هوش مصنوعی الگوریتم های در نظر گرفته شده برای ریشه کن کردن رفاه تقلب اغلب تا پایان تنبیه فقیر به جای

رئیس جمهور دونالد مغلوب ساختن پیشی جستن به تازگی پیشنهاد وجود دارد “فوق العاده ای تقلب” در دولت برنامه های رفاهی.

اگر چه وجود شواهد بسیار کم تا ادعای خود او را به سختی اولین سیاستمدار محافظه کار یا لیبرال – به نذر برای سرکوب تقلب و زباله در امریکا شبکه امنیت اجتماعی.

متحده – که به اتهام توزیع و نظارت بر بسیاری از بودجه فدرال مزایای – مصرف این تقلب اتهامات جدی است. آنها به طور فزاینده ای تبدیل به هوش مصنوعی و سیستم های خودکار برای تعیین مزایای واجد شرایط بودن و سر و گوش آب تقلب در انواع مختلف از مزایای برنامه های از مواد غذایی و پزشکی به بیمه بیکاری.

البته سازمان های دولتی باید اطمینان حاصل شود که مالیات دهندگان دلار صرف شده به طور موثر. مشکل این است که این خودکار تصمیم گیری سیستم های در حال گاهی اوقات مملو از اشتباهات و طراحی شده در راه است که مجازات فقیر بودن و فقیر منجر به نتایج غم انگیز.

به عنوان یک بالينی استاد حقوق است که تحقیق شبکه امنیت برنامه ها و نمایندگی های کم درآمد مشتریان در منافع عمومی موارد برای بیش از 20 سال من اعتقاد دارم که آن را ضروری این سیستم طراحی شده در راه است که عادلانه و شفاف و پاسخگو برای جلوگیری از صدمه زدن به جامعه آسیب پذیر.

حقایق در مورد تقلب

اول این مهم است که به یک چیز روشن است: شواهد نشان می دهد حوادث کاربر تقلب در رفاه دولت برنامه های نادر است.

برای مثال مواد غذایی تمبر برنامه به طور رسمی به نام طرح کمک های غذایی مکمل برنامه در حال حاضر حدود 40 میلیون نفر ماهانه در هزینه سالانه US$68 میلیارد دلار است. با وجود منظم بد غذا تمبر گیرندگان کمتر از 1 ٪ از مزایای رفتن به واجد شرایط خانواده ها با توجه به دولت فدرال است.

و از کسانی که خانواده های اکثر پرداخت اضافی ناشی از اشتباهات توسط گیرندگان دولت کارگران و یا برنامه نویسان کامپیوتر به عنوان آنها حرکت پیچیده الزامات قانونی – و نه به قصد گول زدن سیستم.

همانطور که برای پزشکی فراهم می کند که بیمه درمانی برای افراد کم درآمد تحقیقات نشان داده است که بخش عمده ای از فعالیت های جعلی متعهد است توسط ارائه دهندگان مراقبت های بهداشتی – نه با 64 میلیون نیازمند افرادی که با استفاده از این برنامه است.

در بیمه بیکاری را “نامناسب پرداخت” نرخ برای سال 2019 است 10.6% که شامل پرداخت که نباید
ساخته شده اند و یا که ساخته شد در یک مقدار نادرست اما عمدی تقلب تخمین بسیار پایین تر است.

کمی وجود دارد شواهدی از تقلب در مواد غذایی برنامه. اسپنسر پلات/گتی ایماژ

زمانی که الگوریتم های موفق

با اینحال بسیاری از ایالت ها به نظر می رسد اتخاذ سیستم است که فرض کنیم قصد جنایی در بخشی از نیازمندان است.

بسیاری از ایالت ها را آغاز کرده اند که با استفاده از “پیچیده داده کاوی تکنیک های شناسایی تقلب در مواد غذایی تمبر برنامه با توجه به پاسخگویی عمومی ، گزارش دیگری شناسایی 20 متحده با استفاده از هوش مصنوعی ابزار در بیمه بیکاری. و دولت فدرال است که ارائه پشتیبانی به پزشکی دولتی برنامه های خود را ارتقاء دهید چندین دهه با تکنولوژی پیشرفته تر نرم افزار.

این نوع خودکار تصمیم گیری سیستم های تکیه بر الگوریتم یا ریاضی دستورالعمل. برخی از الگوریتم ها با استفاده از یادگیری ماشین – یک فرم از هوش مصنوعی به جای تصمیم گیری که در غیر این صورت ساخته شده توسط انسان است. آنها تجزیه و تحلیل مجموعه بزرگی از داده ها برای تشخیص الگوهای موجود یا پیش بینی.

اما مقامات باید رویکرد این سیستم با احتیاط. نتایج برای خانواده های کم درآمد با کمی حاشیه برای خطا می تواند فاجعه بار باشد.

برای مثال در میشیگان یک $47 میلیون خودکار تقلب در سیستم های تشخیص به تصویب رسید و در سال 2013 ساخته شده حدود 48,000 تقلب اتهامات علیه بیمه بیکاری دریافت کنندگان – پنج برابر افزایش از قبل سیستم. بدون هیچ گونه دخالت انسان, دولت خواستار بازپرداخت به علاوه بهره و جریمه های مدنی از چهار بار به اتهام مقدار بدهکار است.

به جمع آوری بازپرداخت – برخی به عنوان بالا به عنوان $187,000 – دولت هانه دستمزد وضع حساب های بانکی و ره بازپرداخت مالیات. استرس های مالی در متهم منجر به اخراج طلاق نابود نمرات اعتباری بی خانمانی ورشکستگی و حتی خودکشی.

همانطور که معلوم است دولت بعد از بررسی مشخص شد که 93% از تقلب تعیین شد اشتباه است.

چگونه می تواند یک سیستم کامپیوتری شکست خیلی بد است ؟ کامپیوتر برنامه ریزی شده بود برای تشخیص تقلب در زمانی که متقاضیان اطلاعات در تضاد با دیگر فدرال و دولت و کارفرما سوابق. اما آن را نمی تمایز بین تقلب و اشتباهات آن را تغذیه ناقص اطلاعات و کامپیوتر تولید شده اعلامیه طراحی شده بودند تا مردم را سهوا اعتراف به تقلب.

میشیگان است outlier. برنامه گسترده الگوریتمی خطاهای مشابه گرفتار مدیکید واجد شرایط تعیین در کشورهایی مانند ایندیانا, آرکانزاس, آیداهو و اورگان است.

و این موضوع فقط در آمریکا یکی است. بسیاری از کشورها مانند استرالیا و انگلستان در حال استقبال از این نوع از سیستم ها و در مواجهه با مشکلات مشابه. این گزارشگر ویژه سازمان ملل در فقر شدید و حقوق بشر با انتشار گزارشی در ماه اکتبر هشدار داد که دولت ها در سراسر جهان به “اجتناب از موانع مانند انسان زنده به دیجیتال رفاه ناکجاآباد” را به عنوان آنها به طور خودکار خود را رفاه اجتماعی سیستم.

در نزدیک تماشا تصمیم یک دادگاه در هلند به تازگی متوقف رفاه کشف تقلب در سیستم حاکم است که در آن نقض حقوق بشر است. تصمیم گیری است به احتمال زیاد به را نزدیک تر موشکافی به این سیستم ها در سراسر جهان اگر چه آمریکایی ها باید کمتر حمایتهای قانونی از همتایان اروپایی خود را.

الگوریتم های سحر و جادو نیست

AI نمی جادویی ریشه کن کردن چه کمی تقلب وجود دارد که از رفاه رول.

اشتباهات اتفاق می افتد زمانی که توسعه دهندگان نرم افزار ترجمه نظارتی پیچیده نیاز به کد و هنگامی که آنها را از خطاهای برنامه نویسی و. این مجموعه عظیم از اطلاعات تغذیه به سیستم های خودکار به ناچار شامل برخی از اشتباهات و حذفیات. و الگوریتم همچنین می توانید تکرار تعبیه شده تعصبات اجتماعی و پایان دادن به تبعیض علیه گروه های به حاشیه رانده شده.

بدون یک انسان در تصمیم گیری, حلقه, این اشتباهات تبدیل به مرکب به عنوان آنها را از طریق جریان های متعدد داده های سیستم.

برای جلوگیری از این مشکلات دولت و دیگر دولت ها باید اطمینان حاصل شود که سیستم آنها نصب شفاف در نحوه عملکرد آنها هستند که مسئول اشتباهات و نمی تشویق پیمانکاران خصوصی استخدام برای طراحی آنها را به پا زدن کردن مردم از رولز به پول بیشتر است. متحده همچنین باید مطمئن شوید که نمایندگانی از همه گروه های تحت تاثیر قرار درگیر در ایجاد و نظارت است.

در تحقیقات من و قانونی کار من در بر داشت خودکار تشخیص تقلب است بیش از حد اغلب ساخته شده در مفروضات است که رایانه های سحر و جادو و تقلب در میان فقرا بومی است. مقامات دولتی باید تلنگر آن مفروضات و رایانه را برای مردم و نه در مقابل آنها.

[شما بیش از حد مشغول به خواندن همه چیز است. ما آن را دریافت کنید. به همین دلیل ما باید یک خبرنامه هفتگی. ثبت نام برای خوب یکشنبه خواندن. ]

tinyurlis.gdv.gdv.htclck.ruulvis.netshrtco.de

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>