Program 2030 użyje AI do identyfikacji ubóstwa z kosmosu

Uzyskiwanie pomocy zubożałym Afrykanom jest wystarczająco trudne, co z blokadami biurokracji i biurokracji. Jednak w wielu krajach afrykańskich złe dane lub ich brak sprawiają, że dystrybucja funduszy jest jeszcze trudniejsza.

„Zwalczanie ubóstwa zawsze było tak olśniewającym celem współczesnego świata”, powiedział mi Neal Jean, doktorant informatyki w School of Engineering Uniwersytetu Stanforda. „To priorytet numer jeden dla Narodów Zjednoczonych 2030 Program na rzecz Zrównoważonego Rozwoju, ale głównym wyzwaniem jest to, że nie ma wystarczającej liczby wiarygodnych danych. Naprawdę trudno jest pomagać zubożałym ludziom, kiedy nie wiesz, gdzie oni są. ”

Ten fundamentalny problem miał rozwiązać Jean i pięciu informatyków, wykorzystując zdjęcia satelitarne i model uczenia maszynowego. Ich Nowe badania, który został opublikowany dzisiaj w nauka, stanowi dowód koncepcji algorytmu zdolnego do przewidywania informacji o ubóstwie w pięciu krajach afrykańskich: Nigerii, Tanzanii, Ugandzie, Malawi i Rwandzie.

Spójrz na przykład na Angolę. Minęło czterdzieści lat, odkąd kraj uzyskał niepodległość od Portugalii, ale jest pierwszy spis postkolonialny zostało przeprowadzone zaledwie dwa lata temu. Naród afrykański jest niezmiernie bogaty w ropę naftową, ale po nieprzerwanych latach wojny domowej 27, połowa jego ludzi Żyć w ubóstwie. Niestety, mając niewiele danych na temat ich dobrobytu gospodarczego, prawie niemożliwe jest stworzenie programów, które mogłyby pomóc najbiedniejszym społecznościom Angoli, ponieważ nikt nie wie dokładnie, co jest potrzebne.

Kraje mogą nie znosić zgłaszania własnej nierówności z powodu korupcji i konfliktów. Według Banku Światowego 39 spośród krajów afrykańskich 59 wypełnił mniej niż dwie ankiety dotyczące populacji związane z ubóstwem między 2000 a 2010. Z tych narodów 14 nie zgłosił żadnych danych, a większość zgromadzonych informacji nigdy nie trafi do domeny publicznej.

Przez dziesięciolecia badacze starali się zmierzyć ubóstwo przy użyciu alternatywnych zestawów danych, takich jak Media społecznościowe, zapytania wyszukiwania w sieci oraz wykorzystanie sieci komórkowej. Na przykład w Rwandzie prawie 72 procent ludzi mając mobilny dostęp w 2014, badacze byli w stanie zmapować swoją lokalizację na podstawie danych telekomunikacyjnych kraju. Chociaż nietradycyjne metody takie jak te miały charakter informacyjny, wspomniano w badaniu, poruszono także kwestie prywatności i skalowalności, ponieważ polegały na zastrzeżonych informacjach.

Tymczasem tradycyjne próby zbierania, takie jak badania gospodarstw domowych, były zbyt drogie i kosztowały setki miliardów dolarów, a czasem były utrudnione przez niepokoje społeczne. Często, darczyńcy oferowaliby pożyczki dla krajów afrykańskich do przeprowadzania spisów ludności zamiast dotacji, których wielu nie było w stanie zaakceptować.

Przeczytaj całą historię tutaj…