被告【种族】【性别】【年龄】，被指控犯有【犯罪指控描述】该罪行等级为【罪行等级】。之前已【次】被宣布有罪。
有过【次】青少年重罪指控、【次】青少年行为不端指控记录在案。
直接从布劳沃德县的数据库提取每个变量（种族、性别等）并套到上面的格式中，这就是关于罪犯的所有信息，没有对罪犯进行心理测试，没有对以前的犯罪行为进行详细的统计分析，也没有任何面谈。朱莉娅研究的课题是，未曾受过法律培训的人是否可以通过这个简短的描述预测被告是否会再次犯罪。
为了验证她的猜想，朱莉娅使用的工具和亚历克斯·科岗在他研究伊始所用的一样：“机械土耳其人”。她给在美国工作的这些“机械土耳其人”1美元，请他们评估50个不同被告。在他们看过每一段描述之后她会发问：“你认为这个人会在两年内犯下另一项罪行吗？”他们需要回答“会”或“不会”。朱莉娅提前告诉这些人，如果他们在至少65%的案件中做出了正确的回答，他们将获得5美元的奖金。这给了他们额外的动力去做出好的预测。
几乎一半的“机械土耳其人”答对了足够多的问题，赢得了奖金。参与调查的“机械土耳其人”平均正确预测了他们63%的案例，将近二分之一的人拿到了这额外的5美元。
更重要的是，他们的表现比起算法来说差距并不大，实际上几乎平分秋色。
对于在量刑时使用算法的人来说，这是一个发人深省的研究结果。
第一部分 算在监视我数据做了什么？
71