罪犯危险性评估按照性质分为再犯危险性评估和狱内危险性评估。国外可应用的再犯危险性评估工具已发展至第四代,专门针对狱内风险评估的研究较少。传统的危险性评估主要采用量表自评或专家通过访谈后进行他评,上述方法难以避免由于社会赞许性带来的结果失真问题,且由于评估工具中预测因子数量有限,并不能全面真实地反映服刑人员的危险性水平。随着人工智能技术的全面发展,智能化分析技术能够综合已知的海量数据对于未来情况做出预测,本研究聚焦于探索该种可结合大量动静态预测因子对罪犯危险性程度进行预测的智能化评估体系。具体做法是利用人工智能技术对已有的标签数据进行深度学习,将大量"预测值"进行组合建立模型,预测个体的狱内、再犯危险性程度。模型建立后可叠加历史静态数据和动态数据进行分析,对服刑人员的风险程度进行实时计算,实现服刑人员风险的精准评估。这种基于大数据评估罪犯危险性的方法可以做到数据直观,将模糊的风险数值化,为监狱实时整体风险防控提供全新的途径。本文将对基于人工智能技术下的罪犯危险性评估理论依据、国内外发展应用现状、体系构建设想等进行介绍,并提出人工智能技术在罪犯心理测评中的应用前景。