研究人员发明了一种算法，他们声称该算法可以在任何特定国家找到安置难民的最佳地点，使个人获得工作的机会提高70%。

该算法尚未在现实世界中进行测试，是根据移民的历史数据进行训练的。它是通过分析有关难民的传记信息创建的，包括他们的年龄、性别、语言技能和原籍国，以及他们在哪里重新安置以及是否找到了工作。对于每个国家，它都在数据中寻找联系，比如什么情况导致难民很快找到工作？什么情况导致了相反的结果？基于这些模式，它对个人应该被送到哪里以及他们在那里的表现做出了自己的预测。

正如《今日科学》（Science today）上发表的一篇论文所述，研究人员通过获取美国和瑞士最近的难民数据，并要求其为每个人选择最佳地点，对该算法进行了测试。根据美国的数据，个人就业的平均预测概率从25%增加到50%；在瑞士，这一比例提高了73%。

这些改进听起来可能不大可能，但研究人员说，部分原因是各国通常根本没有优化这些决策。例如，在瑞士，入境难民只是随机分配到该国26个州（行政区）中的一个，而在美国，分配完全基于能力。

“现在，根本没有任何有意义的匹配，”斯坦福大学的政治学系教授Jens Hainmueller帮助创造了这个算法。事实上，如果你在一周内来到丹佛，那里有一个景点，你就要去丹佛了。”

海恩穆勒举了一个**语的难民抵达瑞士的例子。尽管瑞士分为德语区和法语区，但难民被送往德语区和法语区的可能性是一样的。”考虑到算法[考虑到这些因素]，系统有这些改进就不足为奇了，”海恩穆勒说。

当然，很难相信一个从未在现实世界中测试过的系统，而它恰好产生了令人惊讶的积极结果(当它所做的决定可能决定或破坏人们的整个生活时，这是加倍困难的。）但是算法背后的团队相信它选择了正确的模式，并说他们通过将预测与历史数据相匹配来测试它。

海恩穆勒说：“历史测试给了我们一些信心，相信你会看到收益，但我们只能在能够在现实世界中进行测试的情况下确定地说，…”。

但专家表示，尽管优化最大就业是帮助难民融入新家园的一种方式，但这并不能说明全部情况。Mike Mitchell负责非营利机构HIA的美国移民安置项目，他指出，对难民来说，最重要和最有利的因素之一不是就业，而是社会关系。

“在像英国和美国这样的西方社会，你可以通过非正式的人际网络、教堂、犹太教堂的人际关系或你的邻居学到很多东西。米切尔告诉《边缘》杂志说：“这些关系带来了机会，也强化了你的决策。”通过这些类型的关系实现长期整合。”

这些社会联系也可以通过工作来培养，但通常发生在工作场所之外。不幸的是，各国在监测难民融入情况时并没有跟踪这些联系，因此将它们纳入由数据驱动的算法几乎是不可能的。

Mitchell补充说，虽然该算法在将难民视为一个群体时似乎表现良好，但在试图解决具体案件时，它可能会在很大程度上失败。”米切尔说：“很多时候，在一些病例中，可能存在健康问题，或者某些原因导致你无法在一个社区重新安置一个人，而不是在另一个社区。”必须考虑到这些制约因素。”

海恩穆勒和他的同事柯克·班萨克（Kirk Bansak）是斯坦福移民政策实验室的博士候选人，他们同意这是他们系统的一个弱点。但是，他们说，这并不妨碍软件的实用性。个别个案如有特殊情况,应给予额外审查该算法将向案件官员提供建议，案件官员将做出最终决定，”Bansak告诉Verge我们认为应该有一个人工覆盖，以确保算法没有遗漏的任务没有发生奇怪的事情。”

Hainmueller和Bansak指出，该算法也具有成本效益（它使用的数据已经由移民安置机构收集），并且可以相对容易地与现有决策过程集成。

然而，米切尔不太确定。他说，即使成本很低，改善美国的难民安置程序也受到两个因素的阻碍：制度惯性和政治气候。他说，现在建立的系统“40年来变化不大”因此，存在着对变革的**，或者至少是怀疑。”

一个能够显示难民如何为一个国家的经济成功做出贡献的算法也会因为政治原因而受到敌视。”这样的工具将验证难民和移民给社区带来的价值。还有一些人，因为某种哲学，认为他们必须证明不是这样，”米切尔说。他补充道：“目前，就日常层面而言，**正试图阻止难民重新安置，面临着诸多挑战。”

尽管如此，只要密切关注，米切尔对算法的潜力充满热情。”一个工具可以改善决策，但最终它应该是通知决策，而不是做出决策，”他说但我认为这是一个伟大的步骤，不应该因为它现在没有的东西而打折。”

Hainmueller和Bansak说，帮助安置难民和寻求庇护者的个案工作者表达了类似的想法。这并不是说他们认为该算法是一种可以立即解决难民重新安置的重要和困难问题的机器。相反，它可能会在这一领域引发一些变化，给几十年来一直被边缘化和限制的政治政策领域带来新的维度和活力。

海恩穆勒说：“人们很高兴能从一种算法中得到这种帮助来做决定，因为现在他们有点盲目。”