編譯：Hippo

讓演算法輔助政府決策似乎是人工智慧時代備受推崇的現代化治理方式。不過最近，過分信任演算法的英國政府就吃了幾次啞巴虧。

因為新冠疫情的爆發，英國大半學生無法參加考試。英國政府於是採取了演算法估分的方式給大家期末成績。沒想到的是，自動演算法估分降低了約40%的學生的A-Level成績，讓整個英國學生普遍陷入了低分崩潰中。

這個打分演算法也在一片反對聲中被迅速廢棄。

同樣的演算法悲劇再次上演，這次是在政府的新建住房規劃上，演算法又闖禍了。

英國要造30萬套新住房，演算法規劃爭議巨大

這個新提出的演算法模型主要用於決定，英國住房部應該在哪裡建造30萬套新房，來解決英格蘭的住房危機。

該演算法由英國住房部（Ministry of Housing）打造，試圖結合需求、人口增長和當地消費能力等因素來完美設定各地區的年度房屋建設目標。

但是根據規劃顧問Litchfields的分析，它已經產生了一些讓人哭笑不得的結果。

例如，演算法要求Kent（郡）的Tonbridge（農村地區）每年要建造1,440所房屋，來容納將近十分之一的年均人口增長。

稍微有點規劃知識的專家都對這個結果非常不滿，Tonbridge是倫敦周圍許多綠樹成蔭的郡之一，這些地區大規模建房將導致倫敦環城綠帶受到蠶食。

再比如，儘管建築空間不足，演算法規劃卻要求倫敦將建房規模增加3倍，而東北、西北、Yorkshire以及Humber這些也很需求旺盛的地區卻被告知要減少建房規模。

很顯然，這種新演算法的效果事與願違，可能使經濟和地區的不平衡問題加劇，並使本來已經十分嚴重的可負擔房屋短缺問題更為凸顯。

那麼，這個“變異演算法”到底是如何上崗的呢？

受限政府引數設定，住房演算法“變異”

幾十年以來，和很多國家一樣，英國的建築規劃一直充滿官僚主義色彩，頻頻遭到居民的反對，議會的計劃更是向來不受待見。由於對政府的不信任，居民們幾乎會對任何發展提案進行反對。

面對這些反對，地方當局經常需要想盡辦法提供每年新建房屋的數量和各種資料。這一演算法最初的設立就是為了讓政府能夠提供具體的資料支援，讓政策更容易推廣。

但事實上，這個新演算法並沒有獲得應有的期待，它的部分公式將產生巨大影響，尤其是對英格蘭地區。

這是因為演算法本身存在幾個本質問題。

首先，演算法引數過於簡單，又將“房屋數量”的權重放得過高了。

這些區域不均衡問題是由於演算法本身的約束條件及其對需求的過大權重引起的。舉個例子來說，假如倫敦需要的房屋數量大概是利物浦的3倍，那麼演算法就會簡單粗暴的規劃，倫敦在新建房目標中所佔的份額將大約是利物浦的3倍，幾乎不考慮兩個城市的實際需求。

其次，演算法對於新建住宅總數的資料設定，受限於政府的假設。

政府將30萬套新建住房作為既定的可實現目標，但根據公共政策研究所（Public Policy Research）的住房研究員Jonathan Webb的說法，實際需求可能接近40萬或50萬套。

Webb說：“這種演算法的問題在於它很大程度上受限於政府所認為的住房需求是多少，但政府的這一假設實際上遠低於實際需求，所以當你嘗試為倫敦提供足夠的房屋時，實際上會減少其他地區建造房屋的數量。而這樣做的問題在於，這些地區的居民依然需要一個家。”

以曼徹斯特為例，該地區目前正處於房地產繁榮期。新房價格非常昂貴。2016年至2018年，該市14667座新建房屋中沒有一個被歸類為“經濟型”這個問題非常嚴重，甚至成為新BBC電視節目的固定欄目而長期報道。但是，新演算法不僅讓該地區停止建造更多的經濟型房屋，還要求每年減少31％的新房建造。

這些減少可能對當地的住房和發展部門造成毀滅性後果。建築業為發展中的北部城市的當地經濟貢獻了數億美元。僅在曼徹斯特，建築業產值就超過40億英鎊，是該市增長最快的部門。

“我們知道，房地產可以為經濟帶來很大的好處，資金規模巨大，涉及眾多行業。”Webb 說。他認為如果政府降低這些地區的發展優先權，那麼相關地區的整個行業可能會面臨風險。雖然仍不確定開發商是否會停止在這些北部城市建造新房，但政府對房地產業的支援似乎比現在要低得多。從稅收優惠和投資到快速許可權和聯合專案，一切都可能處於危險之中，對當地經濟的影響是災難性的。

如果演算法得到採納，倫敦及東南部地區將大幅擴大建房規模，而更北部的城市則會將目標削減至低於當前的水平。甚至連本來對這一政策大致支援的貿易組織房屋建築聯合會（House Building Federation）也表示“建議政府作出調整”以確保其演算法確實能兌現“北部的房屋需求”。

驅逐官僚主義？還是模仿了人類惡習？

不過，在演算法的控制之下，有輸家當然就會有贏家。

某些地區在巨大的住房需求推動下，對開發新土地的需求也將激增，導致這些地區有限土地的地價飆升。土地所有權不斷的彙集到少數人手中（目前英國的一半土地由不到1%的人口所佔有），而且大多數土地所有者都會從房屋建設的集中增長中受益。

在倫敦Camden這樣的地區，每年要建造的房屋數量從不到1000套增加到5604套，而可利用的土地非常少。即使政府新提議的規劃改革設法解決了更多的建築用地，也不太可釋放如此高的需求激增。這種土地增長也引起了其他的連鎖反應。

“如果地價過高，那麼誰將有能力負擔建造這些房屋的費用？很有可能是知道他們將有利可圖的人。”Webb說。從本質上講，土地價Grand SantaFe昂貴，建造的房屋就越有可能成為豪華和高階住宅，因為這種型別的房屋能為開發商提供更大的利潤空間，但這與演算法的初衷完全相悖。

這些問題中很多甚至在演算法未應用時就已經浮現出來了。對演算法的實施應用仍處在很早期的近乎白紙一張的階段，連議會投票階段都遠未達到，更別說正式實施了。相關專家和業內專家都對新的建房目標的確切後果感到迷茫。很多人都表示不明白政府到底是在支援當地經濟發展還是起到反作用。

住房部表示很願意“修正或完善”該演算法以幫助解決可能產生的抱怨，而政客和業內人士已經開始設法對其計算結果弄虛作假。

本月初，倫敦市長Sadiq Khan為該演算法背書，條件是對負擔能力和住房存量計算採用不同的權重，這本質上是通過更改公式以使其更適合倫敦的經濟現狀。考慮到本屆政府的多變的行事風格，似乎大概率會在演算法實施之前對其進行重大修改。

Gleave說：“在這些公式中的引數實際上會受到各種因素的影響，例如政治觀點、接受度、當地社群的信仰或志向。現在所做的只是在將演算法努力固定在一個更直觀、更實用的數字上，同時形成一個潛在的邏輯，即只能從公式中得出答案，卻忽略當地的實際情況。”

住房演算法和考試演算法所遇到的情況並非首次。今年早些時候，英國警察推動了面部識別軟體的大量測試。事實證明，該技術的錯判率達到98%。

同時，截至去年年底，有14個警察採用了犯罪預測軟體，該軟體試圖提前預判一個人是否會犯罪。事實是該軟體對低收入和BAME（少數族裔）社群有不公正的偏見。

這裡反覆出現的一種假設是，僅使用演算法就可以找到針對任何問題完全客觀的解決方案。但是事實證明，所有演算法在與現實世界接觸時，都狀況百出。

就像住房研究員Jonathan Webb所說：“這本質上是所有演算法的問題。它們只是重現了人類的偏見。”

https://www.wired.co.uk/article/housing-algorithm-flaws