如何发现一个不公正的选区?把它和公平的比较一下。

新一波统计学家，包括哈佛大学的一个团队，已经开发出了一些工具，他们认为这些工具可以帮助解决长期存在的问题，即各党派试图为自己的候选人扭转天平，不公正地划分国会和立法选区。

自19世纪以来，不公正划分选区一直是美国政治的一部分，其结果至少是有争议的，有时是非法的，特别是如果这样做是为了稀释有色人种社区的投票权。每隔十年，当人口普查数据显示哪些选区需要因人口变化而重新平衡时，这场斗争就会在州立法机构重新展开。有时违规行为看起来很明显，但往往更隐蔽，而且在任何一种情况下都很难证明。

通过利用大数据计算的量化能力，这些统计学家开发了一种算法，通过对重新绘制的地区进行数百次甚至数千次的计算测试和模拟，可以识别可能存在的不公正划分的地图。这些工具——在过去十年中经常通过开源开发——提供了强有力的证据，证明一个计划是否超出了“公平”计划的标准。最近，这些测试越来越受关注，越来越多地在法庭上被用作非法婚姻的证据。

哈佛大学于2020年开始的一种方法迅速产生了影响。它被研究人员、记者和选举分析人士使用，并在最近的立法人员被迫抛弃不公正划分的地图的法律案件中发挥了重要作用。

该工具被称为“重新划分”(redist)，它创建了大量可供选择的无党派方案(多达5000至10000个)，可以与地方议员或重新划分选区委员会正在提议或已经颁布的地图进行比较。这些无党派的基线地图让我们有可能看到，新地图是否很好地代表了人口普查局显示的新变化，还是只是一个异常值。

统计和政府学系教授今井宏介(Kosuke Imai)说，“这个算法的作用是，利用州内不同选民的地理位置和分布情况，显示出我们应该预期的党派结果。”“但如果我们看到与无党派基线相比有很大不同的情况，在制定的计划下支持某一党派，这就证明，还有其他一些因素影响了计划的制定。”

研究人员说，举个例子，假设这个工具进行了5000次模拟，发现立法上的少数党平均应该赢得大约5到7个席位。但是使用多数党通过的地图进行的模拟显示，其对手只赢得了两个席位。研究人员说，这意味着罕见或几乎不可能发生的情况，支持了党派不公正划分选区的可能性。

Imai和Cory McCartan一起开发了redist, Cory McCartan是艺术与科学研究生院专注于统计学的博士候选人。两人发现，评估选区划分计划公正性的传统方法并不奏效，因为它们没有提供一个中立的基线来进行客观比较。他们说，公平常常成为一种主观判断。

“很长一段时间以来，人们都在不公正地划分选区，问题是‘好吧，我怎么证明?”波说。“你可以说，‘嘿，我认为这张地图看起来不公平，因为它的边界非常弯曲。’但这些事情会在法庭上提起诉讼，所以法官必须清楚地能够决定:这是公平还是不公平?”

redist软件使用所谓的顺序蒙特卡洛(SMC)算法来运行它的模拟。该软件从一张空白地图开始，然后每次绘制一张地区地图，然后反复绘制。每张备选地图都是平行绘制的，并结合了该州的人口、人口统计数据和选区法律。一旦绘制出这些备选地图，redist软件就会使用可视化工具，通过总结模拟结果的图表来帮助用户理解数据。

与大多数相似的算法不同，SMC算法不是从一个单一的映射开始，并不断地改变那个映射。相反，算法从空白地图开始，从新的空白画布生成新的备选方案。这种随机生成使算法能够有效地探索更多独特的替代方案，并生成具有代表性的方案样本。研究人员说，现有的算法没有做到这一点，会有探索与起始地图非常相似的计划的风险，这可能已经有党派偏见。

今井说:“制定的计划有利于民主党人。“如果一个算法只探索非常相似的计划(因为它从这个已制定的计划开始)，那么基于它的所有模拟计划可能也有利于民主党。当这种情况发生时，制定的计划看起来不像不公正地划分选区。”

在不公正划分选区的案件中，包括阿拉巴马州、纽约州、俄亥俄州和南卡罗来纳州的诉讼中，原告都使用了Redist。在纽约，一名选举分析人士使用SMC算法生成了1万张地图，以帮助显示纽约州民主党立法机构绘制的地图是“一个‘极端异常值’，可能使共和党在国会的席位从8个减少到4个。”州上诉法院下令重新绘制地图。

在俄亥俄州，伊迈被传唤为指控共和党控制的选区重新划分委员会不公正划分选区的原告的专家证人。SMC算法为本案生成了5000张地图，没有一张像委员会的提案那样对共和党有利。州最高法院命令该机构进行修改。

该算法还被用于美国最高法院审理的一起涉及阿拉巴马州种族不公正划分选区的案件。Imai是原告的专家证人，声称新国会地图有意稀释黑人选票。该案的依据是《投票权法案》(Voting Rights Act)的保护，它可能会消除全国仅存的少数针对非法立法地图的保障措施之一。

Redist已经成为Imai在哈佛大学的研究小组的主要焦点，该小组名为“算法辅助重划选区方法”(ALARM)项目。该组织最近启动了“50个州重新划分选区模拟项目”，并使用该软件为每个州制作5000张备选地图，来评估全国各地的重新划分计划。

这个易于使用的工具让用户选择一个州并探索地图。为了使数据更容易获取和理解，ALARM提供了该州有多少个国会选区的分类、重划选区的要求、其政治地理位置，以及计算机发现的总结，包括图表和表格。

所有的数据都可以下载。提供了源代码，因此可以将其作为模板来生成不同规格下的模拟方案。

ALARM小组的成员——包括本科生、研究生，甚至高中生——说这个过程是严格的，因为每个州都有不同的规则需要转换到算法中，他们需要运行诊断以确保一切顺利。

不过，他们相信这些努力是值得的。

ALARM项目的下一步计划是探索将选区划分从党派偏见扩展到种族选区划分，并评估更多地方层面的选区划分。

今井说:“划分边界的不同方式如何能让一些选民受益，而伤害另一些选民，这一直是一个问题。”“重要的是，社会科学家要了解这些类型的政治操纵的本质，并解决它。”

文章旨在传播新闻信息，原文请查看https://news.harvard.edu/gazette/story/2022/11/an-algorithm-to-detect-gerrymandering/