采用匹配人工智能工具未能惠及弱势寄养儿童

前社会工作者Thea Ramirez开发了一种名为Family-Match的人工智能工具，帮助社会服务机构为国家最弱势的儿童寻找合适的收养父母。这些儿童通常有复杂的需求、残疾或经历过重大创伤。儿童保护服务机构多年来一直在为这些儿童寻找永久家庭而挣扎。Ramirez声称，她的算法由前在线约会服务提供商的研究人员设计，可以彻底改变收养匹配，但美联社的一项调查揭示了其存在重大局限性和挑战。

Family-Match的承诺

Ramirez将Family-Match介绍为一种技术解决方案，可以预测收养安置的长期成功。她认为，它使用科学而非单纯的偏好来为潜在收养家庭建立预测评分。该算法旨在提高美国各地的收养成功率，并提高资金短缺的儿童福利机构的效率。

有限的结果和挑战

尽管前景广阔，但Family-Match在其使用的州的表现未达预期。根据美联社通过公共记录请求获得的Family-Match的自报数据，该人工智能工具产生的结果有限。

弗吉尼亚州和佐治亚州的经历

弗吉尼亚州和佐治亚州最初采用了该算法，但在试运行后因无法促成成功的收养而放弃。尽管如此，这两个州在一段时间后恢复了与Ramirez的非营利组织Adoption-Share的合作。

田纳西州的困境

田纳西州在实施该项目时遇到困难，最终放弃了该项目，称其与其内部系统不兼容，尽管该项目已耗时两年多。

佛罗里达州的混合体验

在Family-Match扩大使用的佛罗里达州，社会工作者对该算法的体验褒贬不一。虽然它声称促成了众多安置，但这些说法的准确性受到了质疑。

缺乏透明度和数据所有权

州政府官员对Family-Match算法内部运作缺乏透明度表示担忧。此外，该组织拥有Family-Match收集的一些敏感数据，引发了隐私和数据安全问题。

人类行为的不确定性

儿童福利专家强调，预测人类行为，尤其是涉及有复杂需求的青少年时， inherently具有挑战性。儿童福利数据专家Bonni Goodwin强调，没有万无一失的方法来预测人类行为。

Ramirez的背景和动机

Thea Ramirez作为前社会工作的背景以及她希望促进收养以减少堕胎的愿望，在她开发Family-Match的过程中发挥了重要作用。Ramirez此前曾推出一个网站，将孕妇与潜在收养父母联系起来，强调反堕胎咨询中心。然而，她澄清说，Family-Match与这些中心无关。

与eharmony研究人员的合作

Ramirez与曾在eharmony管理算法的研究科学家Gian Gonzaga合作，创建了收养匹配工具。Gonzaga和他的妻子Heather Setrakian致力于开发Family-Match模型，该模型灵感来自eharmony在匹配方面的专业知识。

各州使用Family-Match的经验

社会工作者解释了Family-Match的运作方式：有意收养的成年人通过算法的在线平台提交调查回复，而寄养父母或社会工作者输入每个儿童的信息。然后，算法为“关系契合度”生成评分，并为每个儿童显示潜在父母的名单。社会工作者对候选人进行审查，在最好的情况下，儿童将被匹配并安置在家庭中试住。

弗吉尼亚州对Family Match的两年测试仅产生了一例已知的收养，当地工作人员报告称，他们认为该工具并不特别有用。

佐治亚州因其无效性而结束了Family-Match的初步试点，但后来恢复了使用。

在该项目扩展的佛罗里达州，各个儿童福利机构对Family-Match的评价不一。由于报告数据的差异，评估其成功程度具有挑战性。

州政府官员对Family-Match如何根据敏感变量对家庭进行评分表示担忧，并质疑某些数据点的必要性。该算法问卷的一些版本包括对家庭收入和宗教信仰的询问。

社会福利倡导者和数据安全专家对政府机构日益依赖预测分析表示担忧，因为这些工具可能会加剧种族差异，并可能基于不可改变的特征对家庭进行歧视。

扩张努力

尽管面临这些挑战，Adoption-Share仍在寻求扩张机会，旨在在纽约市、特拉华州和密苏里州等地实施Family-Match。它最近与佛罗里达州卫生部达成协议，构建一个算法，以增加愿意寄养和收养医疗复杂儿童的家族数量。

由Thea Ramirez开发的收养匹配人工智能工具Family-Match，最初作为为弱势寄养儿童寻找合适收养父母的解决方案，曾充满希望。然而，其性能面临局限性和挑战，各州经历了混合的结果。关于数据隐私、透明度和算法准确性的问题引起了儿童福利专家和倡导者的担忧。尽管面临这些挑战，Adoption-Share仍继续努力在美国各地扩大该工具的使用。