هوش مصنوعی برای پناه‌جویان/ جئومچ فرایند اسکان مجدد را تسهیل می کند

شرکتی نوظهور در کانادا، در حال آزمایش این مورد است که چگونه GeoMatch می‌تواند به جای پناهندگان به مهاجران اقتصادی کمک کند و مجموعه مهارت‌های فردی و اولویت‌های مکانی را با بهترین مکان‌ها و خانواده‌ها تطبیق دهد.

منبع: استنفوردنیوز
نویسنده: دیلن والش
تاریخ انتشار: 13 نوامبر 2023
مترجم: لیلا احمدی
➖➖➖➖➖➖➖➖

عصر ایران- آینده فراتر از تصور ماست. اینترنت و فناوری‌های هوشمند، به مدد یادگیری ماشینی چشم‌انداز و ماهیت نوینی به جهان بشری می‌بخشند.

هوش مصنوعی از بحث‌برانگیزترین حوزه‌های پژوهشی است که قادر است الگوهای خاصی را تشخیص دهد و با تحلیل داده‌ها و اطلاعات موجود، بر اساس این الگوها به ‌پیش‌بینی‌های منطقی دست یابد.

پردازش و نتیجه‌گیری از اطلاعات در این فرایند با دقتی بسیار بالاتر از هر ماشین و تکنولوژی دیگری صورت می‌گیرد. درواقع این فناوری به ماشین‌ امکان محاسبه، حل مسأله، یادگیری، تفکر، مدیریت و تصمیم‌گیری می‌دهد.

هدف از توسعۀ هوش مصنوعی، خلق سیستم‌هایی است که بتوانند به طور خودکار، با پردازش داده‌های بزرگ و پیچیده، وظایفی انجام دهند که برای انسان دشوار است یا اینکه به تخصص و مهارت خاصی نیاز دارند.

هوش مصنوعی می‌تواند به تسهیل زندگی روزمره و توسعه‌ جهانیِ رفاه بشر بیانجامد.

در بخش نخستِ این مقاله با دومینیک روتنهائوسلر، استاد دانشگاه استنفورد همراه شدیم تا ببینیم پروژۀ اسکان هوشمندِ پناه‌جویان موسوم به جئومچ چیست و چگونه کار می‌کند.

روتنهائوسلر می‌گوید: می‌خواستم نقش خودم را در پیشبرد این پروژه ایفا کنم. وقتی مرکز پژوهش‌های سیاستِ مهاجرت استنفورد (IPL) درخصوص پروژۀ جابجایی پناهندگان موسوم به جئومچ GeoMatch، از من دعوت به همکاری کرد، بی‌چون‌و‌چرا پذیرفتم.

هر پژوهش دانشگاهی معمولاً حاوی کار روی موضوعی خاص و سپس بررسی اثرات آن است. این پروژه اما از هر حیث شگفت‌آور است، زیرا چشم‌انداز روشنی برای خلق تحولات سریع و سودمند در جهان ایجاد می‌کند.»

فناوری GeoMatch، فرایند اسکان مجدد را به‌نحو حیرت‌آوری تسهیل می‌کند. این سامانه هوشمند از اطلاعات سیستمی برای کمک به افرادی که تصمیم به مهاجرت و پناهندگی گرفته‌اند، استفاده می‌کند و الگوریتی دارد که طیف وسیعی از ویژگی‌های پس‌زمینۀ فردی یعنی کشور مبدأ، زبان، جنسیت، سن، مهارت‌های شغلی، تیپ شخصیتی و ... را با زمان ورود پناهنده و مکان تعیین‌شده مطابقت می‌دهد.

درواقع این فناوری پناهجو را به مناسب‌ترین مقصد می‌ساند و طبیعتاً منجر به بهینه‌سازیِ نیروی‌کار، رشد اقتصادی، رضایت شغلی و صرفه‌جویی در زمان و هزینه می‌شود. جنگ و ناامنی روزبروز به بحران بناهندگی دامن می‌زند و در چنین شرایطی سامانه‌های هوشمند اهمیتی حیاتی دارند.

اتوماسیونِ توزیع مهاجران البته با نگرانی‌هایی همراه است. فرآیند اسکان مجددِ پناهندگان به اطلاعات بسیار حساسی وابسته است و نتایج هر تصمیم برای جابجایی مهم و سرنوشت‌ساز است. با توجه به این موضوع، تیم GeoMatch نیز کوشیده تا این ابزار را براساسِ کاهش آسیب‌های احتمالی توسعه دهد. هیچ‌کس معتقد نیست که این الگوریتم باید بدون نظارت انسان عمل کند. کارشناسانِ مکان‌یاب این پروژه از پیشنهادات دقیق GeoMatch در پشتیبانی و بهبود تصمیمات کمک می‌گیرند.

این تیم همچنین پیوسته با نگرانی‌هایی درخصوص سوگیری‌های سیستمی مواجه است. الیزابت پالسون، استاد دانشگاه هاروارد که اخیراً دورۀ فوق دکتری خود را در IPL به پایان رسانده است، می‌گوید: «مدام از شرکای کاریمان نقطه‌نظراتی دربارۀ نحوۀ اجرای عدالت در الگوریتم دریافت می‎کنیم. ما بسیار پیشگیرانه و کنترلی فعالیت می‌کنیم و اطمینان می‌دهیم که این الگوریتم‌ها خروجیِ منصفانه‌ای دارند."

پالسون و همکارانش مجموعه‌ای اصلاح شده از الگوریتم‌ها را ایجاد کردند که به آژانس‌های مهاجرتی اجازه می‌دهد نتایجی مثل استخدام در زیرگروه‌های مجزا را به دقت بررسی کنند. به عنوان مثال، اگر یکی از آژانس‌های مهاجرتیِ ایالات متحده بخواهد اطمینان حاصل کند که رده‌های شغلی مشخصی بر اساس کشور مبدأ به دست می‌آید، نتیجه‌ای سودمند حاصل شده است.

با تنظیم الگوریتم می‌توان به نتایج دلخواه رسید. مثلاً می‌توان الگوریتمی تنظیم کرد که نرخ اشتغال را بر اساس جنسیت بررسی کند. هدف، به حداکثر رساندنِ اشتغال بدون آسیب رساندنِ تصادفی به زیرگروهی خاص است.

روتنهائوسلر در عملیاتی مرتبط برای بهبود الگوریتم، به دلیل تخصص در حوزۀ "شیفت‌های توزیع" به تیم GeoMatch استخدام شد. واقعیت آن است که مدل‌های یادگیری ماشینی براساس داده‌های تاریخی آموزش می‌بینند و هر زمان شرایط کنونی، بازتاب داده‌های تاریخی نباشد، مشکلاتی غیرقابل مشاهده ایجاد می‌شود.

به عقیدۀ روتنهائوسلر امروزه جستجوی شغل در هر منطقه فرایندی متفاوت با دو سال پیش دارد. به همین ترتیب، پناهجویانی که هشت سال پیش در اروپا حضور یافتند – و بسیاری از آن‌ها از آفریقا و خاورمیانه کوچ کرده بودند - از جنبه‌های مهمی با اوکراینی‌هایی که امروزه در آنجا به دنبال پناهندگی هستند متفاوتند. درنتیجه باید متناسب با این نوع تغییرات در GeoMatch انعطاف‌پذیری ایجاد کنیم.

این گروه امیدوار است بتواند در آینده شرکا و اسپانسرهایش را افزایش دهد. به عنوان مثال، شرکتی نوظهور در کانادا، در حال آزمایش این مورد است که چگونه GeoMatch می‌تواند به جای پناهندگان به مهاجران اقتصادی کمک کند و مجموعه مهارت‌های فردی و اولویت‌های مکانی را با بهترین مکان‌ها و خانواده‌ها تطبیق دهد. هاتارد می‌گوید: هرچند وضعیت به اندازۀ بحران پناهجویی وخیم نیست، اما از ظرفیتی برابر برای بهبود ادغام جامعه و نتایج اقتصادی برخوردار است.

هاین مولر می‌گوید: «با تلاش‌های صورت‌گرفته در این حوزه، می‌توان گفت که ما تازه کارمان را درخصوص هوشمندسازیِ اسکان مجدد پناهندگان آغاز کرده‌ایم. امروزه پناهندگان و سایر مهاجران بیش از هر زمان دیگری رو به افزایشند و کشورها در یافتن بهترین مکان‌ برای اسکان مجددِ آوارگان و پناهجویان با چالش‌های مهمی مواجهند. هدف ما گسترش استفاده از GeoMatch برای خدمت‌رسانیِ دقیق‌تر و افزایش رفاه پناهندگان در سراسر جهان است.»