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）