Estimering af den sande tilstand af global fattigdom med maskinelæring

Et samarbejde mellem UoC Berkeley, Stanford University og Facebook giver en dybere og mere detaljeret beskrivelse af den faktiske tilstand af fattigdom i og mellem lande, ved hjælp af maskinelæring.

Forskningen, med titlen Micro-Estimates of Wealth for all Low-and Middle-Income Countries, er ledsaget af en beta-website, der giver brugerne mulighed for at interaktivt udforske den absolutte og relative økonomiske tilstand af fine-grained områder og lommer af fattigdom i lav- og mellemindkomstlande.

Rammearbejdet omfatter data fra satellitbilleder, topografiske kort, mobiltelefonnetværk og aggregeret anonymiseret data fra Facebook, og verificeres mod omfattende face-to-face-undersøgelser, med det formål at rapportere relativ velstandsforskellighed i en region, snarere end absolutte estimeringer af indkomst.

Et kort over global fattigdom, vægtet mod de mest berørte områder. Nederst, forstørrelser af Sydafrika og Lesotho (b); et 12 km² stort område omkring Khayelitsa township nær Cape Town. Kilde: https://arxiv.org/ftp/arxiv/papers/2104/2104.07761.pdf

Systemet er blevet adopteret af den nigerianske regering som grundlag for administration af sociale beskyttelsesprogrammer, og kører i tandem med den eksisterende ramme fra Verdensbanken, National Social Safety nets Project (NASSP). I februar blev de første modtagere under ordningen betalt en kontant overføring på 5000 nigerianske naira, en fordel der kan betales op til seks måneder, indtil en grænse på en million naira er nået.

Artiklen fastslår, at datafattigdom bidrager væsentligt til forkert distribution af hjælp i lande med minimale dataindsamlingresurser eller begrænsede infrastrukturer, og at politisk motiveret misrapportering (et problem, der ikke er begrænset til lavindkomstlande) også er en faktor i denne henseende.

Registrering af de ‘uregistrerede fattige’

Forskernes simulationer på dataene viste, at under eksisterende regler for tildeling af hjælperesurser, fordeling baseret på dette system øger betaling til dem, der har størst behov, og reducerer betaling for eksisterende modtagere i højere indkomstgrupper. Artiklen nævner også, at administratorerne af sociale beskyttelsesprogrammer havde svært ved at tildele hjælperesurser ved starten af COVID-19-krisen, på grund af manglen på omfattende eller detaljerede data. I Nigeria, for eksempel, dækker de seneste undersøgelsesdata kun husholdninger i 13,8% af alle nigerianske distrikter, i modsætning til den 100% dækning, som det nye system giver.

Tidligere arbejde med AI-baseret fattigdomsestimering har koncentreret sig hovedsageligt om data fra satellitbilleder (se nedenfor), men forskerne fastslår, at data fra mobiltilslutning giver en mere præcis og detaljeret indsigt i velstandsforskellighed på tværs af regioner, og denne informationsstrøm udgør halvdelen af alle bidragende data til projektet.

Set fra et generelt perspektiv i maskinelæringdata observerer forskerne, at modeller, der er trænet i ét land, kan være en nyttig og præcis skabelon for modeller, der dækker tilstødende lande. De nævner også, at det nye rammeværk ikke kun kan skelne mellem urbane og landlige områder, men også kan give forskellighedskort inden for urbaniserede områder, hvilket overstiger omfanget af mange nyere forskningsinitiativer i denne sektor.

Satellitbilleder i fattigdomsanalyse

Princippet bag satellitbaseret fattigdomsanalyse er antagelsen af, at fattige mennesker har lidt penge til at køre elektriske lys i mørketiden, eller måske ikke har adgang til elektriske lys overhovedet. Hvor fraværet af præcise lys kan korreleres med tilstedeværelsen af mennesker, som fastslås ved andre midler (såsom mobiltilslutningsdata), kan en indeks for fattigdom genereres.

Denne teknik blev foreslået i 2016 i en tidligere Stanford-artikel fra en anden forskningsgruppe. Metoden, der er beskrevet i denne artikel, var en pioner i brugen af aftenbilleder fra satellitter, leveret af det amerikanske forsvars meteorologiske satellitprogram (DMSP) via National Oceanic and Atmospheric Administration (NOAA-NGDC).

Fire convolutionelle filtre identificerer, fra venstre til højre, funktioner, der relaterer til urbane zoner, landlige zoner, vand og veje. Øverste række viser kildebilleder fra Google Maps, midterste rækken viser filteraktiveringskort fra maskinelæringanalysen, og nederste række viser en overlagring af aktiveringskort på de originale kortbilleder. Kilde: https://science.sciencemag.org/content/sci/353/6301/790.full.pdf

Stanford-projektet korrelerede beviserne for nattelys i satellitovervågningen mod deres egen database over DHS-undersøgelser for det år, hvor både undersøgelserne og de aggregerede satellitresultater fandt sted. Det var nødvendigt at etablere gennemsnit af summen af nattelysværdier som proxier for visse økonomiske indikatorer.

Ground Truth For Global Fattigdomsstatistik

For det nye Stanford-projekt valgte forskerne at udlede dataframeworket fra det eksisterende Demographic and Health Survey (DHS) Program, selvom de indrømmer, at dette i virkeligheden replicerer DHS-skemaet i datasettet. Forskerne observerer: ‘Vi valgte at træne vores model eksklusivt på DHS-data, fordi det er den mest omfattende enkeltkilde af offentligt tilgængelige, internationalt standardiserede formuesdata, der giver husholdningsniveau-formue-estimeringer med sub-regionale geokoder.’

Men projektet opererer på et langt højere opløsningsniveau end DHS, og ved at bruge den eksisterende ramme som grundsandhed giver det to fordele: først og fremmest er DHS-data ikke afhængigt af formel rapportering af indkomst, som er en upålidelig indikator i de lande, der er mest berørt af fattigdom, hvor sortbørseøkonomier er almindelige; og andet, dataene indsamles på en standardiseret måde og efter en international skabelon, der giver forskernes ramme mulighed for at omfatte andre lande, der er underlagt denne måde at måle på, snarere end at etablere ækvivalenser på tværs af konkurrerende rammer.

Mobiltilslutning som en økonomisk indeks

For mennesker, der lever i økonomisk udfordrede områder, er mobiltilslutning blevet en teknologisk livline over de sidste to årtier, da mobiltelefoner er det minimum tilgængelige teknologiske platform, der kan tillides i sådanne forhold. Mobiltelefoner er også blevet de facto betalingsplatforme for hjælpe-modtagere, der mangler en bankkonto eller andre konventionelle midler til at modtage penge.

Men som det er observeret før, har brugen af mobilnetværksindikatorer som en økonomisk indeks for maskinelæringssystemer nogle potentielle ulemper: der er mennesker i de berørte regioner, der er så fattige, at de ikke engang ejer en mobiltelefon – de mennesker, som systemet er mest designet til at hjælpe; systemet kunne potentielt blive manipuleret af brugere med multiple mobiltelefoner under omstændigheder, hvor en telefon er blevet en proxy for unikke ID-hashes af borgere; og der er privatlivsimplikationer ved at oprette denne type identifikationssystem, i tilfælde, hvor den lokale eller nationale regering har visse rettigheder over projektet.