Évaluation de l’équité réglementaire grâce à l’apprentissage automatique – Technoguide

Les dangers de l’apprentissage automatique – l’utilisation d’ordinateurs pour identifier et analyser des modèles de données, comme dans les logiciels de reconnaissance faciale – ont fait les gros titres ces derniers temps. Pourtant, la technologie est également prometteuse pour aider à appliquer les réglementations fédérales, y compris celles liées à l’environnement, de manière juste et transparente, selon une nouvelle étude réalisée par des chercheurs de Stanford.

L’analyse, publiée cette semaine dans les actes de l’Association of Computing Machinery Conference on Fairness, Accountability and Transparency (link is external), évalue les techniques d’apprentissage automatique conçues pour soutenir une initiative de l’Agence américaine de protection de l’environnement (EPA) visant à réduire les violations graves de la Loi sur l’assainissement de l’eau. Il révèle comment deux éléments clés de la conception dite algorithmique influencent les communautés ciblées par les efforts de conformité et, par conséquent, qui supporte le fardeau des violations de la pollution. L’analyse – financée par le programme Realizing Environmental Innovation du Stanford Woods Institute for the Environment – est opportune compte tenu des récentes actions exécutives (lien externe) appelant à un regain d’intérêt pour la justice environnementale.

“L’apprentissage automatique est utilisé pour aider à gérer un nombre écrasant de choses que les agences fédérales sont chargées de faire – comme un moyen de contribuer à accroître l’efficacité”, ont déclaré le co-chercheur principal de l’étude Daniel Ho, William Benjamin Scott et Luna M. Scott. Professeur de droit à la Stanford Law School. “Pourtant, ce que nous montrons également, c’est que la simple conception d’un système basé sur l’apprentissage automatique peut avoir un avantage supplémentaire.”

Non-conformité généralisée

La loi sur l’assainissement de l’eau vise à limiter la pollution des entités qui se déversent directement dans les cours d’eau, mais au cours d’une année donnée, près de 30% de ces installations signalent des violations persistantes ou graves de leurs permis. Dans le but de réduire de moitié ce type de non-conformité d’ici 2022, l’EPA a exploré l’utilisation de l’apprentissage automatique pour cibler les ressources de conformité.

Pour tester cette approche, l’EPA a contacté la communauté universitaire. Parmi ses partenaires choisis: le laboratoire de régulation, d’évaluation et de gouvernance de Stanford (RegLab), une équipe interdisciplinaire d’experts juridiques, de data scientists, de sociologues et d’ingénieurs que Ho dirige. Le groupe a travaillé en permanence avec les agences fédérales et étatiques pour favoriser la conformité environnementale.

Dans la nouvelle étude, les chercheurs du RegLab ont examiné comment les permis ayant des fonctions similaires, telles que les usines de traitement des eaux usées, étaient classés par chaque État de manière à affecter leur inclusion dans l’initiative nationale de conformité de l’EPA. À l’aide de modèles d’apprentissage automatique, ils ont également passé au crible des centaines de millions d’observations – une tâche impossible avec les approches conventionnelles – à partir des bases de données de l’EPA sur les volumes de rejets historiques, l’historique de conformité et les variables au niveau des permis pour prédire la probabilité de futures violations graves et le montant. de pollution que chaque installation générerait probablement. Ils ont ensuite évalué les données démographiques, telles que le revenu du ménage et la population minoritaire, pour les zones où chaque modèle indiquait les établissements les plus risqués.

Diable dans les détails

Le processus algorithmique de l’équipe a permis de mettre en évidence deux façons clés dont la conception de l’initiative de conformité de l’EPA pourrait influencer qui reçoit les ressources. Ces différences portaient sur les types de permis inclus ou exclus, ainsi que sur la manière dont l’objectif lui-même était articulé.

Pour déterminer comment atteindre l’objectif de conformité, les chercheurs ont d’abord dû traduire l’objectif global en une série d’instructions concrètes – un algorithme – nécessaires pour y parvenir. Alors qu’ils évaluaient les installations sur lesquelles effectuer des prédictions, ils ont remarqué une importante décision intégrée. Alors que l’initiative EPA élargit les permis couverts d’au moins sept fois par rapport aux efforts antérieurs, elle limite sa portée aux «permis individuels», qui couvrent une entité de rejet spécifique, telle qu’une usine de traitement des eaux usées unique. Les «permis généraux», destinés à couvrir plusieurs rejets engagés dans des activités similaires et avec des types d’effluents similaires, sont exclus. Une complication connexe: la plupart des pouvoirs de délivrance des permis et de contrôle sont dévolus aux agences environnementales de l’État. En conséquence, des installations fonctionnellement similaires peuvent être incluses ou exclues de l’initiative fédérale en fonction de la manière dont les États mettent en œuvre leur processus d’autorisation de pollution.

“L’impact de ce fédéralisme environnemental rend le partenariat avec les États essentiel pour atteindre ces objectifs plus larges de manière équitable”, a déclaré le co-auteur Reid Whitaker, affilié au RegLab et diplômé de la Stanford Law School en 2020, qui poursuit actuellement un doctorat en jurisprudence et politique sociale. Programme à l’Université de Californie, Berkeley.

Deuxièmement, l’initiative actuelle de l’APE se concentre sur la réduction des taux de non-conformité. Bien qu’il y ait de bonnes raisons à cet objectif politique, le processus de conception algorithmique des chercheurs a clairement montré que favoriser cela par rapport aux rejets polluants qui dépassent la limite autorisée aurait un puissant effet involontaire. À savoir, cela déplacerait les ressources d’application loin des contrevenants les plus graves, qui sont plus susceptibles d’être dans des communautés minoritaires densément peuplées, et vers des installations plus petites dans des communautés plus rurales, à prédominance blanche, selon les chercheurs.

“Décomposer la grande idée de l’initiative de conformité en petits morceaux qu’un ordinateur pourrait comprendre a forcé une conversation sur la prise de décisions implicites explicites”, a déclaré l’auteur principal de l’étude Elinor Benami, faculté affilié au RegLab et professeur adjoint d’économie agricole et appliquée à Virginia Tech. “Une conception algorithmique soignée peut aider les régulateurs à identifier de manière transparente comment les objectifs se traduisent par la mise en œuvre tout en utilisant ces techniques pour faire face aux contraintes de capacité persistantes.”

.

Lire plus

A propos Technoguide

Voir aussi

Resident Evil Village ramène le mode Mercenaries, une démo d’une heure à venir

Resident Evil Village arrive dans seulement trois semaines, et Capcom a révélé une tonne de …

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Défiler vers le haut