ریاضیات نژادپرست

احتمالاً اینکه نابرابری در ایالات متحده در حال افزایش است، برای شما خبر جدیدی نیست. اما اینکه ریاضیات مسوول بخشی از این افزایش است را احتمالاً نشنیده‌اید. سلاح‌های مخرب ریاضیات، نام کتاب جدید کتی اونیل است که به این موضوع پرداخته است. او در این کتاب نشان می‌دهد که از تبلیغات و بیمه‌ها گرفته تا آموزش، چگونه داده‌ها، الگوریتم‌ها و محاسبات ریاضی، همه و همه به ضرر فقرا کار می‌کنند.
آیا تقاضای شما برای دریافت یک شغل به دلیل تست‌های شخصیتی رد شده است؟ آیا داده‌های آماری بانک و نرم‌افزار تحلیل آن نرخ بهره بانک را برای شما بالا تعیین کرده است؟ یا به دلیل محل زندگی شما، داده‌های آماری پلیس نشان داده است احتمال بیشتری دارد شما برای امنیت جامعه خطرناک باشید و در نتیجه برای جرم خود مجازات بیشتری دریافت کرده‌اید؟ اینها همه به استفاده نامناسب و نژادپرستانه از ریاضیلات بازمی‌گردد. ناتوانی شما در صحبتی روان و تاثیرگذار، می‌تواند به راحتی باعث ردشدن شما در مصاحبه کاری شود، در حالی که مصاحبه تستی کامپیوتری است. مساله اینجاست که عدم توانایی در استفاده از کلمات و گرامر مناسب، می‌تواند ریشه در این موضوع داشته باشد که شما مهاجر هستید، مهاجران همیشه و حداقل در سال‌های ابتدای ورود، در زمره افراد فقیر کشور میزبان قرار دارند (در مقایسه با افراد هم‌سطح خود) این وضعیت آنها را از دریافت شغلی که برای آن مناسب هستند، محروم می‌کند. آن هم در حالی که کارفرما می‌تواند ادعا کند هیچ تبعیضی بین درخواست‌دهندگان قائل نشده و تجزیه و تحلیل را به نرم‌افزاری با پایه ریاضی سپرده است. همین وضعیت در مورد محل زندگی یا حق بیمه‌ای که باید بپردازید و بهره‌ای که با آن باید وام دریافتی را بازپرداخت کنید، وجود دارد. ثروتمندان خوش‌حساب، وام‌هایی بیشتر با بهره کمتر دریافت می‌کنند، و فقرا، تنها به این دلیل که نرم‌افزارهای ریاضی کاملاً عادل، آنها را مشتریان پرریسک تشخیص می‌دهند، وام‌هایی کمتر و با نرخ بهره بالاتر دریافت می‌کنند. به راحتی می‌توان تصور کرد که این سیستم چگونه باعث افزایش فاصله طبقاتی بین فقیر و غنی می‌شود. آن هم در حالی که هیچ فرد انسانی نژادپرستی بر سیستم اعمال نفوذ نکرده و در تصمیم‌گیری‌ها دخالتی ندارد و بررسی‌ها تنها بر عهده ریاضیات است.
اونیل که دکترای ریاضی خود را از هاروارد دریافت کرده است، در سال‌های بعد از بحران اقتصادی 2008 و خصوصاً جنبش اشغال وال‌استریت به موضوع علاقه‌مند شده است. «من به شدت نگران جدایی بین مدل‌های فنی و مردم واقعی هستم، اخلاقیاتی که سعی شد با حذف عامل انسانی از فرآیند تصمیم‌گیری رعایت شود، حالا دوباره در معرض خطر است.» وی که داده‌های آماری انبوه را به سلاح‌های کشتارجمعی تشبیه می‌کند در این باره می‌افزاید: افراد فقیر احتمال بیشتری دارد نتوانند بدهی خود را به موقع بازپرداخت کنند و با احتمال بیشتری در محله‌های جرم‌خیزی زندگی می‌کنند که باعث تشدید مجازات می‌شود. اینکه گذشته تا چه حد نشان‌دهنده آینده افراد است، موضوعی است که نرم‌افزار و داده‌های ریاضی نمی‌تواند آن را تشخیص دهد. شما به عامل انسانی نیاز دارید که بتواند عامل تلاش فرد برای بازپرداخت بدهی را نیز به معیارهای تصمیم‌گیری بیفزاید.