Az 2030 Agenda AI-t fog felhasználni a világűrből származó szegénység azonosításához

Elég nehéz megbocsátani az elszegényedett afrikai embereket, akárcsak a bürokrácia és a bürokrácia blokádjaival. De sok afrikai országban a rossz adatok vagy azok hiánya még bonyolultabbá teszi a források elosztását.

„A szegénység elleni küzdelem mindig is a modern világ ragyogó célja volt” - mondta Neal Jean, a Stanfordi Egyetem Műszaki Iskolájának számítástechnika doktorandusa. „Ez az Egyesült Nemzetek első számú prioritása 2030 menetrend fenntartható fejlődésre, de a legnagyobb kihívás az, hogy nincs elég megbízható adat. Nagyon nehéz segíteni az elszegényedett embereket, ha nem tudják, hol vannak. ”

Ez az alapvető probléma volt a kérdés, amelyet Jean és öt számítógépes tudós reménykedett megoldani műholdas képek és gépi tanulási modell felhasználásával. az Új tanulmány, amelyet ma a Tudomány, ötvözi az öt afrikai országban: Nigériában, Tanzániában, Ugandában, Malawiban és Ruandában a szegénységre vonatkozó információk előrejelzésére alkalmas algoritmus koncepciójának bizonyítását.

Nézd meg például Angolat. Negyven év telt el azóta, hogy az ország elnyerte a függetlenséget Portugáliától, de az az első posztkoloniális népszámlálás mindössze két évvel ezelőtt végezték. Az afrikai nemzet elfogadhatatlanul gazdag kőolajban, de az 27 folyamatos polgárháború után az emberek fele szegénységben él. Sajnálatos módon, a gazdasági jólétről szóló szűkös adatokkal szinte lehetetlen olyan programokat létrehozni, amelyek segítséget nyújthatnak Angola legszegényebb közösségeinek, mert senki sem tudja pontosan, mire van szükség.

Az országok hajlamosak bejelenteni saját egyenlőtlenségüket a korrupció és a konfliktusok miatt. A Világbank szerint 39 az 59 afrikai országokból kevesebb, mint két szegénységgel kapcsolatos népesség-felmérést végzett az 2000 és 2010 között. Ezen nemzetek közül az 14 egyáltalán nem jelentett adatot, és a felhalmozott információk nagy része soha nem fogja elérni a nyilvánosságot.

A kutatók évtizedek óta küzdenek a szegénység mérésére alternatív adatkészletek, például a a közösségi média, internetes keresési lekérdezések és mobilhálózat használata. Ruandában például hol az emberek közel 72 százaléka mobil hozzáférésük volt az 2014-ben, a kutatók képesek voltak térképezni a helyüket az ország távközlési adatai alapján. Míg az ilyen nem hagyományos módszerek informatív jellegűek voltak, a tanulmány megemlíti, ugyanakkor felvetették a magánélet és a skálázhatóság kérdéseit is, mert a szabadalmaztatott információkra támaszkodtak.

Eközben a hagyományos gyűjtési erőfeszítések, például a háztartási felmérések túl drágák és költségesek több száz milliárd dollár, és ezeket néha akadályozták a polgári zavargások. Gyakran, az adományozók kölcsönöket kínálnának az afrikai országoknak a népszámláláshoz, a támogatások helyett, amelyeket sokan nem engedhettek meg maguknak.

Olvassa el a teljes történetet itt ...