布鲁克林的温度计显示95°F（35°C），脆弱人群需要信息来采取适当行动。纽约市官员必须快速收集事实，提供关于降温中心、停电和其他可能挽救生命细节的更新。这些细节是最好从简单的低复杂度方法还是基于AI的工具中获取？
康奈尔大学主导的研究团队发现，答案远非黑白分明。他们发现，简单、人类可理解的指数分数与不太可解释的预测AI算法之间的优势，取决于预期结果以及决策的目标受众。例如，AI可能更适合做出能为外展服务或紧急警报提供信息的即时决策，而基于人类的指数可能更适合测量"热脆弱性"等更抽象的概念。
而且，这两种方法可能都非常敏感，对输入的微小变化会产生大不相同的输出。
"我们不应该仅仅从偏见、公平性或有效性来评估这些预测算法，还应该考虑已经使用的工具——指数，"信息科学博士生珍娜·戈夏克(Jennah Gosciak)表示。"我们的工作有点翻转了分析，真正调查了已经在使用的工具、相关的权衡，以及我们是否可以对它们进行渐进式改进。"
戈夏克是"审视基于指数的风险评估：纽约市热应急管理决策案例研究"的主要作者，该研究在6月25日至28日在蒙特利尔举行的ACM公平性、问责性和透明度会议(FAccT '26)上发表。资深作者是康奈尔科技学院和康奈尔安·S·鲍尔斯计算与信息科学学院的信息科学助理教授艾莉森·科内克(Allison Koenecke)。
在这项工作中，研究团队测试了纽约市热脆弱性指数(HVI)的敏感性，这是该市长期规划工作中广泛使用的工具，包括今年公布的"纽约市城市森林议程"（一项旨在保护城市森林的战略）和"凉爽社区"（2017年推出的一项旨在减轻过度热量影响的战略举措，包括植树和绿色基础设施）。
HVI使用五个数据输入——夏季白天地表温度；有空调的家庭百分比；植被覆盖率；家庭中位收入；以及非拉丁裔黑人居民的百分比——基于温度计算风险评分（1到5）。
戈夏克和团队评估了HVI的可靠性和有效性，并将其与另外两个广泛使用的指数进行比较——联邦紧急事务管理局的国家风险指数和疾病控制与预防中心的热与健康指数。
研究人员发现，HVI对其输入非常敏感，根据目标或优先事项（例如健康vs经济损失）可能会有很大差异。它通常更适合长期规划而非短期响应。
戈夏克表示，指数不一定比算法更好或更差——在某些情况下两者都适用。
"有些决策或场景中，指数实际上是有用的，我不想贬低它，"她说。"这些是已经在使用这些工具的场景。然后有一些决策——关于资金分配或外展服务——你可能会想使用指数，但也许使用预测算法可以做得更好。"
研究人员提供了七个权衡点，决策者在权衡使用基于人类的指数或算法时应考虑这些点。包括：
- 问题表述：考虑项目的范围和相关目标（放置降温中心vs测量与热相关的疾病）；
- 时机：指数通常涉及缓慢的数据输入，最适合长期规划，而预测算法更适合支持即时决策，例如对与热相关的停电的响应；以及
- 目标受众：指数具有易于理解的数据，更适合普通受众，而算法通常使用高级数据为官方机构和个人做出的决策提供信息。
戈夏克指出，虽然这是一个特定的案例研究，但该方法可以适用于各种情况。
"指数工具在各种环境中的政策制定中更广泛地使用，包括环境正义和为资源分配决策提供信息，"她说。"我们认为权衡这两种选择是有用的。"
珍娜·戈夏克等人，《审视基于指数的风险评估：纽约市热应急管理决策案例研究》，《2026年ACM公平性、问责性和透明度会议论文集》(2026)。DOI: 10.1145/3805689.3812405
【全文结束】