据报道称，美国伊利诺伊理工大学科学家用一种被称为随机森林的机器学习统计模型，对1816年到2015年美国最高法院的判决进行预测，准确率高于70%，较知识渊博的法律专家(预测准确率为66%)更胜一筹。

用计算机算法预测法官行为并不稀奇。2011年，西班牙学者在一项研究中，使用1953年到2004年任意8名法官的投票，来预测同一案件中第9名法官的投票，准确率为83%；2004年，美国学者使用1994年以来一直在法院工作的9名法官的判决，来预测2002年案件的判决结果，准确率为75%。

而伊利诺伊大学理工学院法学教授丹尼尔·卡茨的团队利用最高法院数据库，为每个投票标注了16个特征，包括法官任期、诉讼发起法庭、口头辩论是否被听到等，创建了最先进的算法。

该模型先学习了1816年到2015年最高法院案例特征与裁决结果之间的关联，然后按年份研究每个案例的特征并预测裁决结果，最后被“投喂”关于该年份裁决结果实际信息的算法升级了预测策略，并继续进行下一年的预测。

结果显示，对于28000项判决结果及24万张法官投票，新模型算法预测的正确率分别为70.2%和71.9%。相关研究文章发表在《公共科学图书馆·综合》(PLOS ONE)上。

报道称，律师最有可能率先将新算法付诸实践，他们可以将不同的变量插入模型，以获得想要的参考信息;投资者也可根据预测分析，对有较大获胜可能的公司投资;而上诉人则可以根据获胜几率判断是否再向最高法院提起诉讼。