FN siger, at det er for dyrt at indsamle fattigdomsdata ved at gå dør til dør for at gennemføre en undersøgelse. Videnskab til undsætning: Kunstig intelligens kan forudsige fattigdom fra det ydre rum. Måske vil de kombinere det før-kriminalitetens AI for at forudsige, hvor kriminalitet vil finde sted. ⁃ TN Editor
Det er svært at få hjælp til fattige afrikanere, hvad med blokader af bureaukrati og bureaukrati. Men i mange afrikanske lande gør dårlige data eller mangel på dem at fordele midler endnu mere besværlige.
”Bekæmpelse af fattigdom har altid været dette skinnende mål i den moderne verden,” fortalte Neal Jean, en doktorand i datalogi ved Stanford University's School of Engineering. ”Det er førsteprioritet for De Forenede Nationers 2030 dagsorden for bæredygtig udvikling, men den største udfordring er, at der ikke er nok pålidelige data. Det er virkelig svært at hjælpe fattige mennesker, når du ikke ved, hvor de er. ”
Dette grundlæggende problem var, hvad Jean og fem computerforskere håbede at løse ved hjælp af satellitbilleder og en maskinlæringsmodel. Deres ny undersøgelse, som blev offentliggjort i dag i Videnskab, giver et bevis-of-concept for en algoritme, der er i stand til at forudsige information om fattigdom i fem afrikanske lande: Nigeria, Tanzania, Uganda, Malawi og Rwanda.
Se f.eks. På Angola. 40 år er gået, siden landet fik uafhængighed fra Portugal, men dets første postkoloniale folketælling blev udført for kun to år siden. Den afrikanske nation er usigeligt rig på rå olie, men efter 27 kontinuerlige år med borgerkrig, halvdelen af dets folk lever i fattigdom. Desværre med knappe data om deres økonomiske velvære er det næsten umuligt at oprette programmer, der kan hjælpe Angolas fattigste samfund, fordi ingen ved nøjagtigt, hvad der er behov for.
Lande kan være afsky for at rapportere deres egen ulighed på grund af korruption og konflikt. Ifølge Verdensbanken 39 ud af 59 afrikanske lande gennemførte mindre end to befolkningsundersøgelser relateret til fattigdom mellem 2000 og 2010. Af disse nationer rapporterede 14 overhovedet ingen data, og det meste af de indsamlede oplysninger vil aldrig nå det offentlige domæne.
I årtier har forskere kæmpet for at måle fattigdom ved hjælp af alternative datasæt, f.eks sociale medier, websøgeforespørgsler og brug af mobilnetværk. I Rwanda, for eksempel, hvor næsten 72 procent af mennesker havde mobiladgang i 2014, kunne forskere kortlægge deres placering baseret på landets telekommunikationsdata. Mens utraditionelle metoder som denne var informative, nævner undersøgelsen, rejste de også spørgsmål om privatliv og skalerbarhed på grund af deres afhængighed af proprietær information.
I mellemtiden var traditionelle indsamlingsindsatser som husholdningsundersøgelser for dyre og kostede hundreder af milliarder af dollars, og undertiden blev hæmmet af civil uro. Tit, donorer ville tilbyde afrikanske lande lån til folketælling i stedet for tilskud, som mange ikke havde råd til at acceptere.
wpDiscuz
Hvad kan der muligvis gå galt her? Måske kan de ansætte de samme fyre, der byggede computermodellen, der spores global opvarmning til IPCC !!