More

    Distritos eleitorais desenhados por IA podem ajudar a erradicar a gerrymandering


    Gerrymandering é um dos métodos mais insidiosos de influenciar nosso processo político. Mudando legalmente a forma como os votos são coletados e contados, os resultados podem ser influenciados – até mesmo fixados com antecedência por anos. A solução pode ser um sistema de IA que atraia os distritos eleitorais com uma mão imparcial.

    Normalmente, os distritos que correspondem aos votos eleitorais dentro de um estado são sorteados essencialmente à mão, e agentes partidários em ambos os lados do corredor usaram o processo para criar formas distorcidas que excluem eleitores hostis e se prendem aos seus. É tão eficaz que se tornou comum – tanto que existe até uma fonte feita de distritos desordenados em formato de letras.

    O que pode ser feito? Automatize-o – pelo menos parcialmente, dizem Wendy Tam Cho e Bruce Cain na última edição da Science, que tem uma seção especial dedicada à “democracia”. Cho, que leciona na Universidade de Illinois em Urbana-Champaign, vem buscando redistritamento computacional há anos e, no ano passado, foi testemunha especialista em um processo da ACLU que acabou declarando inconstitucionais os distritos de Ohio.

    Em um ensaio que explica seu trabalho, eles resumem a abordagem da seguinte maneira:

    O caminho a seguir é as pessoas trabalharem em colaboração com as máquinas para produzir resultados que de outra forma não seriam possíveis. Para fazer isso, devemos capitalizar os pontos fortes e minimizar os pontos fracos da inteligência artificial (IA) e da inteligência humana.

    As máquinas aprimoram e informam a tomada de decisão inteligente, ajudando-nos a navegar na paisagem informacional incomensuravelmente grande e complexa. Deixados à própria sorte, os humanos mostraram-se incapazes de resistir à tentação de mapear caminhos tendenciosos por aquele terreno.

    Existem efetivamente um número infinito de maneiras de dividir um estado em um determinado número de formas, então o agente de IA deve ser preparado com critérios que limitam essas formas. Por exemplo, talvez um estado não queira que seus distritos tenham mais de 150 milhas quadradas. Mas então eles também devem levar em conta a forma – você não quer um distrito semelhante a uma cobra deslizando pelas margens dos outros (como de fato ocorre com frequência em áreas gerrymandered), ou que um seja envolvido por outro. E depois há as inúmeras considerações históricas, geográficas e demográficas.

    Esta ilustração do artigo de Cho e Cain mostra uma versão simplificada de um problema distrital, mostrando como distritos partidários podem ser criados dependendo de quem os está desenhando. (Créditos da imagem: Cho / Cain / Ciência)

    Em outras palavras, embora a justificativa para o desenho deva ser definida por pessoas, são as máquinas que devem realizar “a exploração meticulosa do número astronômico de maneiras pelas quais um estado pode ser dividido”.

    Exatamente como isso funcionaria dependeria de cada estado, que teria suas próprias regras e autoridades sobre como os mapas distritais são desenhados. Você vê o problema imediatamente: entramos na política, outro cenário complexo através do qual os humanos tendem a “traçar caminhos tendenciosos”.

    Falando ao TechCrunch, Cho enfatizou que, embora a automação tenha benefícios potenciais para quase todos os processos estaduais, “a transparência dentro desse processo é essencial para desenvolver e manter a confiança pública e minimizar as possibilidades e percepções de preconceito”.

    Alguns estados já adotaram algo assim, ela ressaltou: a Carolina do Norte acabou escolhendo aleatoriamente entre 1.000 mapas desenhados por computador. Portanto, certamente há um precedente. Mas permitir o uso generalizado significa criar confiança generalizada – algo que atualmente está em falta.

    Misturar tecnologia e política raramente se mostrou fácil, em parte por causa da ignorância invencível de nossos governantes eleitos e em parte por uma desconfiança justificada de sistemas que são difíceis para o cidadão comum entender e, se necessário, corrigir.

    “Os detalhes desses modelos são intrincados e requerem uma boa quantidade de conhecimento em estatística, matemática e ciência da computação, mas também uma compreensão igualmente profunda de como funcionam nossas instituições políticas e a lei”, disse Cho. “Ao mesmo tempo, embora a compreensão de todos os detalhes seja assustadora, não tenho certeza se esse nível de compreensão do público em geral ou dos políticos é necessário. O público em geral acredita na ciência por trás de vacinas, testes de DNA e pilotar aeronaves sem entender os detalhes técnicos. ”

    Na verdade, poucas pessoas se preocupam se as asas cairão de seu avião, mas os aviões têm demonstrado sua confiabilidade há mais de um século. E o maior desafio para as vacinas pode estar à nossa frente.

    “A sociedade parece ter um enorme déficit de confiança no momento, um fato que devemos trabalhar duro para reverter”, admitiu Cho. “A confiança deve ser e deve ser conquistada. Temos que desenvolver os processos que geram confiança. ”

    Mas a questão permanece: você não precisa ser um estatístico ou especialista em aprendizado de máquina para ver que os mapas produzidos por esses métodos – revisados ​​por pares e prontos para uso, deve ser dito – são superiores e infinitamente mais justos do que muitos daqueles cujas fronteiras eram tão tortuosas quanto os políticos que os manipulavam.

    A melhor maneira de o público aceitar algo é ver se funciona e, como a votação por correspondência, já temos alguns pontos bons para mostrar. Em primeiro lugar, obviamente, está o sistema da Carolina do Norte, que mostra que um distrito de feiras pode ser desenhado por um computador de maneira confiável, na verdade tão confiável que mil mapas igualmente justos podem ser gerados facilmente, de modo que não há dúvida de selecioná-los.

    Em segundo lugar, o caso de Ohio mostra que os mapas podem oferecer um contraste baseado em fatos com os maltratados, mostrando que suas escolhas só podem ser explicadas por intromissão partidária, não por aleatoriedade ou restrições demográficas.

    Com a IA geralmente é aconselhável ter um humano no circuito, e duplamente com a IA na política. As funções do sistema automatizado devem ser cuidadosamente prescritas, suas limitações explicadas honestamente e seu lugar nos processos existentes deve ser o resultado de uma consideração cuidadosa e não da conveniência.

    “O público precisa ter um senso de reflexão, contemplação e deliberação dentro da comunidade científica que produziu esses algoritmos”, disse Cho.

    É improvável que esses métodos sejam amplamente utilizados em breve, mas nos próximos anos, conforme os mapas são desafiados e redesenhados por outras razões, pode (e talvez deva) se tornar uma parte padrão do processo ter um sistema imparcial participando do processo .


    Artigos Recentes

    Ring torna-se móvel com um trio de dispositivos de segurança automotiva

    Durante o evento de hoje da Amazon, Ring fez vários anúncios surpreendentes, incluindo um sobre a expansão da empresa em segurança automotiva com...

    Essas fotos estranhas e perturbadoras mostram que a IA está ficando mais inteligente

    De todos os modelos de IA do mundo, o GPT-3 da OpenAI é o que mais captura a imaginação do público. Ele...

    As melhores dicas e truques do iOS 14

    Uma das razões pelas quais as atualizações anuais da Apple para celulares são tão esperadas é que a maioria dos proprietários de dispositivos...

    Artigos Relacionados

    DEIXE UMA RESPOSTA

    Por favor digite seu comentário!
    Por favor, digite seu nome aqui