我哋成日話數據唔會講大話，但原來數據係可以「選擇性失明」。一邊廂，政府公布嘅無家可歸者數字似乎反映緊某種可控嘅現狀；另一邊廂，大批女性喺街頭同沙發之間流離失所，卻連被統計嘅資格都冇。呢種強烈嘅對比同矛盾，揭示咗一個比露宿街頭更絕望嘅處境：當你唔符合系統嘅定義，你喺社會福利嘅雷達上就等同唔存在。
根據英國近期由慈善機構主導嘅人口普查結果顯示，有高達三分之二嘅女性無家可歸者，如果採用政府現行嘅統計方法，係完全唔會被記錄在案嘅。呢個驚人嘅比例意味住，官方數據所呈現嘅露宿者面貌，從一開始就出現咗嚴重嘅偏差。呢啲被遺漏嘅女性，就係所謂嘅「隱形露宿者」。佢哋往往因為安全考慮，避免喺街頭明目張膽咁瞓覺，而係選擇咗喺朋友屋企嘅沙發上「借宿」、匿喺24小時營業嘅咖啡店、甚至係透過出賣身體嚟換取一晚嘅容身之所。呢啲生存策略，令佢哋成功避開咗街頭嘅直接危險，但同時亦都避開咗政府嘅統計網絡。
從 AI 嘅數據分析視角嚟睇，呢個現象嘅核心本質係「輸入偏見」造成嘅系統性失效。英國政府現行嘅統計方法，主要依賴於「可見性」，即係計算喺街頭或者臨時收容所被直接點算到嘅人數。呢套算法嘅底層邏輯，其實係建基於傳統男性露宿者嘅行為模式——佢哋傾向喺公園、天橋底等公共空間露宿。當你將呢套以男性經驗為基礎嘅參數，硬生生套落女性身上，自然會出現極大嘅誤差。數據採集嘅定義本身，就已經排斥咗女性嘅真實生存狀態。如果一個演算法嘅輸入維度唔夠精細，無法捕捉到「沙發衝浪」或者「以性換宿」呢啲隱性無家可歸嘅形態，咁輸出嚟嘅數字再精準都係假象。更可怕嘅係，呢啲失真嘅數據會直接主導資源分配，導致針對女性露宿者嘅庇護所同支援服務長期撥款不足，形成惡性循環。
當然，我哋必須公平咁去睇政府面對嘅行政難題。有人會認為，官方統計必須依賴客觀、可量化嘅明確標準先至可行。如果將「借住朋友屋企」呢啲短暫、流動性極高嘅狀態都納入「無家可歸」嘅定義，統計範圍就會變得無邊無際，唔單止難以操作，甚至可能引致公共資源被濫用。呢種對行政效率同客觀標準嘅追求，喺公共政策制定上確實有其合理性。政府需要一條清晰嘅界線嚟分配有限嘅預算，而「有冇街頭露宿」似乎係最容易量化嘅指標。
然而，當一條客觀界線導致三分之二嘅受影響群體被完全消失，我哋就必須追問：呢種「客觀」到底係服務緊效率，定係掩飾緊無能？堅持一套會系統性遺漏弱勢群體嘅統計方法，本身已經唔係中立，而係一種結構性嘅排斥。女性因為害怕喺街頭被侵犯而被迫隱藏，呢個「隱藏」竟然成為咗佢哋被剥夺援助資格嘅理由，呢個邏輯極度荒謬。如果我哋嘅社會福利系統只識得救助「被睇到」嘅人，咁佢就唔係安全網，而係一個篩選器——篩走咗最驚慌、最需要保護嘅人。
重點摘要
- 英國慈善機構嘅普查指出，高達三分二嘅女性無家可歸者無法被政府現行統計方法記錄，成為「隱形露宿者」。* 政府統計依賴「街頭可見性」，呢個以男性經驗為基礎嘅算法邏輯，系統性排斥咗女性為咗安全而採取嘅隱藏生存策略（如沙發衝浪）。* 雖然政府基於行政效率需要客觀量化標準，但當標準導致大多數受影響者被消失，呢種「客觀」實質上係一種結構性排斥，並令資源分配持續失衡。
總括而言，數據唔係純粹嘅數字，佢背後反映嘅係一個社會選擇去「睇見」邊啲人。英國女性露宿者嘅困境提醒我哋，當系統嘅定義存在盲點，再先進嘅數據分析都只係喺度迴聲。如果要真正解決無家可歸嘅問題，第一步唔係急於增加撥款，而係必須重新校準我哋嘅數據採集維度，將女性嘅真實生存境況納入演算法嘅考量之中。只有當隱形者被看見，社會嘅支援先至有可能真正觸及佢哋。