人工智能划分的选区可能有助于杜绝不公正的选区划分

通常情况下，与一个州内的选举人票相对应的选区基本上是手工绘制的，过道两边的党派工作人员都利用这个过程来创造扭曲的形状，将敌对选民排除在外，并锁定自己的选区。它是如此有效，以至于它已经变得司空见惯-以至于甚至有一种字体是由形状像字母的不公正的选区组成的。

我们能做什么？自动化--至少部分自动化，温迪·谭·赵(Wendy Tam Cho)和布鲁斯·凯恩(Bruce Cain)在最新一期的“科学”(Science)杂志上说，这本杂志有一个专门讨论“民主”的章节。Cho在伊利诺伊大学香槟分校(University of Illinois at Urbana-Champaign)任教，多年来一直在进行计算选区重新划分，就在去年，他还是美国公民自由联盟(ACLU)诉讼的专家证人，该诉讼最终推翻了俄亥俄州不公正划分的选区，因为这是违宪的。

未来的道路是让人们与机器协同工作，以产生否则不可能实现的结果。要做到这一点，我们必须利用人工智能(AI)和人类智能的优势，并将弱点降至最低。

机器通过帮助我们在深不可测的庞大而复杂的信息环境中导航，增强了智能决策并为其提供了信息。任凭自己的设备，人类已经显示出自己无法抗拒通过该地形绘制有偏见的路径的诱惑。

实际上，有无数种方法可以将状态划分为给定数量的形状，因此必须为AI代理准备限制这些形状的标准。例如，也许一个州不希望其选区超过150平方英里。但它们也必须考虑到形状-你不会想要一个蛇形的地区在其他地区的边缘滑行(确实在不公正的选区划分中经常发生)，或者一个地区被另一个地区所包围。此外，还有无数的历史、地理和人口因素。

换句话说，虽然绘画的原理必须由人来设定，但必须由机器来执行“对一个国家可以划分的天文数字的细致探索”，这就是说，绘画的理论基础必须由人来设定，而机器必须执行“对一个国家可以划分的天文数字的细致探索”。

具体如何运作将取决于各个州，各州将有自己的规则和权力来绘制地区地图。你马上就会看到问题：我们已经进入了政治，这是另一个人类倾向于“绘制有偏见的道路”的复杂景观。

在接受TechCrunch采访时，Cho强调，尽管自动化对几乎每个州的过程都有潜在的好处，但“该过程中的透明度对于发展和维持公众信任以及将偏见的可能性和看法降至最低至关重要。”

她指出，一些州已经采取了类似的做法：北卡罗来纳州最终从1000张电脑绘制的地图中随机选择。所以肯定是有先例的。但是，实现广泛的使用意味着建立广泛的信任--这是目前供不应求的东西。

事实证明，将科技与政治混合在一起很难被证明是容易的，部分原因是我们民选官员无可匹敌的无知，部分原因是对普通公民难以理解的制度的合理不信任，如果有必要的话，这些制度是正确的。

Cho说：“这些模型的细节错综复杂，需要相当多的统计学、数学和计算机科学方面的知识，但也需要对我们的政治机构和法律如何运作有同样深刻的理解。”“与此同时，虽然了解所有细节令人望而生畏，但我不确定公众或政界人士是否有必要达到这种程度的理解。公众普遍相信疫苗、DNA测试和驾驶飞机背后的科学，而不了解技术细节。

事实上，很少有人担心机翼是否会从飞机上脱落，但飞机在一个世纪左右的时间里已经证明了它们的可靠性。疫苗面临的最大挑战可能就在我们面前。

“目前社会似乎存在巨大的信任赤字，我们必须努力扭转这一事实，”赵显娥承认。“信任应该而且必须赢得。我们必须发展产生信任的过程。“。

但重点是：你不需要是一名统计学家或机器学习专家，就能看到这些方法制作的地图-应该说，经过同行审查并准备投入使用-比许多那些边界扭曲得像操纵它们的政客的地图要优越得多，也要公平得多。

公众接受某件事的最好方式就是看它是否奏效，就像邮寄投票一样，我们已经有了一些好的地方可以炫耀。首先，很明显，北卡罗来纳州的系统表明，计算机可以可靠地绘制出公平的地区，确实如此可靠，以至于可以很容易地生成1000张同样公平的地图，所以不存在挑剔的问题。

其次，俄亥俄州的案例表明，这些地图可以提供基于事实的对比，而不是不公正的选区划分，因为它表明，他们的选择只能通过党派干预来解释，而不是由随意性或人口限制来解释。

在人工智能中，让人类参与其中通常是明智的，在政治中的人工智能更是如此。必须仔细禁止自动化系统的角色，诚实地解释它们的局限性，并且它们在现有过程中的位置显示为仔细考虑的结果，而不是权宜之计。

Cho说：“公众需要有一种在科学界内反思、沉思和深思熟虑的感觉，正是这种反思、沉思和深思熟虑产生了这些算法。”

这些方法不太可能很快得到广泛使用，但在接下来的几年里，随着地图因其他原因受到挑战和重新绘制，让一个公正的系统参与这一过程可能(或许应该)成为这一过程的标准部分。