科学家宣称找到了解决难民危机的办法

(图片来源:Alamy) Image copyright Alamy

根据联合国难民署(United Nations Refugee Agency)的数据,全世界目前因为冲突、迫害和腐败等各种原因而背井离乡的难民总数约为6,560万人,创下历史最高纪录。

澳大利亚、美国、英国和德国都是难民心目中的热门国家,他们渴望在那里开始美好的新生活。但如何安置难民却成为这些国家面临的最具争议的复杂问题之一。

抛开政治因素不谈,这套系统面临很大的障碍。许多国家目前安置难民的方式都很随机,只会考虑某个地方是否有足够的地方容纳额外的人口,据此来把难民分配到不同的地区。但这样却不能确保这些地方能为这些难民提供足够的工作——失业会成为难民在新家正常生活的巨大障碍。

Image copyright Getty Images
Image caption 难民到达匈牙利的扎卡尼火车站,准备前往德国(图片来源:Getty Images)

但斯坦福大学(Stanford University)的一个研究团队开发了一套系统,他们认为可以帮助新安置的难民极大地改善就业前景。

该团队发表在《科学》(Science)杂志的论文中表示,他们开发了一套数据驱动的算法,可以学习如何优化难民分配方式,以便大幅提高他们找到工作的概率。该系统尚未在现实世界中测试,但研究人员相信,这最多可以把每个家庭的就业率提升到70%。

斯坦福移民政策实验室研究员延斯·海恩穆勒(Jens Hainmueller)表示,政府目前根据容量限制,用电子表格来决定难民家庭前往何处。"明尼苏达(Minnesota)有一张床,你就去明尼苏达。但并没有形成有目的的匹配。"

如果负责安置的机构能够分析难民的人口统计学资料,然后把他们送到更容易找到工作的乡镇、城市或地区,那就可以提高成功率。该团队分析了两个发达国家的数据,分别是美国(使用三万多18至64岁的难民数据,他们在2011至2016年间来到美国)和瑞士(涵盖1999至2013年来到该国的两万多难民)。该算法可以计算每个难民在新的国家找到工作的可能性。

首先,该团队会查看难民的人口统计学数据:教育程度、年龄、性别、英语流利度。之后,他们便会寻找"协同效应",将这些特征与具备这些特征的人更容易找到工作的地区进行匹配。

之后,他们便会发现各种趋势:例如,某些非洲移民会说法语,他们在瑞士法语区比在德语区更容易找到工作。

通过算法,安置机构可以分析难民的人口统计学资料,并利用可用的数据将这些人分配到他们最有可能成功的地方。

"如果有一家肉类工厂聘用了年轻男性难民,而且有这方面的需求,这套算法就能挑选出来。"海恩穆勒说。

研究人员表示,想要让这套系统通俗易通,可以用两个年轻阿富汗男性的例子来说明。这两个人的教育程度和年龄相同,但到了新的国家之后,被送到了两个不同的地方。被送到A地的人找到了工作,送到B地的人没找到。该团队的机器学习算法了解到这个情况,于是,下次有第三个拥有相似背景的人出现时,如果有可能,程序就会自动把他送到A地。

需要明确的是,每个环境和每个人都各不相同。该团队也承认,人类官员有时候不得不推翻系统的匹配结果。与很多人工智能一样,该系统在这种情况下的作用就是为人类提供补充,而不是取代人类。

Image copyright Alamy
Image caption 肯尼亚图尔卡纳地区难民营里进行的金属加工职业教育(图片来源:Alamy)

"我们正在使用的机器学习技术非常灵活。"该团队另外一名成员科克·班萨克(Kirk Bansak)说,"他们可以在十分复杂的数据中寻找和发现各种模式。"

例如,如果这套算法在2011至2016年间部署在美国,研究人员认为平均就业率就会从34%增长到48%(增幅达41%)。瑞士可能从15%增长到26%。

"我们发现难民更有可能找到工作,他们学习语言的速度也会加快,融合速度加快,而且最终不会占用太多健康福利资源。他们会从经济上融合起来,还会纳税,并为社会做出贡献。"海恩穆勒说。

当然,仍然需要展开更多研究,但该团队正在与政府和各类组织合作建立试点项目,以便测试实际应用效果。最终,他们希望美国和瑞士等地可以使用这套算法(斯坦福大学表示,可以免费提供运算代码给相关组织使用)来匹配难民和他们的新家。该团队称,瑞士政府已经公开表达了兴趣。他们也在与美国的安置机构就部署这套系统展开沟通。

如果能够实际部署,斯坦福研究人员希望他们的算法能够巩固劳动力市场,为地方经济重新赋予活力——这有望帮助国家处理棘手的政治问题。

"总之,我们有历史数据。"海恩穆勒说,"或许可以从中学习一些东西。"

请访问 BBC Capital 阅读 英文原文

更多有关此项报道的内容