據報道稱，美國伊利諾伊理工大學科學家用一種被稱為隨機森林的機器學習統計模型，對1816年到2015年美國最高法院的判決進行預測，準確率高于70%，較知識淵博的法律專家(預測準確率為66%)更勝一籌。

用計算機算法預測法官行為并不稀奇。2011年，西班牙學者在一項研究中，使用1953年到2004年任意8名法官的投票，來預測同一案件中第9名法官的投票，準確率為83%；2004年，美國學者使用1994年以來一直在法院工作的9名法官的判決，來預測2002年案件的判決結果，準確率為75%。

而伊利諾伊大學理工學院法學教授丹尼爾·卡茨的團隊利用最高法院數據庫，為每個投票標注了16個特征，包括法官任期、訴訟發起法庭、口頭辯論是否被聽到等，創建了最先進的算法。

該模型先學習了1816年到2015年最高法院案例特征與裁決結果之間的關聯，然后按年份研究每個案例的特征并預測裁決結果，最后被“投喂”關于該年份裁決結果實際信息的算法升級了預測策略，并繼續進行下一年的預測。

結果顯示，對于28000項判決結果及24萬張法官投票，新模型算法預測的正確率分別為70.2%和71.9%。相關研究文章發表在《公共科學圖書館·綜合》(PLOS ONE)上。

報道稱，律師最有可能率先將新算法付諸實踐，他們可以將不同的變量插入模型，以獲得想要的參考信息;投資者也可根據預測分析，對有較大獲勝可能的公司投資;而上訴人則可以根據獲勝幾率判斷是否再向最高法院提起訴訟。