Anne Milgram: Why smart statistics are the key to fighting crime

Translator: Chalita Thanyakoop Reviewer: Pattapon Kasemtanakul

In 2007, I became the attorney general

ในปี 2007 ฉันได้เป็นอัยการสูงสุด

of the state of New Jersey.

ของรัฐนิวเจอร์ซีย์

Before that, I'd been a criminal prosecutor,

ก่อนหน้านั้น ฉันเป็นอัยการคดีอาญา

first in the Manhattan district attorney's office,

ตอนแรกในสำนักงานอัยการเขต แมนฮัตตัน

and then at the United States Department of Justice.

และจากนั้นก็ที่กระทรวงยุติธรรม

But when I became the attorney general,

เมื่อฉันได้เป็นอัยการสูงสุด

two things happened that changed the way I see criminal justice.

มีสองสิ่งที่เกิดขึ้นซึ่งเปลี่ยนแนวคิดของฉัน เรื่องกระบวนการยุติธรรมทางอาญา

The first is that I asked what I thought

สิ่งแรกคือ ฉันถามคำถามที่คิดว่า

were really basic questions.

เป็นคำถามพื้นๆ

I wanted to understand who we were arresting,

ฉันต้องการเข้าใจคนที่เรากำลังจะจับกุม

who we were charging,

ผู้ที่ถูกกล่าวหา

and who we were putting in our nation's jails

และผู้ที่เราจับเข้าไปขังในเรือนจำต่างๆ

and prisons.

ทั่วประเทศ

I also wanted to understand

ฉันต้องการที่จะเข้าใจ

if we were making decisions

ว่าเราตัดสินใจถูก

in a way that made us safer.

เพื่อที่จะทำให้พวกเราปลอดภัยขึ้น

And I couldn't get this information out.

แต่ฉันไม่สามารถหาคำตอบนั้นได้

It turned out that most big criminal justice agencies

ปรากฏว่า โดยส่วนใหญ่ หน่วยงานใหญ่ๆ ด้านคดีอาญา

like my own

อย่างเช่นหน่วยงานของฉัน

didn't track the things that matter.

ไม่ได้เก็บข้อมูลที่สำคัญ

So after about a month of being incredibly frustrated,

หลังจากที่ฉันหัวเสียอยู่หนึ่งเดือน

I walked down into a conference room

ฉันก็เดินไปยังห้องประชุม

that was filled with detectives

ที่เต็มไปด้วยนักสืบ

and stacks and stacks of case files,

และกองแฟ้มคดีเป็นตั้งๆ

and the detectives were sitting there

และพวกนักสืบก็นั่งอยู่ตรงนั้น

with yellow legal pads taking notes.

ด้วยสมุดจดโน้ต

They were trying to get the information

พวกเขาพยายามจะหาข้อมูลเดียวกัน

I was looking for

กับที่ฉันหาอยู่

by going through case by case

โดยการค้นดูทีละคดี

for the past five years.

ย้อนหลังไปห้าปี

And as you can imagine,

และคุณคงนึกภาพออก

when we finally got the results, they weren't good.

ว่าเมื่อเราได้ผลลัพธ์ มันดูไม่ดีเอาเสียเลย

It turned out that we were doing

ปรากฏว่าเราทำคดีมากมาย

a lot of low-level drug cases

เกี่ยวกับพ่อค้ายาระดับหางแถว

on the streets just around the corner

ตามท้องถนน ที่ไม่ห่าง

from our office in Trenton.

จากออฟฟิศของเราในเทรนตัน

The second thing that happened

สิ่งที่สองที่เกิดขึ้น

is that I spent the day in the Camden, New Jersey police department.

คือฉันใช้เวลาวันหนึ่ง ในกรมตำรวจแคมเด็น นิวเจอร์ซีย์

Now, at that time, Camden, New Jersey,

ณ ตอนนั้น แคมเด็น นิวเจอร์ซีย์

was the most dangerous city in America.

คือเมืองที่อันตรายที่สุดในอเมริกา

I ran the Camden Police Department because of that.

นี่คือเหตุผลที่ฉันเข้ามาคุมกรมตำรวจแคมเด็น

I spent the day in the police department,

ฉันใช้เวลาหนึ่งวันเต็มๆ ในกรม

and I was taken into a room with senior police officials,

ฉันถูกพาเข้าไปในห้อง พร้อมด้วยเจ้าหน้าที่ตำรวจอาวุโส

all of whom were working hard

ซึ่งทุกคนต่างก็ทำงานหนัก

and trying very hard to reduce crime in Camden.

และพยายามที่จะลดอาชญากรรมใน แคมเด็น

And what I saw in that room,

ที่สิ่งที่ฉันเห็นในห้อง

as we talked about how to reduce crime,

ในขณะที่เราคุยกันเรื่องการลดอาชญากรรม

were a series of officers with a lot of little yellow sticky notes.

ก็คือเจ้าหน้าที่ตำรวจหลายคน ใช้กระดาษโน้ตเล็กๆ สีเหลือง

And they would take a yellow sticky and they would write something on it

และพวกเขาจะเอากระดาษโน้ตนั้น มาเขียนบางอย่าง

and they would put it up on a board.

และพวกเขาจะแปะมันไว้บนบอร์ด

And one of them said, "We had a robbery two weeks ago.

และหนึ่งในนั้นพูดขึ้นว่า "เรามีคดีลักทรัพย์เมื่อสองอาทิตย์ก่อน

We have no suspects."

แต่ไม่มีผู้ต้องสงสัย"

And another said, "We had a shooting in this neighborhood last week. We have no suspects."

อีกคนก็พูดขึ้นว่า "เรามีคดียิงกันในย่านนี้ เมื่ออาทิตย์ที่แล้ว แต่ไม่มีผู้ต้องสงสัย"

We weren't using data-driven policing.

เราไม่ได้ใช้ข้อมูลในการทำงาน

We were essentially trying to fight crime

เราเพียงแค่พยายามจะสู้กับอาชญากรรม

with yellow Post-it notes.

ด้วยกระดาษโน้ตสีเหลือง

Now, both of these things made me realize

ทั้งสองสิ่งนี้ทำให้ฉันตระหนักว่า

fundamentally that we were failing.

โดยพื้นฐานแล้ว เรากำลังล้มเหลว

We didn't even know who was in our criminal justice system,

เราไม่รู้ด้วยซ้ำว่าใครเคยอยู่ในสารบบอาชญากรของเรา

we didn't have any data about the things that mattered,

เราไม่มีข้อมูลอะไรเลย สำหรับสิ่งที่จำเป็น

and we didn't share data or use analytics

และเราก็ไม่ได้แบ่งปันข้อมูล หรือใช้เครื่องมือ

or tools to help us make better decisions

ในการวิเคราะห์ เพื่อช่วยให้เราตัดสินใจได้ดีขึ้น

and to reduce crime.

และเพื่อช่วยลดอาชญากรรม

And for the first time, I started to think

และนั่นเป็นครั้งแรก ที่ฉันเริ่มคิด

about how we made decisions.

เกี่ยวกับวิธีที่เราตัดสินใจ

When I was an assistant D.A.,

เมื่อฉันทำงานเป็นอัยการผู้ช่วย

and when I was a federal prosecutor,

และเมื่อฉันเป็นอัยการรัฐบาลกลาง

I looked at the cases in front of me,

ฉันมองดูคดีที่อยู่ตรงหน้าฉัน

and I generally made decisions based on my instinct

และตัดสินใจโดยใช้สัญชาตญาณ

and my experience.

และประสบการณ์ของฉัน

When I became attorney general,

เมื่อฉันเป็นอัยการสูงสุด

I could look at the system as a whole,

ฉันสามารถมองระบบทั้งหมดในภาพรวม

and what surprised me is that I found

และมันก็ทำให้ฉันประหลาดใจ เมื่อพบว่า

that that was exactly how we were doing it

นั่นคือสิ่งที่เราทุกคนกำลังทำอยู่

across the entire system --

ทั่วทั้งระบบ

in police departments, in prosecutors's offices,

ในกรมตำรวจ ในสำนักงานอัยการ

in courts and in jails.

ในศาล และในเรือนจำ

And what I learned very quickly

และฉันก็เรียนรู้อย่างรวดเร็วว่า

is that we weren't doing a good job.

เราทำงานไม่ดีเท่าไรนัก

So I wanted to do things differently.

ฉันจึงอยากทำสิ่งที่แตกต่างออกไป

I wanted to introduce data and analytics

ฉันต้องการที่จะนำเอาข้อมูล และการวิเคราะห์

and rigorous statistical analysis

และการวิเคราะห์เชิงสถิติอย่างถี่ถ้วน

into our work.

เข้ามาใช้ในงานของเรา

In short, I wanted to moneyball criminal justice.

สั้นๆ ก็คือ ฉันต้องการใช้ มันนีบอล (Moneyball) กับกระบวนการยุติธรรมทางอาญา

Now, moneyball, as many of you know,

บางคนอาจรู้จักว่า มันนีบอล คืออะไร

is what the Oakland A's did,

มันคือกลยุทธที่ ทีมเบสบอล โอคแลนด์แอธเลติค ใช้

where they used smart data and statistics

โดยใช้ข้อมูล และการวิเคราะห์ทางสถิติอันชาญฉลาด

to figure out how to pick players

เพื่อหาวิธีเลือกนักกีฬา

that would help them win games,

ที่จะทำให้ทีมชนะ

and they went from a system that was based on baseball scouts

พวกเขาเปลี่ยนจากระบบที่ต้องพึ่งแมวมอง

who used to go out and watch players

ที่ตระเวนไป และเฝ้าติดตามเหล่าผู้เล่น

and use their instinct and experience,

และใช้สัญชาตญาณ และประสบการณ์

the scouts' instincts and experience,

ประสบการณ์และสัญชาตญาณของแมวมอง

to pick players, from one to use

เพื่อใช้เลือกผู้เล่น เปลี่ยนมาใช้ระบบ

smart data and rigorous statistical analysis

ที่พึ่งข้อมูล และการวิเคราะห์ทางสถิติอย่างถี่ถ้วน

to figure out how to pick players that would help them win games.

เพื่อช่วยเลือกผู้เล่น ที่จะทำให้พวกเขาชนะในเกม

It worked for the Oakland A's,

มันใช้ได้ผลสำหรับทีม โอคแลนด์ เอส์

and it worked in the state of New Jersey.

และมันก็ใช้ได้ผลในรัฐนิวเจอร์ซีย์

We took Camden off the top of the list

เราทำให้แคมเด็นหลุดจากโผ

as the most dangerous city in America.

ของเมืองที่อันตรายที่สุดในอเมริกา

We reduced murders there by 41 percent,

เราลดอัตราฆาตกรรมลง 41 เปอร์เซ็นต์

which actually means 37 lives were saved.

ซึ่งแปลว่า 37 ชีวิต ได้รับการช่วยเหลือ

And we reduced all crime in the city by 26 percent.

และเราลดอาชญากรรมโดยรวม ให้ลดลง 26 เปอร์เซ็นต์ ในเมืองนั้น

We also changed the way we did criminal prosecutions.

เรายังได้เปลี่ยนวิธีการดำเนินคดีกับอาชญากร

So we went from doing low-level drug crimes

เราเปลี่ยนจากการจับพ่อค้ายาหางแถว

that were outside our building

ที่อยู่นอกออฟฟิศเรา

to doing cases of statewide importance,

เปลี่ยนมาเป็น ทำคดีที่สำคัญในระดับรัฐ

on things like reducing violence with the most violent offenders,

อย่างเช่น ลดความรุนแรง ในกลุ่มผู้ทำผิด ที่มีพฤติกรรมรุนแรงสูง

prosecuting street gangs,

ดำเนินคดีกับแก็งค์อันธพาล

gun and drug trafficking, and political corruption.

การค้ายาและอาวุธ และการฉ้อฉลในกรมตำรวจ

And all of this matters greatly,

สิ่งเหล่านี้มีความสำคัญอย่างมาก

because public safety to me

เพราะสำหรับฉันแล้ว ความปลอดภัยของประชาชน

is the most important function of government.

คือหน้าที่ที่สำคัญที่สุดของรัฐบาล

If we're not safe, we can't be educated,

ถ้าเราไม่ปลอดภัย เราก็ไม่สามารถได้รับการศึกษา

we can't be healthy,

เราจะไม่มีสุขภาพที่ดี

we can't do any of the other things we want to do in our lives.

เราจะไม่สามารถทำสิ่งอื่นๆ ที่เราอยากทำ ในชีวิตของเราได้เลย

And we live in a country today

เราอาศัยอยู่ในประเทศ

where we face serious criminal justice problems.

ที่ซึ่งเราต้องเผชิญกับปัญหาใหญ่หลวง ด้านกระบวนการยุติธรรมคดีอาญา

We have 12 million arrests every single year.

เรามีการจับกุมถึง 12 ล้านครั้งทุกๆ ปี

The vast majority of those arrests

การจับกุมส่วนใหญ่

are for low-level crimes, like misdemeanors,

คืออาชญากรรมระดับล่าง ความผิดเล็กๆ น้อยๆ

70 to 80 percent.

ประมาณ 70 ถึง 80 เปอร์เซ็นต์

Less than five percent of all arrests

น้อยกว่าห้าเปอร์เซ็นต์ ของการจับกุมทั้งหมด

are for violent crime.

เป็นอาชญากรรมรุนแรง

Yet we spend 75 billion,

แต่เราต้องใช้ถึง 75,000 ล้านดอลลาร์

that's b for billion,

ระดับหมื่นล้านต่อปี เชียวนะคะ

dollars a year on state and local corrections costs.

รวมถึงต้นทุนของเรือนจำของแต่ละรัฐ

Right now, today, we have 2.3 million people

ณ วันนี้ เรามีนักโทษ 2.3 ล้านคน

in our jails and prisons.

อยู่ในเรือนจำของเรา

And we face unbelievable public safety challenges

และเราต้องเผชิญกับปัญหาใหญ่ ด้านความปลอดภัยของประชาชน

because we have a situation

เพราะเรากำลังอยู่ในสภาวะที่

in which two thirds of the people in our jails

สองในสามของผู้ต้องขังในเรือนจำ

are there waiting for trial.

กำลังอยู่ในระหว่างดำเนินคดี

They haven't yet been convicted of a crime.

พวกเขาย้งไม่ถูกพิพากษาว่ามีความผิด

They're just waiting for their day in court.

พวกเขาเพียงแค่รอวันที่จะขึ้นศาล

And 67 percent of people come back.

และ 67 เปอร์เซ็นต์ของคนเหล่านั้น ต้องกลับมาติดคุก

Our recidivism rate is amongst the highest in the world.

อัตราการกระทำผิดซ้ำของเรานั้น อยู่ในอันดับต้นๆ ของโลกเลยทีเดียว

Almost seven in 10 people who are released

เกือบ 7 ใน 10 คนที่ได้รับการปล่อยตัว

from prison will be rearrested

จากเรือนจำ จะถูกจับกุมตัวอีก

in a constant cycle of crime and incarceration.

อยู่ในวงจรอุบาทว์ของอาชญากรรม และการถูกคุมขัง

So when I started my job at the Arnold Foundation,

ดังนั้น เมื่อฉันเริ่มต้นทำงานในมูลนิธิ อาร์โนลด์ (Arnold foundation)

I came back to looking at a lot of these questions,

ฉันมองย้อนกลับไปยังปัญหาเหล่านี้

and I came back to thinking about how

และฉันย้อนกลับไปคิด

we had used data and analytics to transform

วิธีที่เราใช้การวิเคราะห์ข้อมูล

the way we did criminal justice in New Jersey.

เพื่อเปลี่ยนโฉมการดำเนินคดีอาชญากรรมในนิวเจอร์ซีย์

And when I look at the criminal justice system

และเมื่อฉันมองย้อนไปยัง กระบวนการยุติธรรมทางอาญา

in the United States today,

ในอเมริกาทุกวันนี้

I feel the exact same way that I did

ฉันรู้สึกเหมือนกับที่เคยรู้สึก

about the state of New Jersey when I started there,

เมื่อตอนที่ฉันเริ่มทำงานที่รัฐนิวเจอร์ซีย์

which is that we absolutely have to do better,

ซึ่งนั่นก็คือเราจำเป็นอย่างยิ่งที่จะต้องทำให้ดีกว่านี้

and I know that we can do better.

และฉันรู้ว่าเราทำได้ดีกว่านี้

So I decided to focus

ดังนั้น ฉันจึงมุ่งมั่น

on using data and analytics

ที่จะใช้การวิเคราะห์ข้อมูล

to help make the most critical decision

เพื่อช่วยในการตัดสินใจสำคัญๆ

in public safety,

ในด้านความปลอดภัยของประชาชน

and that decision is the determination

และการตัดสินใจนั้นคือ การตัดสินว่า

of whether, when someone has been arrested,

เมื่อใครสักคนถูกจับกุม

whether they pose a risk to public safety

เขาจะเป็นภัยคุกคามต่อส่วนรวม

and should be detained,

และควรถูกควบคุมตัว

or whether they don't pose a risk to public safety

หรือเขาไม่เป็นภัยต่อส่วนรวม

and should be released.

และควรได้รับการปล่อยตัว

Everything that happens in criminal cases

ทุกอย่างที่เกิดขึ้นในคดีอาญา

comes out of this one decision.

เกิดมาจากการตัดสินใจนี้

It impacts everything.

มันส่งผลกระทบต่อทุกสิ่ง

It impacts sentencing.

มันส่งผลต่อโทษที่จะได้รับ

It impacts whether someone gets drug treatment.

มันส่งผลว่าใครควรจะได้รับการบำบัดการติดยาเสพติด

It impacts crime and violence.

มันกระทบต่ออาชญากรรมและความรุนแรง

And when I talk to judges around the United States,

และเมื่อฉันได้คุยกับผู้พิพากษาทั่วอเมริกา

which I do all the time now,

ซึ่งเป็นสิ่งที่ฉันทำอยู่ตลอด

they all say the same thing,

พวกเขาพูดเหมือนกัน

which is that we put dangerous people in jail,

คือ เราเอาคนที่เป็นอันตรายเข้าคุก

and we let non-dangerous, nonviolent people out.

และเราปล่อยให้คนที่ไม่อันตราย คนที่ไม่มีพฤติกรรมรุนแรงออกมา

They mean it and they believe it.

พวกเขาหมายความ และเชื่อเช่นนั้นจริงๆ

But when you start to look at the data,

แต่เมื่อคุณดูข้อมูล

which, by the way, the judges don't have,

ซึ่งเหล่าผู้พิพากษาไม่เคยรู้ถึงข้อมูลเหล่านั้น

when we start to look at the data,

เมื่อเราเริ่มดูข้อมูล

what we find time and time again,

เราพบว่า ซ้ำแล้วซ้ำเล่า

is that this isn't the case.

ที่มันไม่เป็นไปตามนั้น

We find low-risk offenders,

เราพบว่า ผู้ทำผิดกฏหมายที่ไม่มีอันตราย

which makes up 50 percent of our entire criminal justice population,

ซึ่งคิดเป็นสัดส่วนถึง 50 เปอร์เซ็นต์ ของผู้ที่อยู่ในกระบวนการยุติธรรมทางอาญา

we find that they're in jail.

เราพบว่าเขาเหล่านั้นอยู่ในคุก

Take Leslie Chew, who was a Texas man

ลองดูตัวอย่างของ เลสลีย์ ชิว (Leslie Chew) ชายจากเท็กซัส

who stole four blankets on a cold winter night.

ผู้ขโมยผ้าห่มสี่ผืนในคืนอันหนาวเหน็บในฤดูหนาว

He was arrested, and he was kept in jail

เขาถูกจับกุม และถูกคุมขังในคุก

on 3,500 dollars bail,

เพราะไม่มีเงินพอ

an amount that he could not afford to pay.

จะจ่ายค่าประกันตัว 3,500 เหรียญ

And he stayed in jail for eight months

เขาต้องอยู่ในคุกถึง 8 เดือน

until his case came up for trial,

จนกระทั่งคดีของเขาถึงวันขึ้นศาล

at a cost to taxpayers of more than 9,000 dollars.

ซึ่งนั่นต้องใช้เงินของผู้เสียภาษีถึง 9,000 เหรียญ

And at the other end of the spectrum,

และในอีกแง่หนึ่ง

we're doing an equally terrible job.

เราทำงานแย่มาก

The people who we find

ผู้คนซึ่งเราพบว่า

are the highest-risk offenders,

เป็นผู้กระทำผิดที่มีความเสี่ยงสูง

the people who we think have the highest likelihood

ผู้ที่เราคิดว่ามีความเป็นไปได้สูง

of committing a new crime if they're released,

ที่จะประกอบอาชญากรรมอีก ถ้าถูกปล่อยตัวไป

we see nationally that 50 percent of those people

เราพบว่า ทั่วประเทศ 50 เปอร์เซ็นต์ ของผู้คนกลุ่มนี้

are being released.

ถูกปล่อยตัว

The reason for this is the way we make decisions.

สาเหตุของเรื่องนี้ เป็นเพราะวิธีที่เราตัดสินใจ

Judges have the best intentions

ผู้พิพากษามีเจตนาดี

when they make these decisions about risk,

เมื่อพวกเขาต้องตัดสินใจเรื่องความเสี่ยงนี้

but they're making them subjectively.

แต่พวกเขา ตัดสินใจโดยใช้อารมณ์

They're like the baseball scouts 20 years ago

พวกเขาเหมือนกับแมวมองนักเบสบอลเมื่อ 20 ปีก่อน

who were using their instinct and their experience

ที่ใช้สัญชาตญาณ และประสบการณ์

to try to decide what risk someone poses.

เพื่อช่วยตัดสินใจว่าใครที่มีความเสี่ยง

They're being subjective,

พวกเขาใช้อารมณ์

and we know what happens with subjective decision making,

เรารู้ว่าจะเกิดอะไรขึ้นเมื่อเราตัดสินใจโดยใช้อารมณ์

which is that we are often wrong.

ซึ่งนั่นก็คือ เรามักตัดสินใจพลาด

What we need in this space

สิ่งที่เราต้องการในงานด้านนี้

are strong data and analytics.

คือการวิเคราะห์ข้อมูลที่หนักแน่น

What I decided to look for

สิ่งที่ฉันตั้งใจมองหา

was a strong data and analytic risk assessment tool,

คือเครื่องมือประเมินความเสี่ยง ด้วยการวิเคราะห์ข้อมูล

something that would let judges actually understand

บางสิ่งที่จะช่วยให้ผู้พิพากษาได้เข้าใจ

with a scientific and objective way

ในแบบที่เป็นวิทยาศาสตร์ และเป็นรูปธรรม

what the risk was that was posed

ว่าความเสี่ยงที่จะเกิดขึ้น

by someone in front of them.

จากบางคนที่ยืนอยู่ตรงหน้าพวกเขา

I looked all over the country,

ฉันมองดูไปทั่วทั้งประเทศ

and I found that between five and 10 percent

ฉันพบว่ามีระหว่าง 5 ถึง 10 เปอร์เซ็นต์

of all U.S. jurisdictions

ในระบบศาลของสหรัฐอเมริกา

actually use any type of risk assessment tool,

ที่ใช้เครื่องมือประเมินความเสี่ยงอย่างจริงจัง

and when I looked at these tools,

และเมื่อฉันศึกษาเครื่องมือเหล่านี้

I quickly realized why.

ฉันตระหนักในเวลาอันสั้นว่าทำไม

They were unbelievably expensive to administer,

การดูแลระบบ นั้นแพงอย่างไม่น่าเชื่อ

they were time-consuming,

พวกมันต้องใช้เวลา

they were limited to the local jurisdiction

พวกมันจำกัดอยู่แค่ท้องถิ่น

in which they'd been created.

ที่ซึ่งพวกมันถูกสร้างขึ้นมา

So basically, they couldn't be scaled

ง่ายๆ ก็คือ พวกมันไม่สามารถขยาย

or transferred to other places.

หรือโอนย้ายไปยังที่อื่นๆ

So I went out and built a phenomenal team

ฉันจึงตั้งทีมอันเหลือเชื่อขึ้นทีมหนึ่ง

of data scientists and researchers

ซึ่งมีทั้งนักวิทยาศาสตร์ด้านข้อมูล นักวิจัย

and statisticians

และนักสถิติ

to build a universal risk assessment tool,

เพื่อสร้างเครื่องมือประเมินความเสี่ยง ที่เป็นสากล

so that every single judge in the United States of America

เพื่อที่ผู้พิพากษาทุกคนในอเมริกา

can have an objective, scientific measure of risk.

จะได้มีวิธีวัดความเสี่ยงอย่างเป็นรูปธรรม และเป็นวิทยาศาสตร์

In the tool that we've built,

เครื่องมือที่เราสร้างขึ้นนั้น

what we did was we collected 1.5 million cases

สิ่งที่เราทำคือเรารวบรวมคดีกว่า 1.5 ล้านคดี

from all around the United States,

จากทั่วทั้งประเทศ

from cities, from counties,

หลายเมือง หลายมณฑล

from every single state in the country,

จากทุกรัฐในประเทศ

the federal districts.

เขตปกครองของรัฐต่างๆ

And with those 1.5 million cases,

และด้วย 1.5 ล้านคดีนี้

which is the largest data set on pretrial

ซึ่งคือชุดข้อมูลที่ใหญ่ที่สุด ในขั้นก่อนพิจารณาคดี

in the United States today,

ในสหรัฐฯ จนถึงวันนี้

we were able to basically find that there were

เราสามารถค้นพบว่ามีปัจจัยเสี่ยง

900-plus risk factors that we could look at

กว่า 900 ปัจจัย ที่เราต้องศึกษา

to try to figure out what mattered most.

เพื่อหาว่าปัจจัยไหนสำคัญที่สุด

And we found that there were nine specific things

เราพบว่ามีปัจจัย 9 อย่าง

that mattered all across the country

ที่สำคัญ จากทั่วทั้งประเทศ

and that were the most highly predictive of risk.

และนั่นคือตัวทำนายความเสี่ยงที่แม่นยำ

And so we built a universal risk assessment tool.

และเราจึงสร้างเครื่องมือประเมินความเสี่ยงขึ้น

And it looks like this.

และมันก็หน้าตาแบบนี้

As you'll see, we put some information in,

ตามที่คุณเห็น เราใส่ข้อมูลบางอย่างเข้าไป

but most of it is incredibly simple,

แต่ส่วนใหญ่แล้ว มันง่ายมากทีเดียว

it's easy to use,

มันใช้งานง่าย

it focuses on things like the defendant's prior convictions,

มันสนใจในเรื่องเช่น ประวัติการกระทำผิดของจำเลย

whether they've been sentenced to incarceration,

ว่าพวกเขาเคยถูกตัดสินจำคุกหรือไม่

whether they've engaged in violence before,

ว่าพวกเขาเคยข้องเกี่ยวกับความรุนแรงมาก่อนหรือเปล่า

whether they've even failed to come back to court.

ว่าพวกเขาเคยผิดนัดศาล

And with this tool, we can predict three things.

และด้วยเครื่องมือเหล่านี้ เราสามารถทำนายได้สามอย่าง

First, whether or not someone will commit

สิ่งแรกคือ ทำนายว่าเขาจะออกไปก่อคดีใหม่

a new crime if they're released.

อีกหรือไม่ ถ้าได้รับการปล่อยตัว

Second, for the first time,

สิ่งที่สอง นี่เป็นครั้งแรก

and I think this is incredibly important,

ซึ่งฉันคิดว่ามันสำคัญมาก

we can predict whether someone will commit

ที่เราสามารถทำนายได้ว่าเขาจะก่อคดี ที่เกี่ยวข้องกับ

an act of violence if they're released.

ความรุนแรงหรือไม่ หากได้รับการปล่อยตัว

And that's the single most important thing

และนั่นถือว่าเป็นสิ่งสำคัญที่สุด

that judges say when you talk to them.

ที่ผู้พิพากษาจะคำนึงถึง ถ้าคุณถามพวกเขา

And third, we can predict whether someone

สิ่งที่สาม เราสามารถทำนายได้ว่า

will come back to court.

เขาจะกลับมาขึ้นศาลอีกหรือไม่

And every single judge in the United States of America can use it,

ผู้พิพากษาทุกคนในสหรัฐฯ สามารถใช้มัน

because it's been created on a universal data set.

เพราะมันถูกสร้างขึ้นจากชุดข้อมูลที่เป็นสากล

What judges see if they run the risk assessment tool

สิ่งที่ผู้พิพากษาจะได้รับเมื่อพวกเขา ใช้เครื่องมือประเมินความเสี่ยงนี้

is this -- it's a dashboard.

คือ -- มันคือแป้นควบคุม

At the top, you see the New Criminal Activity Score,

ทางด้านบน คุณจะเห็นคะแนนกิจกรรมอาชญากรใหม่

six of course being the highest,

คะแนนสูงสุดคือหก

and then in the middle you see, "Elevated risk of violence."

และที่ตรงกลาง คุณจะเห็น "ความเสี่ยงสูงที่จะใช้ความรุนแรง"

What that says is that this person

มันหมายถึงว่าคนคนนี้

is someone who has an elevated risk of violence

เป็นคนที่มีความเสี่ยงสูง ที่จะใช้ความรุนแรง

that the judge should look twice at.

และผู้พิพากษาควรดูให้ถี่ถ้วน

And then, towards the bottom,

และทางด้านล่าง

you see the Failure to Appear Score,

คุณจะเห็นคะแนนการผิดนัดศาล

which again is the likelihood

ซึ่งก็คือความน่าจะเป็น

that someone will come back to court.

ที่คนคนนั้นจะกลับมาขึ้นศาล

Now I want to say something really important.

ทีนี้ ฉันอยากจะบอกบางสิ่งที่สำคัญมาก

It's not that I think we should be eliminating

มันไม่ได้หมายความว่าเราควรเลิกเชื่อ

the judge's instinct and experience

สัญชาตญาณ และประสบการณ์ของผู้พิพากษา

from this process.

ในกระบวนการนี้

I don't.

ฉันไม่ได้หมายความแบบนั้น

I actually believe the problem that we see

ฉันเชื่อว่า ปัญหาที่เราเผชิญอยู่ทุกวันนี้

and the reason that we have these incredible system errors,

และสาเหตุที่เราเกิดความผิดพลาด อย่างรุนแรงในระบบยุติธรรมนี้

where we're incarcerating low-level, nonviolent people

ซึ่งทำให้เราจำคุกอาชญากรระดับล่าง และผู้ไม่ก่อความรุนแรง

and we're releasing high-risk, dangerous people,

และปล่อยตัวอาชญากรอันตรายที่มีความเสี่ยงสูง

is that we don't have an objective measure of risk.

นั่นเป็นเพราะเราไม่มีเครื่องมือ วัดความเสี่ยงที่เป็นรูปธรรม

But what I believe should happen

แต่สิ่งที่ฉันเชื่อว่าควรจะเกิดขึ้น

is that we should take that data-driven risk assessment

ก็คือ เราควรใช้การประเมินความเสี่ยงด้วยข้อมูล

and combine that with the judge's instinct and experience

เพื่อใช้ร่วมกันกับสัญชาตญาณ และประสบการณ์ของผู้พิพากษา

to lead us to better decision making.

และช่วยให้เราได้ผลการตัดสินใจที่ดีขึ้น

The tool went statewide in Kentucky on July 1,

เครื่องมือนี้ ถูกนำไปใช้ทั่วรัฐเคนตักกี้ เมื่อวันที่ 1 กรกฎาคม

and we're about to go up in a number of other U.S. jurisdictions.

เรากำลังจะนำไปใช้อีกหลายเขต ทั่วทั้งประเทศ

Our goal, quite simply, is that every single judge

เป้าหมายของเรานั้นง่ายมาก นั่นก็คือ ผู้พิพากษาทุกคน

in the United States will use a data-driven risk tool

ในสหรัฐฯ จะต้องใช้เครื่องมือประเมินความเสี่ยงทางสถิติ

within the next five years.

ภายในอีกห้าปีข้างหน้า

We're now working on risk tools

เรากำลังสร้างเครื่องมือประเมินความเสี่ยง

for prosecutors and for police officers as well,

สำหรับอัยการ และเจ้าหน้าที่ตำรวจเช่นกัน

to try to take a system that runs today

เพื่อพยายามปรับปรุงระบบที่ถูกใช้อยู่ทุกวันนี้

in America the same way it did 50 years ago,

ซึ่งเหมือนกับที่เราใช้เมื่อ 50 ปีที่แล้ว

based on instinct and experience,

โดยใช้สัญชาตญาณและประสบการณ์

and make it into one that runs

และเปลี่ยนให้เป็นระบบที่ทำงาน

on data and analytics.

ด้วยการวิเคราะห์ข้อมูล

Now, the great news about all this,

ทีนี้ ข่าวดีสำหรับเรื่องนี้ก็คือ

and we have a ton of work left to do,

เรายังมีงานต้องทำอีกมาก

and we have a lot of culture to change,

มีวัฒนธรรมการทำงานอีกมากมายที่ต้องเปลี่ยน

but the great news about all of it

แต่ข่าวที่มากสำหรับเรื่องนี้

is that we know it works.

ก็คือเรารู้ว่ามันได้ผล

It's why Google is Google,

นั่นเป็นเหตุผลที่ทำไม กูเกิล ถึงเป็น กูเกิล

and it's why all these baseball teams use moneyball

และนั่นคือเหตุผลที่ทำไมทุกทีมเบสบอลจึงใช้มันนีบอล

to win games.

เพื่อชนะในเกมส์

The great news for us as well

ข่าวดีที่สุดสำหรับเราเช่นกัน

is that it's the way that we can transform

ที่มันเป็นวิธีที่เราจะเปลี่ยนโฉม

the American criminal justice system.

ระบบยุติธรรมของอเมริกา

It's how we can make our streets safer,

มันคือวิธีที่เราจะทำให้ท้องถนนปลอดภัยขึ้น

we can reduce our prison costs,

เราจะสามารถลดค่าใช้จ่ายด้านเรือนจำ

and we can make our system much fairer

และเราจะสามารถทำให้ระบบนี้ ยุติธรรมมากขึ้น

and more just.

และเที่ยงตรงมากขึ้น

Some people call it data science.

บางคนเรียกมันว่า วิทยาศาสตร์ด้านการวิเคราะห์ข้อมูล (Data science)

I call it moneyballing criminal justice.

แต่ฉันเรียกมันว่า ระบบยุติธรรมแบบมันนีบอล

Thank you.

ขอบคุณค่ะ

(Applause)

(เสียงปรบมือ)