در جستجوی یک خانه
    در سال ۲۰۱۶ حدود ۶۵٫۶ میلیون انسان در سرتاسر جهان از خانه‌هایشان به دلایل مختلف از جمله جنگ تا نقض حقوق بشر رانده شدند. از این تعداد حدود ۳۰۰٫۰۰۰ نفر در مقایسه با سال گذشته بیشتر شده بودند.
    تغییرات آب و هوایی و گرمای جهانی مشکلات آوارگان را تشدید می‌کند. به این علت که مردمان زیادی مجبور خواهند شد به کشورهای دیگر (کشورهای با آب و هوای سردتر) مهاجرت کنند. این مشکل به سرعت در حال گسترش است. به‌حدی که نیوزیلند در حال ایجاد یک ویزای مخصوص برای کسانی است که به علت تغییرات آب و هوایی آواره شده‌اند.

    در حالی که این آوارگان به‌سختی در حال ترک خانه‌های خود هستند، با سوال‌های بسیار زیادی در ذهن خود مواجه می‌شوند. به چه کشوری باید مهاجرت کنند؟. به کدام قسمت این کشور باید بروند؟. آیا وقتی که به آنجا رسیدند، خواهند توانست برای خود یک شغل ایجاد کنند؟.

    معمولا هنگامی که کشورها مهاجران را می‌پذیرند آن‌ها در مکانی که ممکن باشد، سکونت می‌دهند. اگر یک جامعه‌ی میزبان، هنگام مراجعه پناهجویان مکان مناسب داشته باشد پناهجویان را در آن منطقه سکوت می‌دهد و این مکان، تبدیل به خانه‌ی جدید آن‌ها می‌شود.

    با این حال محققان دانشگاه استانفورد (Stanford University) و دانشگاه زوریخ (University ETH Zurich) الگوریتمی را تهیه کرده‌اند که می‌تواند به خوبی به کشورهایی که میزبان پناهندگان هستند، کمک کند تا آوارگان را به طور موثرتر سکونت دهند. این روش به مهاجران کمک می‌کند تا شانس استخدام و یکی شدن در جامعه‌ی میزبان برای آن‌ها بیشتر شود.  نتایج این تحقیق در مجله‌ی علم (Science) منتشر شده است.

    مکان، مکان، مکان
    این تیم تحقیقاتی برای ساخت الگوریتم مکان‌یاب برای پناهجویان، اطلاعات اجتماعی و اقتصادی بیش از ۳۰ هزار پناهنده در ایالات متحده که در سنین  ۱۸ تا ۶۴ سال بودند را در سال‌های ۲۰۱۱ تا ۲۰۱۶ بررسی کردند. آن‌ها در این تحقیق به بررسی ویژگی‌های شخصی مثل سطح زبان انگلیسی، سطح تحصیلات، نتیجه‌ی استخدام هر پناهجو و اینکه آن‌ها در کدام منطقه سکونت گزیده‌اند، پرداختند.
    سپس آن‌ها از این الگوریتم برای پیشبینی بهترین مکان جهت سکونت، برای پناهجویانی که اواخر ۲۰۱۶ از راه می‌رسیدند پرداختند. پس از مقایسه نتیجه‌ی این الگوریتم‌ها با نتایج واقعی مشخص شد، هنگام استفاده از الگوریتم میزان استخدام و کاریابی برای مهاجران ۴۱ درصد بیشتر شده است.

    تیم تحقیقاتی همین بررسی را بر روی اطلاعات در دسترس، از پناهجویانی که بین سال‌های ۱۹۹۹ تا ۲۰۱۳ به سوئیس مهاجرت کرده‌اند، انجام داد. اگر نتایج این الگوهای مکان‌یابی برای مهاجرانی که اواخر سال ۲۰۱۳ به این کشور مهاجرت کردند به کار گرفته می‌شد، میزان شغل‌یابی برای آن‌ها حدود ۷۳ درصد افزایش پیدا می‌کرد.

    کیرک بانساک (Kirk Bansak) یکی از نویسندگان این مطالعه در نشریه اخبار استانفورد گفت:« دستاوردهای ما در زمینه‌ی اشتغال در این تحقیق بسیار اساسی و مهم است. این نتایج می‌توانند تقریبا بدون هزینه‌ی اضافی توسط دولت‌ها یا نهادهای استقرار مجدد پناهندگان، استفاده شوند. با بهبود فرایندهای موجود از طریق اطلاعات در دسترس، الگوریتم‌ ما می‌تواند از به وجود آمدن بسیاری از موانع مالی و اداری که اغلب باعث مانع نوآوری در دیگر سیاست‌ها می‌شوند، جلوگیری کند.»

    در حالی که الگوریتم پیشبینی‌کننده مکان مناسب برای مهاجران می‌تواند با هزینه‌ی بسیار کم به کمک دولت‌ها یا آژانس‌های اسکان مجدد بیاید، تیم تحقیقاتی اظهار داشتند که مایل نیستند این الگوریتم به‌منظور جایگزینی نیروهای انسانی استفاده شود. در عوض آن‌ها مایل هستند که الگورتیم پیشنهادهای خود را ارائه دهد اما مقامات رسمی تصمیم نهایی را در این زمینه، اعلام کنند.

    پیش از اینکه این اتفاق عملی بشود، آن‌ها می‌خواهند که این برنامه را با چندین آزمون واقعی، مورد امتحان قرار دهند. برای این منظور، این تیم تحقیقاتی در حال کار بر روی چند برنامه آزمایشی با همکاری دولت‌ها و مسئولان اسکان مجدد پناهجویان، برای بررسی توانایی‌های این الگوریتم هستند.

    این اولین باری نیست که می‌بینیم هوش مصنوعی و یادگیری ماشینی با پیشبینی کردن به کمک انسان‌ها می‌‌آیند.

    هوش مصنوعی و الگوریتم‌ها همیشه بهتر از فعالیت‌های انسانی عمل نمی‌کنند. حجم گسترده‌ای از نرم‌افزارهای ارزیابی ریسک‌های تجاری که به کار گرفته شده‌اند ثابت می‌کنند که برای پیشبینی و تخمین کاملا ضعیف و بی‌مهارت هستند. اما با این حال مزایای استفاده از الگوریتم‌ها برای پیشبینی در بعضی از موارد ثابت شده‌ است. ما در حال حاضر الگوریتم‌هایی در اختیار داریم که به خوبی بیماری‌هایی همچون اوتیسم، رفتارهای انتخابی، حملات قلبی و بسیاری دیگر را پیشبینی می‌کنند.

    هوش مصنوعی شاید در جایگاهی نباشد که به صورت ۱۰۰ درصد انسان‌ها را از کار کردن بی‌نیاز کند. اما همچنان که محققان دانشگاه استانفورد اضافه کردند بزرگترین پتانسیل موفقیت زمانی عملی خواهد شد که انسان‌ها و ماشین‌ها با هم کار کنند.

© تمامی حقوق مطالب برای وبسایت آلفا باکس محفوظ است و هرگونه کپی برداری بدون ذکر منبع ممنوع و شرعا حرام می باشد.
قدرت گرفته از : بک لینکس