Salah satu perkara yang menjadikan penggubalan dasar lebih mudah dalam dunia moden ialah kita tahu lebih banyak. Kami mempunyai maklumat yang lebih baik tentang hasil, pemahaman yang lebih baik tentang perkara yang berkesan dan apa yang tidak dan — terima kasih kepada kemajuan dalam teknologi — kami boleh menggunakan algoritma dan pembelajaran mesin untuk membuat keputusan yang lebih bermaklumat.
Tetapi keputusan yang lebih bermaklumat tidak semestinya sama dengan “keputusan yang lebih baik” dan mereka pastinya tidak sama dengan keputusan yang “lebih sedap”.
Ambil contoh, kes Sean Hogg, punca perbalahan politik di Scotland baru-baru ini. Hogg, yang pada usia 17 tahun merogol seorang gadis berusia 13 tahun, telah dihukum 270 jam perkhidmatan masyarakat kerana, di bawah garis panduan hukuman Scotland, hakim diarahkan untuk mengambil kira umur pesalah.
Garis panduan hukuman adalah, dalam banyak cara, bentuk “algoritma” yang paling biasa digunakan dalam dasar awam hari ini, walaupun kami tidak sering memikirkannya dengan cara ini. Kami menjalankan satu siri titik data — sifat jenayah, keadaan kesalahan, pelbagai butiran biografi tentang pesalah dan mangsa — ke dalam mesin untuk menghasilkan satu set pilihan untuk dipertimbangkan oleh ketua hakim.
Algoritma yang menghasilkan keputusan Hogg ialah kajian kes yang baik tentang cabaran yang lebih luas yang terlibat dalam menggunakan algoritma dalam dasar awam. Kami tahu bahawa banyak penjara beroperasi sebagai “sekolah perniagaan” jenayah: mereka menyediakan rangkaian sosial dan pilihan bimbingan dan sesetengah orang meninggalkan penjenayah yang lebih serius berbanding semasa mereka masuk. Oleh itu, kami mempunyai alasan kukuh untuk mengelak daripada memenjarakan pesalah kali pertama mana boleh. Dan kita juga tahu, bahawa walaupun tidak ada peraturan yang keras dan cepat tentang bila otak kita berkembang sepenuhnya atau kita mencapai “kematangan penuh”, ia secara meluas berlaku pada usia dua puluhan. Oleh itu, terdapat hujah yang baik untuk menjatuhkan hukuman penjara yang lebih sedikit kepada pesalah kali pertama, terutamanya mereka di bawah umur tertentu.
Tetapi ramai di antara kita merasakan perasaan naluri bahawa semasa menghantar orang ke penjara lebih awal secara amnya harus dielakkan dan walaupun seorang kanak-kanak berusia 17 tahun mungkin membuat keputusan yang lebih buruk daripada mereka berumur 27 tahun, sebarang rogol, apatah lagi kanak-kanak, adalah sesuatu yang menjijikkan. jenayah yang sepatutnya membawa hukuman yang berat. Pemahaman kami yang sedia ada tentang data mengatakan satu perkara, tetapi gerak hati moral kami berkata lain.
Satu tindak balas kepada kegagalan dasar jenis ini adalah untuk mengubahsuai algoritma: untuk meningkatkan panjang ayat atau untuk merungkai atau melemahkan beberapa perlindungan yang telah kami pasangkan atas alasan umur. Itulah sebahagian daripada sebab peningkatan algoritma dan data besar menarik untuk dasar awam: kami boleh menggunakan bukti dengan lebih baik untuk membentuk dasar kami dan lebih mudah memahami sebab kami telah mencapai kesimpulan yang kami tidak suka.
Tetapi walaupun garis panduan hukuman adalah contoh logik algoritma yang baik dalam dasar awam, ia dalam beberapa aspek adalah salah satu contoh yang paling mudah. Kami sentiasa terpaksa menukar antara hukuman, pencegahan, kematangan pesalah dan pemulihan dalam hukuman jenayah. Dalam banyak cara, teknologi memberikan perdebatan lama ini tahap ketepatan baharu. Walaupun penggubal dasar telah lama berpecah tentang keseimbangan yang betul antara tanggungjawab individu, mengurangkan keseluruhan jenayah dan keadilan untuk yang khusus, kita kini boleh membahaskan wajaran tepat setiap satu harus diberikan: walaupun kita membuat kesimpulan bahawa jawapannya adalah “tiada langsung” dalam kes. seperti Hogg.
Di mana ia menjadi lebih kompleks ialah apabila kita mempunyai maklumat yang lebih baik dengan potensi untuk mengubah bukan sahaja tahap pengetahuan kita, tetapi perdebatan tentang keputusan yang kita buat. Kita tahu, sebagai contoh, bahawa dalam mana-mana sistem penjagaan kesihatan terdapat tahap triage: doktor membuat keputusan tentang daya maju satu pesakit atau yang lain, seorang penerima pendermaan organ berbanding yang lain. Bagaimana jika data menunjukkan bahawa orang yang lebih kaya lebih berkemungkinan mendapat manfaat daripada pendermaan organ, tepatnya kerana kelebihan ekonomi mereka? Perlukah kita memasukkannya dalam proses membuat keputusan kita atau tidak?
Kelebihan utama era maklumat yang lebih baik dan alat yang lebih baik untuk mengendalikannya ialah kita boleh, pada tahap yang lebih besar berbanding sebelum ini, mengukur akibat daripada pilihan kita. Tetapi ia tidak mengubah hakikat bahawa kita selalunya perlu memilih antara hasil yang kita tidak suka, dan walaupun sumber data baharu boleh memberitahu kita dengan lebih baik, mereka juga mungkin membentuk keputusan kita dengan cara yang kita tidak suka.
Satu godaan bagi kerajaan adalah untuk mengadakan perdebatan itu secara tertutup: untuk menjadi samar-samar tentang perkara yang diberitahu oleh data kepada kami dan terus melaraskan algoritma secara tertutup. Tetapi satu faedah daripada era data besar ialah keupayaan untuk mencapai keputusan dengan cara yang lebih musyawarah — untuk membincangkan secara jelas perkara pertukaran yang terlibat. Itu patut diperjuangkan.
stephen.bush@ft.com
