该实验的结果是，经验中具有相对低ACC脑活动的受试者的风险是未来四年内违反法律的风险。?观 * [2]？用法，尤其是在年轻的时候。因此，AAC结构部分基于我们学到的知识，我们不是那样天生的。违反行为。因此，个人可以学习其他脚本。因此，在自发的情况下，主题不会启动较早的脚本来违反法律，而是开始了新的强大脚本，以不做并抵制诱惑。这样的新脚本必须包括不立即决定，而是要开始决策过程。这包括长期后果（重返监狱），同时也与受害者建立同理心。
欺诈三角源自唐纳德·克雷西（Donald Cressey）的假设 / Wikimedia
由于唐纳德·克雷西（Donald Cressey）的欺诈三角？[4]，消极的环境可能会诱使个人提出非作法行为。从理论上讲，如果风险人进入风险领土，则违反法律行为的总体风险将会上升。如今，不同的网络收集了警察信息，例如犯罪及其位置，以创建实时的公共安全图。
白领犯罪风险区使用机器学习来预测美国大部分可能发生的金融犯罪。
当然，数据隐私法律禁止，但是从技术上讲，可以在公司的招聘测试中收集AAF信息。由于这种结果，该公司可以决定候选人是否适合工作职能（及其风险水平），并且此外还可以接受量身定制的培训。采取下一步，可以将这些结果与实时风险图结合在一起，以预测个人打破指南的实际概率。如前所述，实际数据隐私法禁止这种情况。
由于现代数据隐私法（例如2018年欧盟一般数据保护法规），要求公司在使用收集信息的目的方面是透明的。因此，不允许从招聘过程中获取信息（包括来自ACC检验），并以后使用它们，至少如果个人不授权组织这样做，则不可能使用它们。但是从技术上讲，可以使用此信息来决定候选人是否适合以后的工作职能（及其风险水平），并且此外还可以接受量身定制的培训。采取下一步，可以将这些结果与实时风险图结合在一起，以预测个人打破指南的实际概率。如前所述，这种情况受到当地数据保护法的限制。
未来的技术可能性使今天必须开始讨论道德后果。我们希望避免根据他的脑电波雇用无辜的人，因为他们可能会预测在压力情况下不进行行为的可能性更高，因此会对组织产生相关的负面影响，或者我们相信人类和人类和原则是每个人都是无辜的，直到犯罪才能证明？此外，由于最后一个被预测，甚至没有投入。实际上，我们甚至不必开始讨论，因为作者菲利普·迪克（Philip K.