这个故事最初发表在 Vox 的会员专刊杂志《Thehighlight》上。要每月尽早访问会员独家故事， 请立即加入 Vox 会员计划。
瑞芭·史蒂文斯 (Reba Stevens) 屏住呼吸走上通往公寓的台阶，她当时 6 个月大的儿子坐在她的臀部。无家可归21年后，她祈祷：上帝，请让这里成为我和我的孩子一个体面的居住地。
史蒂文斯转动钥匙，穿过灰色的前门，走进她青少年时期以来的第一个稳定的家。她简直不敢相信自己的眼睛：宽敞的客厅、两间大卧室、一间漂亮的浴室，甚至还有一个步入式衣柜——这要归功于洛杉矶县的住房券。她走回走廊。 “我摔倒在地，哭了，”史蒂文斯回忆起 2000 年秋天的那天时说道。
20 多年后，现年 60 多岁的黑人女性史蒂文斯已成为洛杉矶无家可归者的有影响力的倡导者。她正在与其他无家可归者以及一线社会工作者、学者、数据科学家和城市管理者一起开展一个试点项目，旨在在机器的指导下，更准确、更公平地识别需要住房援助的弱势群体学习。
这是一个急需的项目。如今，洛杉矶县至少有 75,000 人无家可归，高于 2018 年的近 53,000 人，而真实数字可能要高得多。对于洛杉矶县永久支持性住房的每个可用空位，大约还需要四个空位。这导致大约17,000 人排队等候，而数千名需要住房的人仍然无法连接到本应为他们提供援助的系统。
在美国各地，我们拥有的住房和我们需要的住房之间的差距估计约为400 万套。仅在加利福尼亚州，缺口估计就约为 840,000 辆。
这使得住房管理者必须努力解决公共政策中最棘手的问题：我们应该首先帮助谁？最有可能快速恢复并获得稳定的人，还是处于最严重紧急情况的人？只要住房仍然稀缺，我们就必须接受这样一种事实：一个无住房者的福祉只能以牺牲另一个人的福祉为代价来改善吗？
住房危机暴露了旧制度的缺陷和种族偏见，需要非凡的解决方案。洛杉矶打赌机器学习可以帮助解决这个问题。但与此同时，机器学习和人工智能在公共政策中的应用不断增加，继续引起人们对 意外后果的担忧——无论有没有住房，这些后果都可能决定生与死。
埃里克·赖斯 (Eric Rice ) 是一位社会工作教授，他是南加州大学社会人工智能中心的联合创始人，该中心是南加州大学社会工作教授和工程师之间的合作项目，致力于应用人工智能来解决社会问题。为无家可归者分配住房的程序更加合理。他和他的团队首先确定了洛杉矶县旧住房评估流程的问题；赖斯的研究显示，洛杉矶评估最需要住房的人的过程错误地认为黑人和拉丁裔客户比白人客户更不容易受到伤害。然后，他们招募社区成员来修改评估调查及其管理流程，并与应用机器学习技术的研究人员合作，以更实证的方式纠正结果中的潜在偏差。
赖斯说：“这是第一个在大城市开展此项目的项目，因为洛杉矶的复杂性、无家可归者的规模以及对种族公平的担忧。”
史蒂文斯加入了一个社区咨询委员会，该委员会将为如何识别真正最需要帮助的人制定新的愿景。他们是一场安静的全国性革命的一部分，这场革命旨在思考如何最好地帮助需要住房的人。在洛杉矶、匹兹堡，甚至密苏里州农村，官员们都在问同样的问题：预测一个人风险的新算法能否缓解美国的无家可归危机？
无家可归者的数字
在 20 世纪 80 年代和 90 年代，当史蒂文斯无家可归时，谁获得住房援助、谁没有获得住房援助几乎没有任何规律或理由。在全国范围内， 事实上的无家可归者服务模式要么是先到先得，要么是彩票系统。
多年来，住房官员努力使该制度更加合理。 2012 年，美国住房和城市发展部 (HUD) 要求各州建立“协调准入系统”，以标准化人们的服务评估和优先顺序。正如史蒂文斯所说，协调进入成为新的“无家可归者服务[系统]的前门”。 “不穿过前门，你就什么也得不到。”
一年后，一项名为 VI-SPDAT 的新筛选调查在全国范围内推出，以更加严格地监管这一过程。该调查提出了几十个问题，旨在用一个数字来量化一个人发生严重后果的风险，例如进入急诊室、出现心理健康危机、被监禁或死于街头。对调查问题的回答给出了 17 分的分数，对受访者的脆弱性进行了排名。
目标是识别处境最严峻的人并首先为他们提供帮助，正是为了防止这些极端结果发生。 “住房和城市发展部发现，当激励措施很少时，需求最高的人得不到服务，并且经常死在街上。这是这个国家的一场悲剧。”HUD 发言人表示。
调查得分越高，一个人在永久支持性住房或提供现场支持服务（例如就业帮助或心理健康护理）的公寓的队列中的排名就越高。从理论上讲，这种方法不仅在洛杉矶使用，而且在全国各城市都使用，旨在为最需要的人提供稀缺的住房。
但这个系统仍然无法正常运行或公平运行。黑人占该县人口的不到 10%，但占洛杉矶县无家可归人口的 30% 以上。几十年来的种族主义红线、 掠夺性抵押贷款和对贫困的定罪，再加上住房短缺，造成了 黑人无家可归现象的流行。
2018 年，洛杉矶县召开了无家可归黑人问题特设委员会，提出解决危机根源的措施。史蒂文斯成为委员会中值得信赖的声音。一项重要发现：VI-SPDAT 调查被破坏。洛杉矶需要修复无家可归者服务机构的前门。
赖斯的研究发现，通过社区咨询委员会会议和案例经理访谈，一个关键问题是人们常常不知道如何使用这些信息——因此许多客户不敢说实话。
与白人客户相比，黑人客户获得“假阴性”的可能性高出 6%，即风险评分低于针对其脆弱性的更客观的衡量标准。为了做出这些估计，赖斯的团队使用了县有关精神病拘留、急诊室就诊、监狱、持续无家可归和死亡的数据，然后将客户实际发生的情况与他们评估的脆弱性进行比较。黑人客户显然比调查发现的更容易受到伤害；拉丁裔客户出现误报的可能性也比白人客户高出 3%。
为什么需要住房的人却不愿意来？调查问题可能很复杂且具有侵入性，询问有关药物使用、性创伤和家庭暴力的问题。 “它的措辞可能会让人觉得是指责，”无家可归者服务非营利组织圣约瑟夫中心的住房匹配员黛布拉·杰克逊说，她为马里布、比佛利山庄和圣莫尼卡的客户提供服务。
有时，社工在刚认识某人时，或者当客户处于危机状态且无法清晰思考时，会执行 VI-SPDAT。 “尤其是黑人，他们比其他人更多地遭遇执法……他们担心司法系统不能以公平的方式为他们服务，”杰克逊说。
黛布拉·加特林（Debra Gatlin）是另一位指导赖斯实验的人，她依靠自己的经验帮助洛杉矶县心理健康部门的客户找到永久住房。 2008 年经济衰退失业后，50 多岁的她第一次无家可归。她从一个机构换到另一个机构，不断地寻求推荐，就像一场烫手山芋的游戏。没有人帮助她。
“我是帮助我找到住所的人，”她说。在没有政府援助的情况下找到了一个家后，加特林于 2016 年加入了心理健康部门的工作人员。作为客户和管理者，她近距离地看到了该部门的问题。
在 2021 年底与客户会面之前，加特林检查了该人的档案；他之前至少参加过两次 VI-SPDAT 调查，脆弱性评分较低，为 6 分（满分 17 分）。（该县目前优先考虑永久支持性住房的阈值分数是 8 分。）
他们开始评估，加特林密切关注他的面部表情和肢体语言。她试图让他感到舒服。
“这一切都不是为了给你带来麻烦。这是为了帮助你。”她向那个男人保证。
当加特林问起服兵役的事情时，她的客户说是的。他在之前的调查中没有透露这一点，但他向她敞开心扉，分享了他之前没有透露过的关于他的历史的其他细节。他的脆弱性得分几乎增加了两倍，达到 16 分（满分 17 分）。
现在他有多种住房选择。他选择搬到洛杉矶西区布伦特伍德附近的一个地方。
在洛杉矶试点项目社区咨询委员会的每月会议上，加特林分享了她的经验，她看到客户的命运取决于调查的管理方式。在近两年的时间里，她每隔几个月就会与史蒂文斯、杰克逊和其他十几个人一起制定如何彻底改革住房分类流程的方案。
董事会成员强调了时机的重要性；社会工作者永远不应该在第一次见到某人或当某人在没有组织思维的情况下积极陷入危机时进行调查。杰克逊看到人们努力将他们的创伤史与目前的情况联系起来。
“他们无法建立这种联系，”她说。 “你会一遍又一遍地看到这种模式。”
为什么旧系统失败了
赖斯和他的同事在 2020 年招募的社区咨询委员会首先试图找出旧调查的问题，提出最佳管理实践，并完善语言，使之对人们的创伤更加敏感。
这是相对简单的部分。接下来，成员们必须决定新的分类流程如何评估脆弱性——这是一个没有明确答案的困境。他们是否应该优先为最需要的人提供住房援助，这些人面临着急诊室就诊、监禁和死亡等不良事件的最大风险？或者他们应该优先考虑那些最有可能迅速永久摆脱无家可归的人，那些可能需要比其他人更少的支持和更少的时间来实现稳定的人？
“这就像颁布的沉船法一样。你们有很多人溺水。你要先救谁？”加州大学洛杉矶分校精神病学和行为科学临床副教授Sam Tsemberis说，他创建了“住房第一”模型，该模型在解决其他问题之前优先考虑为高危人群提供住房。 “这是一个极其困难的决定，我们甚至不必做出。这就像对痛苦、贫困和绝望的程度进行排名。”
当然，建造更多住房将使这不再是一场零和游戏。但狭隘的政治纷争和错综复杂的分区法规阻碍了洛杉矶建设更多新住房的努力。在建造足够多的新住房之前，必须有人弄清楚谁能获得现有的住房，而谁不能。
史蒂文斯从一个很久以前就需要帮助的人的角度来回答这些问题。
19 岁时，她一边抚养孩子，一边上大学，同时照顾一位家庭朋友。但当那位朋友去世后，这位女士的大家庭将史蒂文斯赶出了家门。
史蒂文斯没有积蓄。她把孩子交给母亲照顾，同时上课并尽可能长时间地呆在沙发上。有时她躲在后面，整晚都坐公交车。一位司机常常在黎明时默默地递给她一个甜甜圈和咖啡。史蒂文斯在住宿期间从未饮酒或吸毒，但她开始使用。 “我很尴尬，我很羞愧，”她说。那年晚些时候，她从大学退学了。
每年她都会失去家，史蒂文斯的处境持续恶化。她在监狱里度过了一段时光，并经历了家庭暴力。她找到了一套经济实惠的公寓，但旧病复发并失去了它。 1986 年，当她再次找到住房时，她找到了一份新工作，但拖欠了房租，最终被驱逐。
直到2000年夏天，补贴住房券才被叫到史蒂文斯的名字。她正在庆祝清醒两周年，几乎到了这一天，并在治疗方面取得了长足进步。 “我相信这是天意，”她说。
尽管史蒂文斯对这一突破表示感谢，但她认为该系统应该在人们的生活完全崩溃之前进行干预。当她无家可归时，VI-SPDAT 尚未到位，但在她经历了这一切之后，她 19 岁时的脆弱性评分会比 40 岁时低得多。如果她早点得到帮助——即使她的分数可能会更低——她也许能够避免二十年的痛苦。
“事实是，每个人都很脆弱，”史蒂文斯说。但按照目前的做法，“你必须被击垮、粉碎，我才能帮助你。”
“对于那些因为失业而摔倒的人来说，你有更好的机会。这些人也应该优先考虑，因为他们可以站起来。他们已经有了靴子，只是带子断了。帮他们固定带子。”
但这意味着处于危机边缘的人们获得资源的可能性较小。赖斯说：“其中一些人将继续无家可归，他们将继续表现不佳，他们最终将成为优先考虑的人。”
他强调，人们无家可归的时间越长，他们就越有可能经历不良事件。如果没有帮助，今天那些被认为不足以需要援助的人们最终将成为最受压迫的人——但前提是要经历多年的困难、痛苦和健康状况恶化。
“如果没有足够的资源，当我们有动脉出血的患者时，我们就无法……将脚踝扭伤的患者送到急诊室前面，”赖斯说。 “无论好坏，我们的想法是脚踝扭伤的人只能等待。
“在这种情况下，扭伤脚踝的人最终会出现动脉出血。”
机器学习如何提供帮助
对史蒂文斯来说，根据她的经验，很明显他们应该包扎扭伤。但住房和城市发展部 (HUD) 制定了一项联邦授权，即协调的入境系统必须优先考虑有更严重需求和脆弱性的人首先获得援助。 （HUD 的代表无法确认当地机构如果不遵守规定是否会失去资金。）
其他董事会成员虽然同情史蒂文斯的观点，但得出的结论是他们受到这项授权的约束。洛杉矶县修订后的分流流程将重点关注最需要的人。
该项目的下一阶段将涉及使用数据科学来减少旧分类过程中暴露的一些人为和系统偏见。
以前的分类工具仅依赖于调查中的自我报告信息来生成漏洞评分。现在，赖斯的同事将建立一个更复杂的预测风险模型。他们评估了过去五年的历史数据，以确定哪些调查问题实际上与不良事件相关，哪些不相关。他们使用了犯罪、医院和死亡记录，以及通过住房当局收集的数据。
制作新风险模型的任务被分配给了加州政策实验室（隶属于加州大学的一个研究小组）的高级数据科学家布莱恩·布莱克韦尔（Brian Blackwell） 。
他的目标是缩小调查范围，只包括与赖斯团队关心的结果具有统计相关性的问题。这样，团队就可以消除无关紧要的问题，这些问题掩盖了客户真正的脆弱性，并且不必要地谈论可能会给客户带来创伤。
但仅靠更好的调查并不能消除所有先前存在的偏见，这些偏见阻碍了有需要的人被识别出来，特别是种族偏见。布莱克威尔希望预测风险模型能够纠正旧工具对有色人种客户的错误率。 “这个人也许可以从永久住房或住房补贴中受益，”他解释道，“但该工具没有识别出这一点。
“所有预测模型都会犯错误——这是不可避免的——但你要确保这些错误不会系统性地歧视某些群体，”布莱克威尔补充道。
布莱克威尔的团队试图确保新模型在准确性方面不再因种族而存在统计差异。他们选择了一种简单的算法，允许住房官员继续对现场客户进行调查。机器的决策也将是透明的。该模型（称为“普通最小二乘线性回归”）估计不同变量之间的关系以进行预测。 （有些人将其比作 GPS 通过数据导航来找到到达目的地的最佳路线的方式。）
这个新工具现在由洛杉矶无家可归者服务管理局（LAHSA）负责。 LAHSA 系统和规划总监玛丽娜·弗洛雷斯 (Marina Flores) 表示，该机构将于 12 月开始对工人进行新流程培训。 LAHSA 计划在 2025 年 1 月之前实施并开始使用该工具进行永久支持性住房优先排序。
个案工作者仍将使用笔和纸管理新的 VI-SPDAT，但将在计算机上输入每个答案。新模型为不同的问题分配不同的分值，并为与负面结果最密切相关的问题赋予更多权重。与以前一样，系统将输出一个数字来总结一个人的脆弱性，但调整后的评分系统应该纠正以前的种族偏见。
弗洛雷斯表示，需要新的流程来重建案件工作者的信任，因为他们看到了旧系统的缺陷。她很高兴 LAHSA 的新模型将消除无关紧要的问题，例如“除了生存之外，你是否有计划的活动让你感到快乐和满足？” – 并且仅包括那些已证明与不良后果相关的内容。
“我们能够使用实际上具有一定有效性的东西来做到这一点，”她说。
新的风险预测模型将告诉像加特林这样的案例工作者谁最迫切需要住房。但社会工作者仍然有自由裁量权 哪个 住房 资源应该分配给被确定为最弱势的人群——至少目前如此。
南加州大学工程学教授菲比·瓦亚诺斯 (Phebe Vayanos)与莱斯共同领导了社会人工智能中心，她构建了一种住房分配算法，作为项目的一部分，可以为客户匹配特定的住房。但洛杉矶官员选择推迟实施。
弗洛雷斯知道，考虑到公众对这项技术的怀疑，将人工智能整合到一个改变许多人命运的过程中可能会引起争议。专家经常警告说，模型的公平性取决于它们训练的数据集，而机器学习可能会放大现有的种族偏见。怀疑论者警告不要从主观的、生死攸关的决定中去除太多的人为判断。洛杉矶官员希望谨慎行事并试水。
推动洛杉矶项目的相同概念已经在其他地方推广。 2023 年，密苏里州农村地区的一个团队启动了一个类似的项目，通过采用赖斯试点的许多原则来彻底改革他们的分诊流程并修复他们自己的“前门”。
“当人们谈论机器学习时……有些人可能会持有这样的观点，‘哦，这太可怕了，这是有偏见的，’”加入密苏里大学社会工作学院之前曾师从莱斯的Hsun-Ta Hsu说道。从 2015 年至 2022 年。Hsu 正在帮助领导密苏里州项目。
“大概是这样吧。但有一种方法可以解决这些[偏见]，”Hsu 说。 “我们的社区利益相关者，即可能直接受到该工具后果影响的最弱势群体……他们帮助我们定义优先级应该是什么样子。”
“朝着正确方向的巨大飞跃”
即使是一些最接近该项目的人也持批评态度并心存疑虑。有时，他们会质疑自己是否在进行正确的战斗。虽然像加特林这样的人认为修理前门是值得的，但像史蒂文斯这样的人不希望人们忽视房子仍然破损的事实。
史蒂文斯并不相信洛杉矶协调入境系统的这些变化会产生影响。史蒂文斯说：“这件事已经失控了，任何一种工具都不再是正确的工具。” “我们不能说，‘住房是一项人权’，然后又说，‘哦，但你必须得 15 分。’”
“事情很紧急，”她说。然而，消息“仍然要坚持并等待”。
赖斯正在学习生活在灰色地带。 “我所做的工作是帮助建立一个不足以公平或更公平地处理问题范围的制度，但不一定……[解决]我们的住房资源不足这一更大、更根本的问题。国家，”他说。
“这是一个更深刻的问题，”他说，这个问题需要“作为美国人，转变我们的思维，认识到照顾那些被忽视的公民的价值。”
与此同时，他相信渐进进步的价值。 “在我们的国家有解决无家可归问题的政治意愿之前……更加重视创造更多住房，我们需要确保正在资助的现有系统（即现有系统）是公平的，”他说。
杰克逊持务实的观点：她认为该项目是至关重要的第一步。她说：“如果它按照我们希望的方式推出，那么这将是朝着正确方向的巨大飞跃，有助于识别漏洞，并在危害最小的方面获取最多的信息。” “我们的目标是让某人从无家可归到有家可归，并尽可能减少创伤。”
就加特林而言，她希望改变分诊流程将会产生重大影响。她已经看到这种单一的互动可以在多大程度上决定一个无家可归者的命运。 “我们正在处理的是你的生活，”她说。每一个被拯救的生命都会产生影响。
终于在谈判桌上占有一席之地——感受到她自己的力量在塑造洛杉矶在一个对她影响如此深远的问题上的路线——感觉“令人兴奋”。
“长期以来，我一直在这里为无家可归者和无家可归者发声，”加特林说。 “我真的感觉我的声音被听到了。”
这个故事是由新闻非营利组织共同出版和支持的 经济困难报告项目。
原文： https://www.vox.com/the-highlight/388372/housing-policy-los-angeles-homeless-ai