年美國最高法院的判決進行預測，準確率高于70%，較知識淵博的法律專家(預測準確率為66%)更勝一籌。

用計算機算法預測法官行為并不稀奇。2011年，西班牙學者在一項研究中，使用1953年到2004年任意8名法官的投票，來預測同一案件中第9名法官的投票，準確率為83%；2004年，美國學者使用1994年以來一直在法院工作的9名法官的判決，來預測2002年案件的判決結果，準確率為75%。

而伊利諾伊大學理工學院法學教授丹尼爾·卡茨的團隊利用最高法院數(shù)據(jù)庫，為每個投票標注了16個特征，包括法官任期、訴訟發(fā)起法庭、口頭辯論是否被聽到等，創(chuàng)建了最先進的算法。

該模型先學習了1816年到2015年最高法院案例特征與裁決結果之間的關聯(lián)，然后按年份研究每個案例的特征并預測裁決結果，最后被“投喂”關于該年份裁決結果實際信息的算法升級了預測策略，并繼續(xù)進行下一年的預測。

結果顯示，對于28000項判決結果及24萬張法官投票，新模型算法預測的正確率分別為70.2%和71.9%。相關研究文章發(fā)表在《公共科學圖書館·綜合》(PLOS ONE)上。

報道稱，律師最有可能率先將新算法付諸實踐，他們可以將不同的變量插入模型，以獲得想要的參考信息;投資者也可根據(jù)預測分析，對有較大獲勝可能的公司投資;而上訴人則可以根據(jù)獲勝幾率判斷是否再向最高法院提起訴訟。