科學家宣稱找到了解決難民危機的辦法


根據聯合國難民署(United Nations Refugee Agency)的數據,全世界目前因為衝突、迫害和腐敗等各種原因而背井離鄉的難民總數約為6,560萬人,創下歷史最高紀錄。

澳大利亞、美國、英國和德國都是難民心目中的熱門國家,他們渴望在那裏開始美好的新生活。但如何安置難民卻成為這些國家面臨的最具爭議的複雜問題之一。

拋開政治因素不談,這套系統面臨很大的障礙。許多國家目前安置難民的方式都很隨機,只會考慮某個地方是否有足夠的地方容納額外的人口,據此來把難民分配到不同的地區。但這樣卻不能確保這些地方能為這些難民提供足夠的工作——失業會成為難民在新家正常生活的巨大障礙。

但斯坦福大學(Stanford University)的一個研究團隊開發了一套系統,他們認為可以幫助新安置的難民極大地改善就業前景。

該團隊發表在《科學》(Science)雜誌的論文中表示,他們開發了一套數據驅動的算法,可以學習如何優化難民分配方式,以便大幅提高他們找到工作的概率。該系統尚未在現實世界中測試,但研究人員相信,這最多可以把每個家庭的就業率提升到70%。

斯坦福移民政策實驗室研究員延斯·海恩穆勒(Jens Hainmueller)表示,政府目前根據容量限制,用電子表格來決定難民家庭前往何處。"明尼蘇達(Minnesota)有一張牀,你就去明尼蘇達。但並沒有形成有目的的匹配。"

如果負責安置的機構能夠分析難民的人口統計學資料,然後把他們送到更容易找到工作的鄉鎮、城市或地區,那就可以提高成功率。該團隊分析了兩個發達國家的數據,分別是美國(使用三萬多18至64歲的難民數據,他們在2011至2016年間來到美國)和瑞士(涵蓋1999至2013年來到該國的兩萬多難民)。該算法可以計算每個難民在新的國家找到工作的可能性。

首先,該團隊會查看難民的人口統計學數據:教育程度、年齡、性別、英語流利度。之後,他們便會尋找"協同效應",將這些特徵與具備這些特徵的人更容易找到工作的地區進行匹配。

之後,他們便會發現各種趨勢:例如,某些非洲移民會說法語,他們在瑞士法語區比在德語區更容易找到工作。

通過算法,安置機構可以分析難民的人口統計學資料,並利用可用的數據將這些人分配到他們最有可能成功的地方。

"如果有一家肉類工廠聘用了年輕男性難民,而且有這方面的需求,這套算法就能挑選出來。"海恩穆勒說。

研究人員表示,想要讓這套系統通俗易通,可以用兩個年輕阿富汗男性的例子來說明。這兩個人的教育程度和年齡相同,但到了新的國家之後,被送到了兩個不同的地方。被送到A地的人找到了工作,送到B地的人沒找到。該團隊的機器學習算法了解到這個情況,於是,下次有第三個擁有相似背景的人出現時,如果有可能,程序就會自動把他送到A地。

需要明確的是,每個環境和每個人都各不相同。該團隊也承認,人類官員有時候不得不推翻系統的匹配結果。與很多人工智能一樣,該系統在這種情況下的作用就是為人類提供補充,而不是取代人類。

"我們正在使用的機器學習技術非常靈活。"該團隊另外一名成員科克·班薩克(Kirk Bansak)說,"他們可以在十分複雜的數據中尋找和發現各種模式。"

例如,如果這套算法在2011至2016年間部署在美國,研究人員認為平均就業率就會從34%增長到48%(增幅達41%)。瑞士可能從15%增長到26%。

"我們發現難民更有可能找到工作,他們學習語言的速度也會加快,融合速度加快,而且最終不會佔用太多健康福利資源。他們會從經濟上融合起來,還會納稅,並為社會做出貢獻。"海恩穆勒說。

當然,仍然需要展開更多研究,但該團隊正在與政府和各類組織合作建立試點項目,以便測試實際應用效果。最終,他們希望美國和瑞士等地可以使用這套算法(斯坦福大學表示,可以免費提供運算代碼給相關組織使用)來匹配難民和他們的新家。該團隊稱,瑞士政府已經公開表達了興趣。他們也在與美國的安置機構就部署這套系統展開溝通。

如果能夠實際部署,斯坦福研究人員希望他們的算法能夠鞏固勞動力市場,為地方經濟重新賦予活力——這有望幫助國家處理棘手的政治問題。

"總之,我們有歷史數據。"海恩穆勒說,"或許可以從中學習一些東西。"

(BBC)布萊恩·盧福金(Bryan Lufkin)
激賞明鏡 1
激賞明鏡 2
比特幣激賞明鏡

3KAXCTLxmWrMSjsP3TereGszxKeLavNtD2
激賞操作及常見問題排除
訂閱明鏡家族電視台

留言