في سنة 2007، أصبحت النّائب العام لولاية نيوجرسي. كنت مدّعي العام، بداية في مكتب النّائب العام بمنطقة مانهاتن، و لاحقاً في وزارة العدل الأمريكية.
In 2007, I became the attorney general of the state of New Jersey. Before that, I'd been a criminal prosecutor, first in the Manhattan district attorney's office, and then at the United States Department of Justice.
ثم أصبحت النائب العام، لقد حصل أمران قد غيرا الطريقة التي أرى بها العدالة الجنائية. الأمر الأول هو أنني سألت ما اعتقدتها أنها أسئلة أساسية جداً. لقد أردت أن أعرف من كنّا نقوم بالقبض عليه، من كنّا نقاضي، و من كنا نزجّ في نظارات بلدنا و سجونها. و أردت أيضاً أن أفهم إن كنا نتخذ القرارات بطريقة تجعلنا أكثر أماناً. و لم أستطلع أن أحصل على هذه المعلومات. تبين أن أغلب وكالات العدل الجنائي كوكالتي لم تكن تتتبع الأمور المهمة. لذا بعد حوالي شهر من شعوري بالإحباط الذي لا يصدق، دخلت إلى غرفة اجتماعات كانت مليئة بالمحققين و بأكوام و أكوام من ملفات القضايا، و كان المحققن جالسين هناك مع دفاتر صفراء، يدونون الملاحظات. لقد كانوا يحاولون الحصول على المعلومات التي كنت أبحث عنها من خلال المرور بالقضايا، الواحدة تلو الأخرى في السنوات الخمس الماضية. كما يمكنكم التخيل، عندما حصلنا على النتائج في النهاية، لم تكن جيدة. تبين أننا نقوم بالكثير من قضايا المخدرات الصغيرة في الشوارع القريبة من مكتبنا في ترينتون.
But when I became the attorney general, two things happened that changed the way I see criminal justice. The first is that I asked what I thought were really basic questions. I wanted to understand who we were arresting, who we were charging, and who we were putting in our nation's jails and prisons. I also wanted to understand if we were making decisions in a way that made us safer. And I couldn't get this information out. It turned out that most big criminal justice agencies like my own didn't track the things that matter. So after about a month of being incredibly frustrated, I walked down into a conference room that was filled with detectives and stacks and stacks of case files, and the detectives were sitting there with yellow legal pads taking notes. They were trying to get the information I was looking for by going through case by case for the past five years. And as you can imagine, when we finally got the results, they weren't good. It turned out that we were doing a lot of low-level drug cases on the streets just around the corner from our office in Trenton.
الأمر الآخر الذي حصل هو أنني قضيت اليوم في مركز الشرطة في كامدِن في نيوجرسي. الآن، في ذلك الوقت، كانت كامدن في نيوجرسي، أكثر مدينة خطرة في أمريكا. لقد أدرت مركز شرطة كامدن بسبب ذلك. لقد أمضيت اليوم في مركز الشرطة، و لقد تم أخذي إلى غرفة مع مسؤولي شرطة رفيعي المستوى، الجميع كان يعمل بجد و يحاول جاهداً أن يقلل من الجريمة في كامدِن. و ما رأيته في تلك الغرفة، بينما تناقشنا في كيفية تقليل الجريمة، كان مجموعة من الضباط مع العديد من القصاصات الصفراء اللّاصقة. و كانوا يأخذون قصاصة صفراء و كانوا يكتبون شيئاً عليها و يضعونها على لوح. و أحدهم قال: "لقد حصلت سرقة منذ أسبوعين. ليس لدينا مشتبه بهم." و قال آخر: "لقد حصل إطلاق نار في هذا الحي الأسبوع الماضي. ليس لدينا مشتبه بهم." لم نكن نقوم بعمل مبني على البيانات. بشكل رئيسي، لقد كنا نحاول أن نحارب الجريمة بقصاصات 'بوست نوت' صفراء.
The second thing that happened is that I spent the day in the Camden, New Jersey police department. Now, at that time, Camden, New Jersey, was the most dangerous city in America. I ran the Camden Police Department because of that. I spent the day in the police department, and I was taken into a room with senior police officials, all of whom were working hard and trying very hard to reduce crime in Camden. And what I saw in that room, as we talked about how to reduce crime, were a series of officers with a lot of little yellow sticky notes. And they would take a yellow sticky and they would write something on it and they would put it up on a board. And one of them said, "We had a robbery two weeks ago. We have no suspects." And another said, "We had a shooting in this neighborhood last week. We have no suspects." We weren't using data-driven policing. We were essentially trying to fight crime with yellow Post-it notes.
الآن، كلا هذان الأمران جعلاني أدرك أننا كنا نفشل بشكل أساسي. لم نكن حتى نعلم من كان في نظامنا للعدالة الجنائية، لم يكن لدينا أي بيانات عن الأمور التي كانت مهمة، و لم نتبادل بيانات أو نستخدم تحليلات أو أدوات لمساعدتنا على اتخاذ قرارات أفضل و على الحد من الجريمة. و للمرة الأولى، بدأت بالتفكير بكيفية اتخاذنا للقرارات. عندما كنت مساعدة النائب العام، و عندما كنت مدعي عام فيديرالي، لقد نظرت في القضايا الموجودة أمامي، و بشكل عام قمت باتخاذ قرارات مبنية على حدسي و خبرتي. عندما أصبحت النائب العام، لقد تمكنت من النظر إلى النظام كَكُل، و الأمر الذي فاجأني هو أنني و جدت أن ذلك كان تماماً الطريقة التي كنا نقوم بالأمور خلال النظام بأكمله -- في مراكز الشرطة، في مكاتب المدعي العام، في المحاكم و السجون. و الأمر الذي أدركته مباشرة هو أننا لم نكن نقوم بعمل جيد. لذا أردت القيام بالأمور بشكل مختلف. أردت أن أدخل البيانات و التحليلات و التحليلات الإحصائية الدقيقة في العمل. باختصار، أردت أن أجعل العدالة الجنائية أكثر نجاحاً بالتخطيط.
Now, both of these things made me realize fundamentally that we were failing. We didn't even know who was in our criminal justice system, we didn't have any data about the things that mattered, and we didn't share data or use analytics or tools to help us make better decisions and to reduce crime. And for the first time, I started to think about how we made decisions. When I was an assistant D.A., and when I was a federal prosecutor, I looked at the cases in front of me, and I generally made decisions based on my instinct and my experience. When I became attorney general, I could look at the system as a whole, and what surprised me is that I found that that was exactly how we were doing it across the entire system -- in police departments, in prosecutors's offices, in courts and in jails. And what I learned very quickly is that we weren't doing a good job. So I wanted to do things differently. I wanted to introduce data and analytics and rigorous statistical analysis into our work. In short, I wanted to moneyball criminal justice.
الآن، التخطيط، كما يعلم الكثير منكم، هو ما قام به نادي أوكلاند أي [لنادي كرة القاعدة]، حيث استخدموا بيانات ذكية و إحصائيات لاستنتاج طريقة اختيار اللّاعبين الذين يمكنهم مساعدة النادي على الفوز بالمباريات، و تحولوا من نظام كان قائم على كشافة كرة القاعدة الذين كانوا يخرجون و يشاهدون اللّاعبين و يستخدمون حدسهم و خبرتهم، خبرة و حدس الكشافة، لاختيار اللّاعبين، من هذا النظام إلى استخدام البيانات الذكية و تحليل إحصائي دقيق لاستنتاج كيفية اختيار اللاعبين القادرين على مساعدة النادي على الفوز بالمباريات.
Now, moneyball, as many of you know, is what the Oakland A's did, where they used smart data and statistics to figure out how to pick players that would help them win games, and they went from a system that was based on baseball scouts who used to go out and watch players and use their instinct and experience, the scouts' instincts and experience, to pick players, from one to use smart data and rigorous statistical analysis to figure out how to pick players that would help them win games.
لقد نجح الأمر لنادي أوكلاند أي، و نجح الأمر لولاية نيوجيرسي. لقد أزلنا كامدن من أعلى القائمة كأخطر مدينة في أمريكا. لقد قللنا الجرائم بنسبة 41%، الأمر الذي يعني حقاً أنه تم انقاذ 37 حياة. و قللنا كل الجرائم في المدينة بنسبة 26%. لقد غيرنا أيضاً طريقتنا في الملاحقات الجنائية. هكذا انتقلنا من العمل على جرائم مخدرات بسيطة خارج بنائنا إلى العمل على القضايا المهمة على مستوى الولاية بأكملها، قضايا متعلقة بأمور مثل خفض العنف مع أكثر الجناة عنفاً، محاكمة عصابات الشوارع، الاتجار بالأسلحة و المخدرات، و الفساد السياسي.
It worked for the Oakland A's, and it worked in the state of New Jersey. We took Camden off the top of the list as the most dangerous city in America. We reduced murders there by 41 percent, which actually means 37 lives were saved. And we reduced all crime in the city by 26 percent. We also changed the way we did criminal prosecutions. So we went from doing low-level drug crimes that were outside our building to doing cases of statewide importance, on things like reducing violence with the most violent offenders, prosecuting street gangs, gun and drug trafficking, and political corruption.
و كل هذه الأمور لها أهمية كبيرة، لأن الأمن العام بالنسبة لي هو أهم وظيفة للحكومة. إن لم نكن آمنين، لا نستطيع أن نكون متعلمين، لا نستطيع أن نكون أصحاء، لا نستطيع أن نقوم بأي من الأمور الأخرى التي نريد أن نقوم بها في حياتنا. و نحن نعيش في بلد اليوم حيث نواجه مشاكل جادة في العدالة الجنائية. لدينا 12 مليون عملية اعتقال كل سنة. القسم الأكبر من هذه الاعتقالات هي جرائم بسيطة، مثل الجنح، 70 إلى 80%. إن أقل من 5% من جميع حالات الاعتقال هي لجرائم عنف. و مع ذلك نحن ننفق 75 مليار، و أنا أقول مليار، دولار سنوياً على مصاريف التصحيحات في الولاية و المحلية. حالياً، اليوم، لدينا 2.3 مليون شخص في نظاراتنا و سجوننا. و نحن نواجه تحديات لا تصدق متعلقة بالأمن العام لأن لدينا وضع حيث ثلثي الناس في السجون موجودين هناك بانتظار محاكمتهم. لم تتم إدانتهم بعد بجريمة. إنهم فقط ينتظرون يوم محاكمتهم في المحكمة. و 67% من الناس ترجع إلى السجن. إن معدلنا الذي يسوء هو من بين أعلى المعدلات في العالم. تقريباً سبعة من 10 أشخاص الذين تم إطلاقهم من السجن سوف يتم القبض عليهم مرة أخرى بدورة مستمرة من الجريمة و السجن.
And all of this matters greatly, because public safety to me is the most important function of government. If we're not safe, we can't be educated, we can't be healthy, we can't do any of the other things we want to do in our lives. And we live in a country today where we face serious criminal justice problems. We have 12 million arrests every single year. The vast majority of those arrests are for low-level crimes, like misdemeanors, 70 to 80 percent. Less than five percent of all arrests are for violent crime. Yet we spend 75 billion, that's b for billion, dollars a year on state and local corrections costs. Right now, today, we have 2.3 million people in our jails and prisons. And we face unbelievable public safety challenges because we have a situation in which two thirds of the people in our jails are there waiting for trial. They haven't yet been convicted of a crime. They're just waiting for their day in court. And 67 percent of people come back. Our recidivism rate is amongst the highest in the world. Almost seven in 10 people who are released from prison will be rearrested in a constant cycle of crime and incarceration.
لذا عندما باشرت عملي في مؤسسة آرنولد، عدت للنظر في الكثير من هذه الأسئلة، و عدت إلى التفكير بكيف كنا قد استخدمنا البيانات و التحليلات لتغيير الطريقة التي اتبعناها في تحقيق العدالة الجنائية في نيوجرسي. و عندما أنظر إلى نظام العدالة الجنائية في الولايات المتحدة اليوم، أشعر بنفس الطريقة التي شعرت بها بالضبط تجاه ولاية نيوجرسي عندما بدأت هناك، الأمر الذي يجب بكل تأكيد أن نقوم به بشكل أفضل، و إني أعلم أنه يمكننا التحسن.
So when I started my job at the Arnold Foundation, I came back to looking at a lot of these questions, and I came back to thinking about how we had used data and analytics to transform the way we did criminal justice in New Jersey. And when I look at the criminal justice system in the United States today, I feel the exact same way that I did about the state of New Jersey when I started there, which is that we absolutely have to do better, and I know that we can do better.
لذا قررت أن أركز على استخدام البيانات و التحليلات لتسهيل اتخاذ القرار الأهم فيما يتعلق بالأمن العام، و ذلك القرار هو تحديد إن كان، عندما يتم القبض على شخص ما، إن كان يمثل خطر على الأمن العام و يجب اعتقاله، أو إن كان لا يمثل خطر على الأمن العالم و يجب إطلاقه. إن كل ما يحدث في القضايا الجنائية مترتب على هذه القرار الوحيد. إنه يؤثر على كل شيء. إنه يؤثر على الحكم. إنه يؤثر على إن كان الشخص سوف يحصل على تأهيل من المخدرات. إنه يؤثر على الجريمة و العنف. و عندما أتحدث مع القضاة من جميع أنحاء الولايات المتحدة الأمريكية، الأمر الذي أقوم به كل الوقت الآن، جميعهم يقول الشيء ذاته، أن نضع الأشخاص الخطرين في السجن، و نخرج الأشخاص الغير خطرين، الغير عنيفين. إنهم يعنون كلامهم و يصدقونه. لكنك عندما تنظر إلى البيانات، التي، بالمناسبة، لا يمتلكها القضاة، عندما نبدأ بالنظر إلى البيانات، الأمر الذي نجده مراراً و تكراراً، هو أن هذا ليس ما يحصل حقاً. نحن نجد أن الجناة منخفضي الخطورة، الذين يشكلون حتى 50% من كل الأشخاص في العدالة الجنائية، نجد لأنهم في السجن. انظر إلى ليزلي تشو، الذين كان رجل من تكساس الذي سرق أربعة بطانيات في ليلة شتاء باردة. لقد تم اعتقاله، و تم حبسه في السجن بكفالة مقدارها 3,500 دولار، مبلغ لم يمكن بمقدوره دفعه. و ظلّ في السجن ثمانية شهور حتى وصلت قضيته للمحاكمة، و بتكلفة أكثر من 9,000 دولار من أموال الضرائب. و من الناحية الأخرى، نحن نقوم بعمل سيء مماثل. إن الأشخاص الذين نجدهم جناة ذو خطورة كبيرة، الأشخاص الذين نعتقد أن لديهم أعلى قابلية لارتكاب جرائم جديدة إن أطلقنا سراحهم، نحن نرى أن 50% من هؤلاء الأشخاص على المستوى الوطني يتم إطلاق سراحهم.
So I decided to focus on using data and analytics to help make the most critical decision in public safety, and that decision is the determination of whether, when someone has been arrested, whether they pose a risk to public safety and should be detained, or whether they don't pose a risk to public safety and should be released. Everything that happens in criminal cases comes out of this one decision. It impacts everything. It impacts sentencing. It impacts whether someone gets drug treatment. It impacts crime and violence. And when I talk to judges around the United States, which I do all the time now, they all say the same thing, which is that we put dangerous people in jail, and we let non-dangerous, nonviolent people out. They mean it and they believe it. But when you start to look at the data, which, by the way, the judges don't have, when we start to look at the data, what we find time and time again, is that this isn't the case. We find low-risk offenders, which makes up 50 percent of our entire criminal justice population, we find that they're in jail. Take Leslie Chew, who was a Texas man who stole four blankets on a cold winter night. He was arrested, and he was kept in jail on 3,500 dollars bail, an amount that he could not afford to pay. And he stayed in jail for eight months until his case came up for trial, at a cost to taxpayers of more than 9,000 dollars. And at the other end of the spectrum, we're doing an equally terrible job. The people who we find are the highest-risk offenders, the people who we think have the highest likelihood of committing a new crime if they're released, we see nationally that 50 percent of those people are being released.
إن السبب في ذلك هو طريقة اتخاذنا القرارات. إن القضاة يقصدون خيراً عندما يتخذون هذه القرارات بشأن الخطورة، لكنهم يتخذونها بشكل شخصي. إنهم ككشافة كرة القاعدة قبل 20 سنة الذين كان يستخدمون حدسهم و خبرتهم ليحاولوا أن يقرروا خطورة شخص ما. إنهم شخصيين، و نحن نعلم ما الذي يحدث عند اتخاذ قرارات شخصية، و هو أننا غالباً ما نكون مخطئين. و ما نحتاجه في هذا المجال هو بيانات قوية و تحليلات.
The reason for this is the way we make decisions. Judges have the best intentions when they make these decisions about risk, but they're making them subjectively. They're like the baseball scouts 20 years ago who were using their instinct and their experience to try to decide what risk someone poses. They're being subjective, and we know what happens with subjective decision making, which is that we are often wrong. What we need in this space are strong data and analytics.
الأمر الذي قررت البحث عنه كان أداة إحصائية ذات بيانات قوية لتقدير الأخطار، شيء يستطيع أن يسمح للقضاة أن يدركوا حقاً بطريقة علمية و موضوعية ماهية الخطر الذي يشكله شخص ما أمامهم. لقد بحثت في جميع أنحاء البلد، و وجدت أنه بين خمسة و 10% من جميع السلطات القضائية الأمريكية يستعمل حقاً أي نوع من أدوات تقدير الأخطار، و عندما نظرت إلى هذه الأدوات، أدركت بسرعة السبب. لقد كانت إدارتها باهظة الثمن بشكل لا يصدق، و كانت مستهلكة للوقت، و كانت مقصورة على السلطة القضائية المحلية حيث تم ابتكارها. إذاً بشكل أساسي، لم يكن بالوسع تعييرها أو نقلها إلى أماكن أخرى.
What I decided to look for was a strong data and analytic risk assessment tool, something that would let judges actually understand with a scientific and objective way what the risk was that was posed by someone in front of them. I looked all over the country, and I found that between five and 10 percent of all U.S. jurisdictions actually use any type of risk assessment tool, and when I looked at these tools, I quickly realized why. They were unbelievably expensive to administer, they were time-consuming, they were limited to the local jurisdiction in which they'd been created. So basically, they couldn't be scaled or transferred to other places.
لذا خرجت و بنيت فريق استثنائي مكون من علماء بيانات و باحثين و إحصائيين لبناء أداة تقدير أخطار شاملة، لكي يستطيع كل حاكم في الولايات المتحدة الأمريكية أن يحصل على مقياس موضوعي و علمي للخطورة. في الأداة التي بنيناها، ما قمنا به كان أننا جمعنا 1.5 مليون قضية من جميع أنحاء الولايات المتحدة، من مدن، من أقاليم، من كل ولاية في البلد، المقاطعات الفدرالية. و بهذه الـ 1.5 مليون قضية، و هي أكبر مجموعة بيانات متعلقة بما قبل المحاكمات في الولايات المتحدة اليوم، لقد كنا قادرين بشكل رئيسي إيجاد أنه هناك أكثر من 900 عامل للخطورة استطعنا النظر فيه لمحاولة استنتاج الأمور الأكثر أهمية. و وجدنا أنه كان هناك تسعة أمور محددة كان لها أهمية في جميع أنحاء البلد و التي كانت أكثر ما يتوقع الخطورة. و هكذا قمنا ببناء أداة لتقييم الأخطار شاملة. و تبدو كهذه. كما سوف ترون، نحن ندخل بعض المعلومات فيها، لكن أغلبها سهل للغاية، إنها سهلة الاستعمال، إنها تركز على أمور كالإدانات السابقة للمدعى عليهم، إن كانوا قد حكم عليهم بالسجن، إن كانوا قد تورطوا بأمر عنيف من قبل، إن كانوا حتى لم يعودوا إلى المحكمة. و بهذه الأداة، نحن نستطيع توقع ثلاثة أشياء. أولاً، إن كان أحدهم سوف يرتكب جريمة جديدة أم لا إن تم إطلاق سراحهم. ثانياً، للمرة الأولى، و إنني أعتقد أن هذا أمر مهم للغاية، نحن قادرين على توقع إن كان أحدهم سوف يرتكب أمراً عنيفاً إن تم إطلاق سراحهم. و هذا أهم أمر يخبرك القضاة به عند الحديث معهم. و ثالثاً، نحن نستطيع توقع إن كان شخص ما سوف يأتي مرة أخرى إلى المحكمة. و كل قاضي في الولايات المتحدة الأمريكية يمكنه استخدامه، لأنه تم إنشاءه بناء على مجموعة بيانات شاملة.
So I went out and built a phenomenal team of data scientists and researchers and statisticians to build a universal risk assessment tool, so that every single judge in the United States of America can have an objective, scientific measure of risk. In the tool that we've built, what we did was we collected 1.5 million cases from all around the United States, from cities, from counties, from every single state in the country, the federal districts. And with those 1.5 million cases, which is the largest data set on pretrial in the United States today, we were able to basically find that there were 900-plus risk factors that we could look at to try to figure out what mattered most. And we found that there were nine specific things that mattered all across the country and that were the most highly predictive of risk. And so we built a universal risk assessment tool. And it looks like this. As you'll see, we put some information in, but most of it is incredibly simple, it's easy to use, it focuses on things like the defendant's prior convictions, whether they've been sentenced to incarceration, whether they've engaged in violence before, whether they've even failed to come back to court. And with this tool, we can predict three things. First, whether or not someone will commit a new crime if they're released. Second, for the first time, and I think this is incredibly important, we can predict whether someone will commit an act of violence if they're released. And that's the single most important thing that judges say when you talk to them. And third, we can predict whether someone will come back to court. And every single judge in the United States of America can use it, because it's been created on a universal data set.
إن الأمر الذي يراه القضاة عند استخدام أداة تقدير الأخطار هو التالي -- إنه لوحة. في الأعلى، ترى درجة النشاط الجنائي الحديث، الدرجة السادسة بالطبع هي الأعلى، و ثم في الوسط ترى، "مستوى العنف مرتفع." و ما يخبرنا به ذلك هو أن هذا الشخص لديه مستوى مرتفع من العنف أن يجب على القاضي التدقيق فيه. و ثم، نزولاً إلى الأسفل، ترى درجة عدم الحضور للمحكمة، و التي هي أيضاً إحتمالية أن شخص ما سوف يرجع إلى المحكمة.
What judges see if they run the risk assessment tool is this -- it's a dashboard. At the top, you see the New Criminal Activity Score, six of course being the highest, and then in the middle you see, "Elevated risk of violence." What that says is that this person is someone who has an elevated risk of violence that the judge should look twice at. And then, towards the bottom, you see the Failure to Appear Score, which again is the likelihood that someone will come back to court.
الآن، أود أن أقول أمراً مهماً جداً. إن الأمر ليس أنني أعتقد أنه يجب علينا أن نستقصي حدس القاضي و خبرته من العملية. إنني لا أعتقد ذلك. إنني في الواقع أؤمن أن المشكلة التي نراها و السبب في أن لدينا هذه الأخطاء في النظام التي لا تصدق، حيث نقوم بسجن الأشخاص ذي الخطورة المنخفضة و نقوم بإطلاق سراح الأشخاص الخطرين ذي الخطورة العالية، هو أنه ليس لدينا مقياس موضوعي للخطورة. لكن ما يجب أن يحصل باعتقادي هو أنه يجب علينا أخذ ذلك التقييم المبني على البيانات و دمجه بحدس القاضي و خبرته ليؤدي بنا إلى اتخاذ قرارات أفضل. إن الأداة تعممت على مستوى الولاية في كنتاكي في 1 يوليو، و نحن سوف نتوسع في عدد من السلطات القضائية الأمريكية الأخرى. هدفنا، ببساطة جداً، هو أن يستخدم كل قاضي في الولايات المتحدة أداة مبنية على البيانات خلال السنوات الخمس التالية. إننا الآن نعمل على أدوات مخاطرة للمدعي العام و ضباط الشرطة أيضاً، لمحاولة أخذ نظام يعمل حالياً في أمريكا بنفس طريقة عمله منذ 50 سنة مضت، مبني على الحدس و الخبرة، و تحويله إلى نظام يعتمد على البيانات و التحليلات.
Now I want to say something really important. It's not that I think we should be eliminating the judge's instinct and experience from this process. I don't. I actually believe the problem that we see and the reason that we have these incredible system errors, where we're incarcerating low-level, nonviolent people and we're releasing high-risk, dangerous people, is that we don't have an objective measure of risk. But what I believe should happen is that we should take that data-driven risk assessment and combine that with the judge's instinct and experience to lead us to better decision making. The tool went statewide in Kentucky on July 1, and we're about to go up in a number of other U.S. jurisdictions. Our goal, quite simply, is that every single judge in the United States will use a data-driven risk tool within the next five years. We're now working on risk tools for prosecutors and for police officers as well, to try to take a system that runs today in America the same way it did 50 years ago, based on instinct and experience, and make it into one that runs on data and analytics.
الآن، إن الأخبار الرائعة المتعلقة بهذا كله، و أمامنا الكثير من العمل لإنجازه، و أمامنا ثقافة كبيرة لتغييرها، لكن الأخبار الرائعة المتعلقة بهذا كله هي أننا نعلم أن هذا النظام فعّال. إنه السبب في أن جوجل هو جوجل، و إنه السبب في أن كل فرق كرة القاعدة هذه تستخدم التخطيط للفوز بالمباريات. إن الأخبار الرائعة بالنسبة لنا أيضاً هي أنه هذه هي الطريقة التي يمكننا من خلالها تغيير نظام العدالة الجنائية الأمريكية. إنها الطريقة التي يمكننا بها جعل شوارعنا أكثر أماناً، و يمكننا تقليل تكلفة السجون، و يمكننا جعل نظامنا أكثر إنصاف بكثير و عدالة. بعض الأشخاص يسموه بعلم البيانات. و أنا أسميه تخطيط العدالة الجنائية.
Now, the great news about all this, and we have a ton of work left to do, and we have a lot of culture to change, but the great news about all of it is that we know it works. It's why Google is Google, and it's why all these baseball teams use moneyball to win games. The great news for us as well is that it's the way that we can transform the American criminal justice system. It's how we can make our streets safer, we can reduce our prison costs, and we can make our system much fairer and more just. Some people call it data science. I call it moneyballing criminal justice.
شكراً.
Thank you.
تصفيق
(Applause)