留言討論


分享本文至 E-mail 信箱

難民安置在哪區比較好呢?以AI 演算法獲得最佳出路

2016 年,全球約有 6,560 萬人被迫離開家園進行遷徙,原因從戰亂到人權受侵犯都有。這個現象有日益嚴重的趨勢:2016 年比 2015 年多了 30 萬人(資料源自聯合國難民署 2017 年六月二十日所公佈的報告,為迄今為止最新的資訊)。

氣候變遷和全球暖化加劇了流離失所者的問題,預計有數百萬人被迫遷往其他不同氣候(通常為較冷)的國家。隨著問題的逐漸擴大,紐西蘭甚至考慮為這些受氣候變遷影響的人們建立一種新的簽證。

source:Inchi9@Wikimedia

一旦他們做出離開家園這項艱難的的決定,難民們將面臨其他一系列的問題:他們該逃往哪個國家?他們該去哪裡?他們到達後能夠找到工作嗎?

一般來說,接受難民的國家會把他們放在任何有空間的地方。舉例來說,如果某個託管社區在難民抵達時有空間,那麼那裡就是他們的新家。

然而,史丹佛大學和蘇黎世聯邦理工學院的研究人員現在已經開發了一種演算法,可以幫助各國更有效地安置難民,以提高他們找到工作和融入陌生社會的機會。他們的研究已發表在 Science 雜誌上。

難民安置演算法

該小組透過分析社會經濟數據開發他們的難民安置演算法。一共分析了 2011 年至 2016 年美國 18 至 64 歲之間的 3 萬多難民的社會經濟數據,與每個難民的就業結果等個人特徵(如:英語的流利程度和教育水平,以及他們在哪個國家定居等)。

該小組透過分析社會經濟數據開發他們的難民安置演算法。一共分析了2011年至2016年美國18至64歲之間的3萬多難民的社會經濟數據,與每個難民的就業結果等個人特徵(如:英語的流利程度和教育水平,以及他們在哪個國家定居等)。圖/VOA- Nicolas Pinault@Wikimedia

然後他們使用該演算法來預測 2016 年下旬抵達美國的難民的最佳安置地點,並將這些預測與難民的實際安置結果進行比較。他們發現,將演算法用於安置難民的預測就業率比 2016 年沒有使用演算法安置的實際就業率高了 41%。該小組利用 1999 年至 2013 年抵達瑞士的尋求庇護者提供的數據進行了同樣的實驗。如果2013 年底他們的難民安置演算法被使用,則就業率預測值將會比實際上高出 73%。

該研究的主要作者 Kirk Ba​​nsak 在史丹佛的新聞稿中表示:「我們預測的就業增長量相當可觀,而且這些效益可以在幾乎不增加政府或移民安置機構之成本的情況下實現。我們的演算法利用現有的數據來改進流程,避免了政策創新常遇到的許多財務和行政障礙。」

人機合作,打造雙贏新氣象

雖然難民安置演算法幾乎不需要額外的成本,就可以在政府或移民安置機構實施,但該小組表示,他們不希望它取代人力工作者。對於難民安置演算法未來的理想應用,他們想像了人工智慧提供建議以供移民官員做出最終決定的情況。

但在此之前,他們希望藉由更多生活中的應用來測試該演算法。為此,該小組正與政府和移民安置機構合作多個試點項目,以進一步測試演算法的能力。

人工智慧或許無法在任何方面都100%超過人類的水準,但正如史丹佛大學的研究人員所指出的,當人類和機器一起工作時,將能發揮出更多潛力。圖/Pixabay

雖然計算機程式在工作方面表現的並不總是比人類好,但有些演算法已經被證明能夠非常準確的做出預測。例如:可以有效預測自閉症投票行為心臟病發作等演算法。

人工智慧或許無法在任何方面都 100%超過人類的水準,但正如史丹佛大學的研究人員所指出的,當人類和機器一起工作時,將能發揮出更多潛力。

參考資料:

 

關於作者


PanX 泛科技

PanX 泛科技新聞網從科技議題著手,企圖把未來更清楚地描繪出來。從能源議題、金融科技、生物科技,到物聯網、大數據、工業4.0、自造者,都是我們專注的內容。若有任何見解歡迎向我們聯絡或投稿:contact [at]panx.asia

留言討論