Технология выявления бедности
Первый из Цели устойчивого развития прямо указывает на необходимость «искоренить нищету во всех ее формах во всем мире». По данным ООН, 836 миллионов человек живут в условиях крайней нищеты, а каждый пятый в развивающихся странах выживает менее чем на 1,25 доллара в день. Как технологии могут помочь обнаружить бедность в мире, чтобы способствовать ее искоренению?
Мы уже знаем о многих приложениях недавно внедренные технологии, такие как дроны и большие данные, для самых разных аспектов устойчивого развитияот совершенствования сельскохозяйственного мониторинга до тушения лесных пожаров, в случае беспилотных летательных аппаратовк сбору всех видов данных о погоде, экономике, социальном обеспечении, занятости и т. д., в случае больших данных — существуют и другие.
Спутники для выявления бедности в отдаленных районах
Одним из последних успехов в изучении бедности с помощью новых технологий является использование спутники для обнаружения депрессивных, труднодоступных районов, чтобы правительства могли лучше направить свои усилия и ресурсы: экономические, материальные, кадровые или иные.
Какие спутниковые данные помогают выявить бедность? Такие изображения, как грунтовые дороги, обширные плантации и животноводство, водные ресурсы, состояние крыш домов в городах, городах и сельской местности.…все эти факторы помогают определить, процветает ли тот или иной район или беден.
Исследователи из Департамента наук Стэнфордского университета запустили проект по использованию спутников для сбора всех видов данных. С помощью мощных алгоритмов они создал карты в развивающихся странах с указанием труднодоступных мест по суше и срочно нуждалась в помощи.
Нил Джин, один из авторов исследования, прокомментировал: «Опросы проводятся по традиционному методу сбор данных о бедности, но редко это надежно делается в большинстве развивающихся стран. Другие менее важные данные, собираемые систематически, но не для этой цели, также могут быть использованы, чтобы пролить свет на бедность и богатство».
Миллионы изображений днем и ночью
Что касается более ранних исследований, направленных на измерение степени местного бедности от спутников, Стэнфордский проект добился прорыва, сравнив данные с ночных и дневных снимков. Изучая несколько регионов Африки к югу от Сахары, этот метод сочетает в себе новый способ сбора изображений в разное время дня и ночи для создания «карт воздействия», которые автоматически различают районы бедности и крайней бедности.
Он включает в себя метод картирования, который генерирует миллионы спутниковых изображений высокого разрешения, анализируемых исследователями с помощью машинного обучения. дисциплина искусственного интеллекта, в которой необработанные данные и отдельно цель исследования вводятся в вычислительную модель, которая затем разрабатывает алгоритм решить проблему без прямого вмешательства человека. «По сути, мы предоставили системе машинного обучения дневные и спутниковые снимки в ночное время и попросил его сделать прогноз бедности», — объяснил профессор Стефано Эрмон. «По сути, система научилась решать проблему, сравнивая эти два набора изображений».
Мобильные телефоны
Предмет повседневного использования в развитых странах, такой как смартфон, также может стать отличным помощником в обеспечении устойчивости при выявлении бедности. Исследование, проведенное Наука журнал показал, как, используя анонимные показатели использования сотовых устройств в развивающихся странах — пилотное исследование для этого было проведено в Руанде — данные могут быть собраны, чтобы пролить свет на социальные отношения, модели перемещения и использование и потребление товаров и услуг. Большой объем накопленных данных выявляет новую картину бедности в исследуемых районах.
Нил Джин считает, что «объединение данных из телефонных записей и спутниковых снимков» может помочь оценить бедность с высокой степенью достоверности в районах планеты, где невозможно провести обычные исследованияпозволяя доставлять помощь тем, кто больше всего в ней нуждается в любой момент.
Источники: Пуэнтес Дигиталис, Эль Паис, Расширение CNN, BBC, Банко Мундиаль, Foro Económico Mundial, Наука, Эль Эспаньол, Эль Эспаньол II, Наука 2, Эль Паис II и Стэнфордские новости.