计算和数据科学部门与人工智能、社会科学相结合

每天，社会服务专业人员处理不同领域的复杂问题，努力确定哪些干预可能是有效的、公平的，并在机构的能力范围内。

对于一个挣扎在失去家的危险中的父母来说，从长远来看，住房援助和职业培训哪个更有帮助?生活在不稳定家庭中的孩子是否能从食物援助或课外活动中获益更多?

为了调整正确的干预措施，专业人员使用他们所掌握的工具，包括培训、经验和大量数据。考虑到所有可用的数据对任何人来说都是一项艰巨的任务，尤其是当他们专注于他们所帮助的人的时候。

华盛顿大学圣路易斯分校(Washington University in St. Louis)的一个新的博士项目正在研究开发更多的工具，用于社会服务和其他涉及人类和社会行为的领域:计算机程序可以利用这些丰富的数据帮助人类更好地理解社会科学中的问题。

这是计算与数据科学学部(DCDS)的第一个学期，该学部是美国少数几个将计算视角转向社会科学的专业之一。该计划有四个轨道:

学生来自计算机科学或社会科学的背景，但有一个导师团队来自不同的学科，并作为跨学科领域的专家毕业，创造一些全新的东西。

计算机科学与工程系副教授、计算方法研究中心主任Sanmay Das说，这并不是说这两门学科在过去没有合作。一位社会科学家求助于机器学习来解决一个涉及大量数据的问题，这对他来说并不罕见。

“但真正让我兴奋的是，”达斯说，“当一个社会科学家的问题使学科之间的对话变得令人兴奋，从而发现了一个超越传统学科界限的新问题。

DCDS处于社会科学和计算机科学之间的联系，前者中的一个有趣问题会导致后者中的一个同样有趣的问题。

达斯和布朗大学(Brown School)副教授、社会工作和公共卫生部门主管帕特里克•福勒(Patrick Fowler)最近获得了两笔赠款，用于一些项目，这些项目表明了将这两门学科结合起来的潜在力量和复杂性。

资源分配是这两个问题的核心。通过算法分配稀缺的社会资源(如经济适用房、药物滥用治疗或获得食物)，存在哪些机遇，又存在哪些潜在陷阱?

特别是，达斯和福勒是在无家可归、住房不安全和儿童虐待的背景下研究这个问题的。在国家科学基金会(NSF) 459,444美元的资助下，两人将研究分配和有效利用稀缺住房资源的算法。一笔299,996美元的国家科学基金会赠款将用于探索改善早期筛查的算法，并有针对性地帮助面临无家可归和虐待儿童风险的家庭。

利用来自伊利诺斯州的数据，这两个人正在努力评估导致儿童虐待转诊的住房问题的范围。福勒说:“需要病例管理的人总是比能够分配到的人多。负责决策的机构并不总是知道哪种干预是最好的。一个家庭是否需要租金援助或房东调解?或许住房并不是虐待儿童的唯一因素。

福勒说:“可能存在这样一种模式，即食物援助实际上是一种非常好的早期干预。”“这是可以提高效率的地方。”也许有一种算法可以在提供决策信息的同时，还能减轻个案工作者的负担。

另一个项目直接关注无家可归本身。在任何社区，资源都是有限的。说到住房，这可能意味着在避难所有一张床，帮助支付租金或一个临时的家。

“假设我们可以更好地衡量向某人提供的实际最佳资源组合是什么，”Das说。“这能让我们用类似的预算取得更好的总体结果吗?”我们错过了什么，是因为有一些人可以通过更轻量级的干预措施而不是更重量级的干预措施得到帮助吗?”

Das说，无论考虑何种干预措施，在DCDS中，目标是确保这些干预措施是公正的。但是，这种正义的概念并不明确，在社会科学领域是如此，在计算机科学领域更是如此。

试图坚持正义的观念，同时做出兼顾公平和效率的决策，其后果是什么?”达斯问道。

无论是达斯还是福勒，都不会有这样的印象，即这些问题的答案都很简单，而这些问题是they’i将与学生一起探究的。

“福勒说:“这个项目的目标之一就是弄清楚我们知道什么，不知道什么

仅仅考虑计算机算法在社会科学领域中扮演的任何角色，是有可能的，因为机器学习的现代进步和现在可以获得的大量数据，不仅是对社会科学家，而且对工程师。

达斯说:“我们知道很多家庭参与社会服务的细节。“我们会知道，这是一位单身母亲吗?”这是一个家庭吗?什么年代?是否存在虐待问题?医疗问题?你希望这个家庭每个月能有多少钱?”

但并不是说这些数据会被输入电脑，而是像临时住房和药物滥用咨询这样的建议会出现在屏幕上。该算法的输出将被仔细检查，并用于提高其实现这三个目标的能力:公正、公平和效率。

达斯说:“计算机科学家通常不想解决这些问题，因为他们很难用清晰、分析的方式把它们正式化。”但这些都是DCDS的设计初衷——部分原因是它们不仅仅是有趣的工程问题。

他说:“这项工作的内在动机是社会公正，在某种意义上，我们一直在处理这方面的道德问题。”“如果我们不这么做，就不会对我们的智力产生刺激，”达斯和福勒都表示同意。