Повестка дня 2030 будет использовать AI для выявления бедности из космоса

Оказание помощи обнищавшим африканцам достаточно сложно, что связано с блокадой бюрократии и волокиты. Но во многих африканских странах плохие данные или их отсутствие делают распределение средств еще более проблематичным.

«Борьба с бедностью всегда была этой блестящей целью современного мира», - сказал мне Нил Джин, докторант в области компьютерных наук в Инженерной школе Стэнфордского университета. «Это приоритет номер один для Организации Объединенных Наций 2030 повестки дня по устойчивому развитию, но главная проблема в том, что недостаточно надежных данных. Очень трудно помочь обедневшим людям, когда ты не знаешь, где они ».

Эта фундаментальная проблема была тем, что Жан и пять компьютерных ученых надеялись решить, используя спутниковые снимки и модель машинного обучения. Их Новое исследование, который был опубликован сегодня в Наука, обеспечивает подтверждение концепции алгоритма, способного прогнозировать информацию о бедности в пяти африканских странах: Нигерии, Танзании, Уганде, Малави и Руанде.

Посмотрите на Анголу, например. Сорок лет прошло с тех пор, как страна получила независимость от Португалии, но ее первая постколониальная перепись было проведено всего два года назад. Африканская нация непостижимо богата сырой нефтью, но после продолжительных лет гражданской войны 27, половина его людей жить в бедности. К сожалению, имея скудные данные об их экономическом благополучии, практически невозможно создать программы, которые могли бы помочь беднейшим общинам Анголы, потому что никто точно не знает, что нужно.

Страны могут не желать сообщать о своем собственном неравенстве из-за коррупции и конфликтов. По данным Всемирного банка, 39 из стран Африки 59 завершено менее двух обследований населения, связанных с бедностью между 2000 и 2010. Из этих стран 14 вообще не сообщал никаких данных, и большая часть накопленной информации никогда не станет достоянием общественности.

В течение десятилетий исследователи изо всех сил пытались измерить бедность, используя альтернативные наборы данных, такие как социальные медиа, поисковые запросы в Интернете и использование мобильной сети, В Руанде, например, где почти 72 процентов людей Имея мобильный доступ в 2014, исследователи смогли составить карту своего местоположения на основе телекоммуникационных данных страны. Хотя нетрадиционные методы, подобные этому, были информативными, в исследовании упоминается, что они также поднимали вопросы конфиденциальности и масштабируемости из-за своей зависимости от конфиденциальной информации.

Между тем традиционные усилия по сбору средств, такие как обследования домашних хозяйств, были слишком дорогостоящими сотни миллиардов долларови иногда мешали гражданским беспорядкам. Часто, доноры предложат кредиты африканским странам для проведения переписи вместо грантов, которые многие не могли позволить себе принять.

Прочитайте полную историю здесь…