De VN zegt dat het te duur is om armoedegegevens te verzamelen door van deur tot deur een enquête uit te voeren. De wetenschap schiet te hulp: kunstmatige intelligentie kan armoede vanuit de ruimte voorspellen. Misschien zullen ze het combineren met de pre-crime AI om te voorspellen waar criminaliteit zal plaatsvinden. ⁃ TN Editor
Hulp krijgen voor arme Afrikanen is al moeilijk genoeg, met blokkades van bureaucratie en bureaucratie. Maar in veel Afrikaanse landen maakt slechte gegevens, of een gebrek daaraan, het distribueren van fondsen nog lastiger.
"Het bestrijden van armoede is altijd dit stralende doel van de moderne wereld geweest," vertelde Neal Jean, een doctoraatsstudent in computerwetenschappen aan de Stanford University's School of Engineering. “Het is de eerste prioriteit voor de Verenigde Naties 2030 Agenda voor Duurzame Ontwikkeling, maar de grote uitdaging is dat er onvoldoende betrouwbare gegevens zijn. Het is echt moeilijk om arme mensen te helpen als je niet weet waar ze zijn. ”
Dit fundamentele probleem was wat Jean en vijf computerwetenschappers hoopten op te lossen met behulp van satellietbeelden en een machine learning-model. Hun nieuwe studie, die vandaag werd gepubliceerd in Wetenschap, biedt een proof-of-concept voor een algoritme dat informatie over armoede in vijf Afrikaanse landen kan voorspellen: Nigeria, Tanzania, Oeganda, Malawi en Rwanda.
Kijk bijvoorbeeld naar Angola. Veertig jaar zijn verstreken sinds het land onafhankelijk werd van Portugal, maar het is eerste postkoloniale volkstelling werd slechts twee jaar geleden uitgevoerd. De Afrikaanse natie is ondoorgrondelijk rijk aan ruwe olie, maar na 27 aanhoudende jaren van burgeroorlog, de helft van de mensen leven in armoede. Helaas, met schaarse gegevens over hun economisch welzijn, is het bijna onmogelijk om programma's te maken die de armste gemeenschappen van Angola kunnen helpen, omdat niemand precies weet wat nodig is.
Landen kunnen afkeer hebben van het melden van hun eigen ongelijkheid als gevolg van corruptie en conflicten. Volgens de Wereldbank 39 uit 59 Afrikaanse landen minder dan twee bevolkingsonderzoeken met betrekking tot armoede tussen 2000 en 2010 ingevuld. Van deze landen heeft 14 helemaal geen gegevens gerapporteerd en de meeste verzamelde informatie zal nooit het publieke domein bereiken.
Al tientallen jaren worstelen onderzoekers om armoede te meten met behulp van alternatieve gegevenssets, zoals social media, zoekopdrachten op internet en gebruik van mobiele netwerken. In Rwanda bijvoorbeeld, waar bijna 72 procent van de mensen mobiele toegang hadden in 2014, konden onderzoekers hun locatie in kaart brengen op basis van de telecommunicatiegegevens van het land. Hoewel niet-traditionele methoden zoals deze informatief waren, vermeldde de studie, maar ze brachten ook kwesties op van privacy en schaalbaarheid, vanwege hun afhankelijkheid van bedrijfseigen informatie.
Ondertussen waren traditionele inzamelingsinspanningen zoals enquêtes onder huishoudens te duur en duur honderden miljarden dollars, en werden soms gehinderd door burgerlijke onrust. Vaak, donoren zouden leningen aan Afrikaanse landen aanbieden voor het nemen van volkstellingen, in plaats van subsidies, die velen zich niet konden veroorloven te accepteren.
Wat kan hier misgaan? Misschien kunnen ze dezelfde jongens inhuren die het computermodel hebben gebouwd dat de opwarming van de aarde voor het IPCC heeft gevolgd !!
wpDiscuz
Wat kan hier misgaan? Misschien kunnen ze dezelfde jongens inhuren die het computermodel hebben gebouwd dat de opwarming van de aarde voor het IPCC heeft gevolgd !!