Ny maskinlæringsalgoritme kan forudsige, hvordan racesammensætningen af ​​kvarterer vil ændre sig

En ny maskinlæringsalgoritme kan forudsige, hvordan kvarterernes racesammensætning vil ændre sig over tid. Algoritmen, udviklet af forskere ved University of California, Berkeley, er i stand til at lave præcise forudsigelser baseret på en række faktorer, herunder racesammensætningen af ​​nærliggende kvarterer, beboernes alder og indkomst og tilstedeværelsen af ​​visse faciliteter.

Algoritmen kan bruges til at hjælpe politikere med at træffe beslutninger om, hvordan man kan fremme raceintegration og mangfoldighed i lokalsamfund. For eksempel kan det bruges til at identificere områder, der er i risiko for at blive gentrificeret, og til at udvikle politikker, der kan hjælpe med at forhindre, at dette sker.

Algoritmen er baseret på en type maskinlæring kaldet supervised learning. Ved superviseret læring trænes algoritmen på et datasæt, der indeholder inputdata og tilsvarende outputdata. I tilfælde af algoritmen udviklet af Berkeley-forskerne bestod inputdataene af information om racesammensætningen af ​​kvarterer, beboernes alder og indkomst og tilstedeværelsen af ​​visse faciliteter. Outputdataene bestod af information om, hvordan kvarterernes racesammensætning ændrede sig over tid.

Algoritmen blev trænet på et datasæt med over 1 million folketællinger i USA. Forskerne testede derefter algoritmen på et fastholdt datasæt med 100.000 folketællingskanaler. Algoritmen var i stand til at lave præcise forudsigelser om, hvordan kvarterernes racesammensætning ville ændre sig i over 90 % af tilfældene.

Forskerne mener, at algoritmen kan være et værdifuldt værktøj for politiske beslutningstagere, der er interesserede i at fremme raceintegration og mangfoldighed i lokalsamfund. Algoritmen kan bruges til at identificere områder, der er i risiko for at blive gentrificeret, og til at udvikle politikker, der vil hjælpe med at forhindre, at dette sker. Algoritmen kan også bruges til at identificere områder, der allerede er racemæssigt forskelligartede, og til at udvikle politikker, der vil hjælpe med at bevare denne mangfoldighed.

Forskerne planlægger at fortsætte med at udvikle algoritmen og gøre den tilgængelig for politikere og andre interesserede parter. De håber, at algoritmen vil blive brugt til at skabe mere racemæssigt integrerede og mangfoldige samfund.