社计文库 | 谢林隔离模型与算法审计的讨论

点击蓝字

关注我们

谢林隔离模型由美国经济学家托马斯·克罗姆比·谢林建立，揭示了种族和收入隔离背后的原理。

我们以纽约市人口的收入分布情况为例，假设人们希望周围至少有30%的邻居和自己收入差不多，如果低于30%，人们就会搬家寻找更合适的地方。那么在纽约这样的城市最终会形成什么样的人口收入分布呢？

结果1：

当人们希望身边30%的邻居和自己收入水平相当的时候：1. 每个人初始拥有了49.1%和自己收入相当的邻居；2. 有17.4%人们不满意自己的邻居的收入。

人们经过不停的搬家之后，最终都稳定下来，人们平均拥有76.3%的邻居和自己的收入水平相当，并且形成了宏观上收入水平的隔离。

结果2：

但是如果我们把隔离阈值设为80%，也就是人们希望大部分邻居（80%）同自己收入相当，是否会出现绝对隔离了？

研究发现，由于高度隔离值，人们会不停的搬家，无法产生一个均衡状态，并未形成收入的隔离。

从上面的例子中我们发现，人们宽容的允许身边有各种收入阶层的人存在（30%的收入相当的邻居），但是最终却形成了隔离；而只想和收入等级相同（80%）的邻居居住的社区却形成不了收入隔离。

在仿真模型代码编写或者人工智能具体的应用场景的实践过程中，都包含着我们对个体或群体假定。面对复杂的社会，对于无法量化的特征或者复杂的场景，我们在代码编写过程，常采用随机性来解决这种问题，如何在个体和群体、低度社会化和过度社会化之间找到平衡，同时如何把这种模式代码化，这是一个问题。算法的构建不仅是一个技术层面的编码，同时还包含了数据工程师对社会场景、个人、群体的认知与假定。因此在计算社会科学的发展路径中，算法审计是一个重要的研究方向。

作者：

刘金龙 百度公益基金会

李佳珂 中国社会科学院大学（研究生院）社工系

往期推荐：

社计未来

欢迎关注我们！