Scaling the Queue: Reinforcement Learning for Equitable Call Classification Capacity in NYC Municipal Complaint Systems
تقترح هذه الورقة إطار عمل للتعلم المعزز متمحور حول العدالة لأنظمة الشكاوى البلدية في مدينة نيويورك، يعمل كموجه ذكي لتحسين قدرة تصنيف المكالمات عبر ستة مجالات لوزارة المباني من خلال تعظيم الإنتاجية، وتقليل الأخطاء، والحد بفعالية من التفاوتات التاريخية في الخدمة القائمة على العرق والدخل.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل نظام 311 في مدينة نيويورك كغرفة انتظار ضخمة وفوضوية. في كل يوم، يتصل آلاف الأشخاص للإبلاغ عن مشكلات: غلاية معطلة، سقالة مهتزة، انقطاع للتدفئة، أو أنبوب يسرب. ولدى المدينة عدد محدود من المفتشين (الذين يمثلون "الأطباء" في غرفة الانتظار هذه) لإصلاح هذه المشكلات.
المشكلة تكمن في أن النظام الحالي لتحديد من يتم فحصه أولاً معيب. فهو يعتمد على قاعدة بسيطة: "المزيد من المكالمات تعني المزيد من الاستعجال". لكن هذه القاعدة بها عيب خفي؛ فالأحياء الغنية التي تمتلك إنترنت أفضل، ومتحدثين بلغات أكثر، وثقة أعلى في الحكومة، تميل إلى الاتصال بنظام 311 بشكل أكثر تكراراً وبسرعة أكبر. أما الأحياء الفقيرة، حيث قد لا يمتلك الناس نفس الموارد أو الثقة، فهي تتصل بشكل أقل، حتى لو كانت مبانيها خطيرة بنفس القدر.
ولأن نظام الكمبيوتر الحالي في المدينة يكتفي فقط بعدّ المكالمات، فإنه ينتهي به الأمر بإرسال المفتشين إلى الأحياء الغنية (حيث توجد مكالمات كثيرة) وتجاهل الأحياء الفقيرة (حيث توجد مكالمات أقل، رغم أن المشكلات حقيقية تماماً). الأمر يشبه ممرض فرز الحالات الذي يعالج فقط المرضى الذين يصرخون بصوت عالٍ، بينما يُنسى أولئك الذين يجلسون بهدوء وهم يتألمون.
الحل: "مدرب العدالة"
قام مؤلفو هذه الورقة البحثية ببناء نوع جديد من "عقل الكمبيوتر" باستخدام التعلم المعزز (Reinforcement Learning - RL). فكر في هذا ليس كإنسان آلي يستبدل الموظفين البشريين، بل كـ "مدرب عدالة" فائق الذكاء يجلس بجانب موظفي الاستقبال.
بدلاً من مجرد تعليم النظام "إصلاح أكبر عدد ممكن من المشكلات"، علم الباحثون هذا المدرب هدفاً جديداً: "أصلح المشكلات بعدالة، بغض النظر عن مكانها".
إليكم كيف فعلوا ذلك، باستخدام تشبيهات بسيطة:
1. تصحيح "المكالمات الشبحية"
أكبر خدعة في هذه الورقة هي كيفية تعاملهم مع "المكالمات المفقودة". أدرك الباحثون أنه مجرد عدم اتصال أحد من حي فقير بنظام 311 لا يعني أن المباني آمنة، بل يعني فقط أن السكان لم يتمكنوا من الاتصال بعد.
- التشبيه: تخيل معلماً يصحح درجات فصل دراسي. إذا رفع طالب يده 10 مرات ورفع آخر يده مرة واحدة، فقد يظن المعلم أن الطالب الأول أكثر تفاعلاً. ولكن ماذا لو كان الطالب الثاني خجولاً جداً لدرجة تمنعه من التحدث؟
- الإصلاح: يستخدم الكمبيوتر صيغة رياضية خاصة (بناءً على بيانات الحي مثل الدخل والتعليم) لتقدير "المكالمات الشبحية". فهو يتساءل: "لو اتصل الجميع في هذا الحي بنفس سهولة الاتصال في الحي الغني، كم سيكون عدد المكالمات الفعلي؟" ثم يستخدم هذا العدد التقديري لتحديد من يحتاج للمساعدة، بدلاً من الاعتماد فقط على العدد الخام للمكالمات المستلمة.
2. "درجة العدالة"
يتعلم الكمبيوتر من خلال لعب لعبة. في كل مرة يرسل فيها مفتشاً إلى مبنى، يحصل على نقاط.
- النظام القديم: تحصل على نقاط لإرسال المفتشين إلى أي شخص اتصل.
- النظام الجديد: تحصل على نقاط لإرسال المفتشين إلى أي شخص يحتاج للمساعدة، ولكنك تحصل على نقاط إضافية إذا ساعدت حياً يتم تجاهله عادةً. إذا بدأ النظام في تجاهل الأحياء الفقيرة، فإنه يخسر نقاطاً. وهذا يجبر الكمبيوتر على الموازنة بين السرعة والعدالة.
3. المقايضة (ثمن العدالة)
سأل الباحثون: "هل جعل النظام أكثر عدلاً سيجعله أبطأ؟"
- النتيجة: نعم، ولكن بنسبة ضئيلة جداً. فمن خلال إضافة هدف العدالة، أصبح النظام أبطأ بنسبة 4% إلى 7% في معالجة المكالمات بشكل عام. ومع ذلك، فإن هذا البطء الطفيف يعني أن الأحياء ذات الدخل المنخفض حصلت على المساعدة التي تحتاجها بسرعة أكبر بكثير، مما قلص الفجوة بين المناطق الغنية والفقيرة. ويرى المؤلفون أن هذه التكلفة الصغيرة تستحق العناء لوقف تمييز النظام ضد الفقراء.
4. مشكلة "الصندوق الأسود"
أحياناً، تتخذ أجهزة الكمبيوتر قرارات لا نفهمها. ولحل هذه المشكلة، استخدم الفريق أداة تسمى SHAP (والتي تعمل مثل العدسة المكبرة). لقد نظروا في لماذا اتخذ الكمبيوتر خياراته.
- الاكتشاف: وجدوا أن الكمبيوتر كان ينتبه لأشياء مثل "الرمز البريدي للحي" و"اللغة المتحدث بها". وبينما ساعدهم هذا في العثور على "المكالمات الشبحية"، إلا أنه يعني أيضاً أن الكمبيوتر كان يستخدم العرق والدخل بشكل غير مباشر لاتخاذ القرارات. ويقول الفريق إن هذا مقبول فقط إذا استمررنا في مراقبته عن كثب للتأكد من أنه يساعد الناس ولا يؤذيهم.
الخلاصة
تخلص الورقة البحثية إلى أنه لا يمكنك مجرد بناء كمبيوتر أسرع لحل مشكلات المدينة؛ بل يجب عليك بناء كمبيوتر أكثر عدلاً.
- بدون هدف العدالة: يصبح الكمبيوتر أسرع ولكنه يستمر في تجاهل الفقراء.
- مع هدف العدالة: يصبح الكمبيوتر أبطأ قليلاً بشكل عام، ولكنه يتوقف عن تجاهل الأشخاص الذين هم في أمس الحاجة للمساعدة.
يؤكد المؤلفون أن هذا ليس مجرد إصلاح تقني؛ بل هو خيار أخلاقي. فمن خلال برمجة الكمبيوتر ليقدر العدالة، يمكن للمدينة ضمان أن إصلاح غلاية معطلة في حي فقير يتم بنفس سرعة إصلاحها في حي غني، حتى لو اتصل سكان الحي الفقير بشكل أقل.
باختوام الكلام: تُظهر الورقة أنه من خلال وضع "قواعد اللعبة" الصحيحة، يمكننا تعليم أجهزة الكمبيوتر أن تكون عادلة، مما يضمن وصول مساعدة المدينة إلى الجميع، وليس فقط إلى أولئك الأفضل في طلبها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.