مغز مقصر چگونه است؟



هنگامی که هربرت وینستین به جرم قتل همسرش در سال 1992 محاکمه می شد ، آرامش اندازه گیری شده ای که وی با بیان آن مرگ او و رویدادهای منجر به آن را بیان کرد تحت تأثیر قرار گرفت. او هیچ تلاشی برای انکار گناه خود انجام نداد ، و با این وجود رواقی در برابر اقدامات وحشیانه غیرمعمولش باعث شد تا دفاعیات وی شک کند که ممکن است نباشد. وینستین تحت آزمایشات تصویربرداری عصبی قرار گرفت که آنچه وکلای وی به آن مشکوک بودند را تأیید کرد: کیست قسمتهای زیادی از لوب پیشانی وینستین را که مقر کنترل تکانه در مغز است ، تحت تأثیر قرار داد. بر این اساس ، آنها استدلال می کنند که وی باید مجرم به جنون شناخته نشود ، حتی اگر وینستین آزادانه گناه خود را پذیرفت.

تعریف گناه دشوار است ، اما در همه جنبه های زندگی ما نفوذ می کند ، خواه خود را به دلیل عدم آموزش و یا خدمت در هیئت منصفه کیفری مجازات کنیم. به نظر می رسد که مردم ارتباط قوی با عدالت دارند ، اما ما مجبور به کشیدن کابلهای عاطفی خود نیز هستیم. این انگیزه برای انتقال یک روش عصبی شیمیایی به جنون ما منجر به تولید کاتالوگهای گسترده ای از مطالعات تصویربرداری عصبی شده است که جزئیات پایه عصبی همه چیز را از اضطراب گرفته تا دلتنگی بیان می کند. در یک مطالعه اخیر ، محققان اکنون می گویند که آنها ما را یک قدم به شناخت مغز مقصر نزدیک کرده اند.

از آنجا که گناه با توجه به زمینه یا فرهنگ متفاوت است ، نویسندگان مطالعه تصمیم گرفتند که آن را عملیاتی به عنوان آگاهی از آسیب رساندن به شخص دیگری تعریف کنند. یک سری آزمایشات تصویربرداری تشدید مغناطیسی عملکردی (fMRI) در دو گروه مجزا ، یکی سوئیسی و دیگری در چین ، آنچه را “امضای مغز مرتبط با گناه” می نامند ، نشان می دهد که همچنان در گروه ها وجود دارد. از آنجا که احساس گناه جامع یک ویژگی مشترک در افسردگی اساسی و PTSD است ، نویسندگان پیشنهاد می کنند که نشانگر زیستی عصبی برای گناه ممکن است نگاه دقیق تری به این شرایط و به طور بالقوه درمان آنها داشته باشد. اما نشانگرهای زیستی مبتنی بر مغز در زمینه رفتارهای پیچیده انسانی ، خود را به عنوان یک رشته اخلاقی پیش بینی شده عصبی ، شاخه ای در حال ظهور در علوم رفتاری که ترکیبی از تصویربرداری عصبی و یادگیری ماشین است ، پیش بینی می کند که چگونه می توان بر اساس مقایسه اسکن عمل کرد. مغز او را نسبت به گروههای دیگر

الگوریتم های پیش آگهی سالهاست که در بهداشت و درمان ، تبلیغات و معروف ترین آنها در سیستم عدالت کیفری مورد استفاده قرار می گیرند. الگوریتم های تشخیص چهره و ارزیابی ریسک به دلیل تعصب نژادی مورد انتقاد قرار گرفته اند و هنگام طبقه بندی مجرمان به عنوان “ریسک بالا” به عنوان “کم خطر” به طور قابل توجهی دقت کمتری دارند. گزارش معروف ACLU در سال 2018 در مورد الگوریتم شناسایی مجدد آمازون برای شناسایی و تجزیه و تحلیل افراد ، از مشهورترین افشای چنین تعصبی بود که 28 عضو کنگره را به عنوان مجرم به دلیل برخورد با پایگاه داده ، نادرست شناسایی می کند همراه با عکس افراد رنگین پوست تقریباً 40 درصد از افراد نامشخص را تشکیل می دادند و سهم خود را از کنگره دو برابر می کردند. آمازون با استفاده از روش مورد استفاده در آن زمان صدای عمومی را به دست آورد. با این وجود ، فقط در این تابستان ، در میان یک جنبش سراسری برای از بین بردن پلیس و دادرسی کیفری با تعصب نژادی ، منجر به مرگ و حبس نامتناسب BIPOC ، مجری قانون استفاده از Rekogmination را به مدت یک سال متوقف کرد.

برخی از محققان استدلال می کنند که داده های تصویربرداری عصبی باید تئوریک تعصبی را که هنگام آموزش الگوریتم های پیش بینی در شاخص های اقتصادی اجتماعی و سوابق کیفری رخ می دهد ، بر اساس این فرض که شاخص های بیولوژیکی اساساً عینی تر از سایر گونه ها هستند ، حذف کند. داده ها. در یک مطالعه ، داده های fMRI از زندانیانی که به دنبال درمان سو abuse مصرف مواد بودند ، با استفاده از الگوریتم های یادگیری ماشین در تلاش برای پیوند دادن فعالیت مغز به نام قشر قدامی سینگولات قدامی یا ACC ، با احتمال تکمیل برنامه ای برای رفتار. این الگوریتم می تواند نتایج درمان را در حدود 80 درصد از زمان به درستی پیش بینی کند. محققان تغییرات در فعالیت ACC را به خشونت ، رفتار ضد اجتماعی و افزایش احتمال پشتی در مطالعات تصویربرداری عملکردی مشابه مرتبط دانسته اند. در حقیقت ، جستجوی مرکز گناه عصبی در مغز نیز منجر به ACC شد.

با این حال ، یکی از مشکلات fMRI این است که به طور مستقیم الگوهای شلیک عصبی را اندازه گیری نمی کند. بلکه از جریان خون در مغز به عنوان پروکسی بصری برای فعالیت عصبی استفاده می کند. رفتارهای پیچیده و حالات عاطفی بسیاری از قسمتهای گسترده مغز را درگیر می کند و الگوهای فعالیت در این شبکه ها بینشی بیشتر از بررسی عکسهای فوری فعالیت در مناطق منفرد را فراهم می کند. بنابراین ، اگر چه ممکن است وسوسه انگیز باشد که مجری قانون نتیجه گیری کند که فعالیت ACC کم می تواند به عنوان نشانگر زیستی برای خطر عود استفاده شود ، اما الگوهای تغییر یافته ACC نیز از مشخصه های اسکیزوفرنی و اختلالات طیف اوتیسم است. به جای کاهش تعصب با استفاده از نشانگرهای آناتومیکی ظاهراً عینی فعالیت عصبی ، استفاده از نشانگرهای زیستی رفتاری در چارچوب عدالت کیفری باعث ایجاد تبهکاری در جرم انگاری بیماری روانی و واگرایی عصبی می شود.

ممکن است محدودیت های دیگری برای fMRI به عنوان یک روش وجود داشته باشد. بررسی اخیر مقیاس گسترده ای از مطالعات متعدد fMRI به این نتیجه رسیده است که تنوع نتایج ، حتی در سطح فردی ، برای جمع بندی آنها از نظر گروههای بزرگتر بسیار زیاد است ، بسیار کمتر برای استفاده از آنها به عنوان چارچوبی برای الگوریتم های پیش بینی. ایده اصلی الگوریتم ارزیابی ریسک بر اساس این فرضیه قطعی است که افراد تغییر نمی کنند. در واقع ، این جبر مشخصه مدل های تلافی جویانه عدالت است که این الگوریتم ها از آنها استفاده می کنند ، که بیشتر به جای بررسی شرایط منجر به دستگیری ، بر مجازات و حبس مجرمان متمرکز است.

در حقیقت ، چنین استفاده ای از تصاویر مغز به عنوان یک ابزار پیش بینی در رفتار انسان ، آنچه را که به نظر می رسد یک واقعیت اساسی در علوم اعصاب است ، نادیده می گیرد: اینکه مغزها ، مانند انسان ها ، قادر به تغییر هستند. که بسته به تجربه دائماً در حال بازسازی ، الکتریکی و ساختاری هستند. پیش بینی عصبی به جای اینکه صرفاً ابزاری پیچیده تر برای اجرای حکم باشد ، قدرت شناسایی همان امضاها را دارد و در عوض روش های مداخله را پیشنهاد می دهد. هر الگوریتمی ، هر چقدر هم پیچیده باشد ، همیشه به اندازه افرادی که از آن استفاده می کنند اعتیاد آور خواهد بود. ما نمی توانیم رسیدگی به این سوگیری ها را شروع کنیم تا زمانی که در رویکردهای اساسی خود در قبال جرم و عدالت تجدیدنظر کنیم.


منبع: khabar-dirooz.ir

دیدگاهتان را بنویسید

Comment
Name*
Mail*
Website*