Unul dintre lucrurile care facilitează elaborarea politicilor în lumea modernă este faptul că știm mai multe. Avem informații mai bune despre rezultate, o mai bună înțelegere a ceea ce funcționează și ceea ce nu funcționează și – datorită progreselor tehnologice – putem folosi algoritmi și învățarea automată pentru a lua decizii mai bine informate.
Dar deciziile mai bine informate nu sunt neapărat același lucru cu „decizii mai bune” și cu siguranță nu sunt același lucru cu cele „mai plăcute”.
Să luăm, de exemplu, cazul lui Sean Hogg, cauza unei dispute politice recente în Scoția. Hogg, care la vârsta de 17 ani a violat o fată de 13 ani, a fost condamnat la 270 de ore de muncă în folosul comunității, deoarece, în conformitate cu orientările scoțiene de condamnare, judecătorii sunt instruiți să ia în considerare vârsta infractorului.
Orientările de condamnare sunt, din multe puncte de vedere, cea mai comună formă de „algoritm” utilizată în prezent în politicile publice, deși nu ne gândim adesea la ele în acest fel. Introducem o serie de puncte de date – natura infracțiunii, circumstanțele infracțiunii, diverse detalii biografice despre infractor și victimă – în mașină pentru a produce un set de opțiuni pe care judecătorul care prezidează să le ia în considerare.
Algoritmul care a produs verdictul Hogg este un bun studiu de caz al provocărilor mai largi pe care le implică utilizarea algoritmilor în politicile publice. Știm că multe închisori funcționează ca niște „școli de afaceri” ale criminalității: ele oferă rețele sociale și opțiuni de îndrumare, iar unii oameni pleacă de acolo mai criminali decât atunci când au intrat. Ca atare, avem motive întemeiate să dorim să evităm, pe cât posibil, încarcerarea infractorilor aflați la prima abatere. Și știm, de asemenea, că, deși nu există o regulă strictă cu privire la momentul în care creierul nostru este pe deplin dezvoltat sau când ajungem la „maturitate deplină”, aceasta apare, în linii mari, în jurul vârstei de 20 de ani. Prin urmare, există argumente întemeiate pentru a acorda mai puține pedepse cu închisoarea infractorilor aflați la prima abatere, în special celor care nu au împlinit o anumită vârstă.
Dar mulți dintre noi au un sentiment instinctiv că, deși trimiterea timpurie a oamenilor la închisoare ar trebui, în general, evitată și deși un tânăr de 17 ani ar putea lua decizii mai proaste decât ar face-o la vârsta de 27 de ani, orice viol, cu atât mai puțin cel al unui copil, este o crimă abominabilă care ar trebui să fie însoțită de sentințe deosebit de severe. Înțelegerea noastră actuală a datelor spune un lucru, dar intuiția noastră morală spune altceva.
Un răspuns la eșecurile politice de acest tip este modificarea algoritmului: creșterea duratei pedepsei sau desființarea sau slăbirea unora dintre protecțiile pe care le-am instalat pe motiv de vârstă. Aceasta este o parte din motivul pentru care ascensiunea algoritmilor și a datelor mari este interesantă pentru politicile publice: putem folosi mai bine dovezile pentru a ne modela elaborarea politicilor și putem înțelege mai ușor de ce am ajuns la o concluzie care nu ne place.
Dar, deși orientările privind condamnările sunt un bun exemplu de logică algoritmică în politica publică, ele sunt, în anumite privințe, unul dintre cele mai simple exemple. Întotdeauna am fost nevoiți să facem un compromis între pedeapsă, descurajare, maturitatea infractorilor și reabilitare în cadrul sentințelor penale. În multe privințe, tehnologia oferă acestor dezbateri vechi un nou nivel de precizie. În timp ce factorii de decizie politică au fost mult timp divizați în ceea ce privește echilibrul corect între responsabilitatea individuală, reducerea criminalității în general și justiția pentru anumite infracțiuni, acum putem dezbate ponderea exactă care ar trebui acordată fiecăruia: chiar dacă ajungem la concluzia că răspunsul este „deloc” în cazuri precum cel al lui Hogg.
Acolo unde lucrurile devin mai complexe este atunci când avem informații mai bune, cu potențialul de a schimba nu numai modul în care suntem informați, ci și dezbaterea cu privire la deciziile pe care le luăm. Știm, de exemplu, că în orice sistem de asistență medicală există un anumit grad de triaj: medicii iau decizii cu privire la viabilitatea unui pacient sau a altuia, a unui beneficiar al donării de organe în detrimentul altuia. Ce se întâmplă dacă datele arată că persoanele mai înstărite au mai multe șanse de a beneficia de o donare de organe, tocmai datorită avantajelor lor economice? Ar trebui să includem sau nu acest lucru în procesele noastre decizionale?
Avantajul major al erei informațiilor mai bune și a instrumentelor mai bune cu care să le tratăm este că putem, într-o măsură mai mare ca niciodată, să cuantificăm consecințele alegerilor noastre. Dar acest lucru nu schimbă faptul că, de multe ori, va trebui să alegem între rezultate care nu ne plac și că, deși noile surse de date ne pot informa mai bine, ele ar putea, de asemenea, să ne modeleze deciziile în moduri care nu ne plac.
O tentație pentru guverne va fi să aibă aceste dezbateri în spatele ușilor închise: să fie vagi cu privire la ceea ce ne spun datele și să păstreze ajustarea algoritmilor în privat. Dar un beneficiu al erei datelor mari este capacitatea de a lua decizii într-un mod mai deliberativ – de a discuta în mod clar ce compromisuri sunt implicate. Merită să luptăm pentru acest lucru.
Sursa – www.ft.com