Conscious infrastructure for fairness aware detection of household water insecurity in Hyderabad informal settlements

技术摘要：面向公平性感知型海德拉巴非正规定居点家庭用水不安全检测的意识基础设施

问题陈述
当前人工智能（AI）和机器学习在城市水治理中的应用主要围绕公用事业部门的操作视角展开，侧重于网络资产、流量、压力和基础设施可见性。对于非正规定居点而言，这种导向在分析上是不完整的，因为那里的用水不安全往往并非表现为基础设施的完全缺失，而是表现为家庭为了使不可靠或不安全的服务变得可用而承担的负担。本文识别了一种“基础设施可见性差距”：即家庭所经历的负担（时间损失、收入压力、健康风险、应对成本）与公共决策系统所认可的、可作为行动依据的证据之间的脱节。当 AI 模型仅基于公用事业可见的变量（如水源类型、供应计划）进行训练时，它们面临着优化“制度可理解性”而非捕捉通过劳动和经济中断来表达不安全感的家庭的风险。这构成了一种“问题定义偏差”，而非仅仅是技术性的算法偏差。

方法论
本研究实现了一种被称为**意识基础设施神经系统（Conscious Infrastructure Neural Systems, CINS）**的决策支持架构。需要注意的是，这里的“神经”是指一种连接了家庭数据、预测分类、子群体公平性审计和制度响应协议的联动决策架构，而非指使用神经网络算法。

• 数据来源： 分析利用了一个原始数据集，包含来自印度海德拉巴 34 个非正规定居点的 1,700 条家庭调查记录和 34 条水质样本记录。数据源自关于饮用水获取与决策过程的博士研究。
• 结果变量： 主要结果变量是一个二元指标，即家庭是否报告其工作时间因饮用水供应或可用性时间问题而受到干扰。这作为“约束性”用水不安全的代理变量，旨在捕捉直接的经济和时间后果，而非主观感知。
• 模型比较： 研究估计并比较了两个逻辑回归模型，并在留出的测试集（30% 的数据，采用分层抽样）上进行评估：
  1. 公用事业可见模型（Utility-Visible Model）： 包含更接近传统基础设施知识的变量（水源使用、供应时间、储水时长、定居点 ID、相关的微生物风险）。
  2. 家庭负担模型（Household-Burden Model）： 包含所有公用事业可见变量，以及家庭负担变量（收入/支出中值、支出比例、感知质量/数量评分、疾病/治疗指标、取水负担以及多水源依赖）。
• 评估指标： 性能通过准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1 分数（F1-score）、AUC 以及特别关注的**假阴性率（False Negative Rate, FNR）**进行评估。研究优先考虑降低脆弱子群体（最低收入四分位数、多水源依赖家庭、水罐依赖型家庭以及处于微生物风险定居点的家庭）的 FNR，而非追求整体准确率。
• 公平性审计： 进行子群体分析以确定引入负担变量是否减少了对特定脆弱群体的漏检。研究还使用了随机森林特征重要性分析作为补充的解释性检查。

关键结果

• 模型性能： 家庭负担模型在留出的测试集上表现优于公用事业可见模型。
  • 准确率： 从 0.669 提升至 0.731。
  • 召回率： 从 0.636 提升至 0.714。
  • F1 分数： 从 0.513 提升至 0.593。
  • AUC： 从 0.731 提升至 0.818。
  • 假阴性率： 从 0.364 降低至 0.286。
• 混淆矩阵： 家庭负担模型正确识别了 100 个真实阳性案例（受干扰的家庭），而公用事业可见模型为 89 个，从而将漏检的受干扰家庭数量从 51 个减少到 40 个。
• 子群体公平性：
  • 改进情况： 对于最低收入四分位数（从 32.1% 降至 25.0%）和多水源依赖家庭（从 40.5% 降至 31.6%），FNR 显著下降。
  • 异常情况： 水罐依赖型家庭的 FNR 略有上升（从 8.8% 升至 12.5%）。作者将其解释为：由于水罐使用本身已是公用事业可见模型中的强预测因子，加入负担变量重新分配了模型权重，从而略微削弱了这一特定子群体的表现，因为该群体的风险已具有高度可见性。
• 特征重要性： 在家庭负担模型中，经济压力（支出、收入余量）、感知服务质量和取水负担成为了与基础设施变量并列的高排名预测因子，证实了家庭体验增加了决策相关的有效信息。

核心贡献

1. 概念框架： 本文提出了基础设施可见性差距的概念，将其作为连接家庭用水不安全、数据正义与城市治理的桥梁。它将此差距定义为家庭经历的负担与决策系统所识别的证据之间的差异。
2. 实证证据： 提供了一个可复现的对比，证明了纳入家庭负担变量可以提高对高风险家庭的检测能力，并减少脆弱子群体的假阴性，挑战了仅依赖基础设施中心化数据的充分性。
3. 治理架构 (CINS)： 本文提出的 CINS 不仅仅是一个预测工具，而是一个将预测分类与制度响应协议相联系的治理架构。作者认为，公平性感知的 AI 必须围绕检测家庭负担进行设计，并能触发特定行动（如重新检测、供应修正、负担能力评估），而非仅仅作为被动的仪表盘输出。
4. 重构公平性： 研究将基础设施 AI 的公平性评估从整体准确率转向脆弱子群体的假阴性分布，认为公平性是数据包容性和问题定义属性，而非仅仅是事后的模型调整。

意义与主张
本文声称，基础设施 AI 的公平性并非通过单纯修正模型输出来实现，而是通过从根本上改变包括家庭负担在内的底层数据架构来实现。核心论点是：一个家庭可以在形式上是“可见的”（连接到网络），但在关于其承担的劳动和经济负担方面却是“分析不可见的”。

作者谨慎地指出，其分析表明，在透明的基准规范下，引入家庭负担变量确实改善了检测效果。他们并不声称已经找到了最终的最优模型，也没有声称已在操作层面完全部署了 CINS。相反，本文将模型对比定位为一种制度可见性的诊断工具，展示了当排除家庭负担时会遗漏什么。其意义在于断言：若要使 AI 在城市水治理中具备公平性感知能力，必须设计使其能够识别非正规定居点的生活现实——特别是服务碎片化及其相关的负担——而非仅仅依赖于基础设施的可见性。文章结论指出，如果不整合家庭负担数据并将预测结果与响应协议相联系，AI 可能会在使水治理更加高效的同时，却维持了那些受不可靠供应影响最深的人群的“不可见性”。