De werkelijke staat van mondiale armoede schatten met machine learning

Een samenwerking tussen UoC Berkeley, Stanford University en Facebook biedt een dieper en gedetailleerder beeld van de werkelijke staat van armoede in en tussen landen, door het gebruik van machine learning.

Het onderzoek, getiteld Micro-schattingen van rijkdom voor alle lage- en middeninkomenslanden, wordt vergezeld van een bèta-website die gebruikers in staat stelt om interactief de absolute en relatieve economische staat van fijne gebieden en pockets van armoede in lage- en middeninkomenslanden te verkennen.

Het kader omvat gegevens van satellietbeelden, topografische kaarten, mobiele netwerken en geaggregeerde geanonimiseerde gegevens van Facebook, en wordt geverifieerd tegen uitgebreide face-to-face-enquêtes, voor het melden van relatieve welvaartsongelijkheid in een regio, in plaats van absolute schattingen van inkomen.

Een kaart van mondiale armoede, gewogen naar de meest getroffen gebieden. Onder, vergrotingen van Zuid-Afrika en Lesotho (b); een 12 km² gebied rond de Khayelitsa township bij Kaapstad. Bron: https://arxiv.org/ftp/arxiv/papers/2104/2104.07761.pdf

Het systeem is geadopteerd door de regering van Nigeria als basis voor het beheer van sociale beschermingsprogramma’s, en werkt samen met het bestaande kader van de Wereldbank, het Nationaal Sociaal Veiligheidsnetwerkproject (NASSP). In februari ontvingen de eerste ontvangers onder het schema een contante overdracht van 5000 Nigeriaanse naira, een voordeel dat maximaal zes maanden kan worden uitbetaald, totdat een drempel van één miljoen naira wordt bereikt.

Het artikel stelt dat gegevensarmoede een aanzienlijke bijdrage levert aan de verkeerde verdeling van hulp in landen met minimale gegevensverzameling of beperkte infrastructuur, en dat politiek gemotiveerde misrapportage (een probleem niet beperkt tot lage-inkomenslanden) ook een factor is in dit opzicht.

De ‘onvermelde armen’ registreren

De simulaties van de onderzoekers op de gegevens toonden aan dat, onder de bestaande regels voor de toewijzing van hulpbronnen, de verdeling op basis van dit systeem de betaling aan degenen die het meest behoefte hebben verhoogt en de betaling voor bestaande ontvangers in hogere inkomensgroepen verlaagt. Het artikel merkt ook op dat de beheerders van sociale beschermingsprogramma’s moeite hadden om hulpbronnen toe te wijzen aan het begin van de COVID-19-crisis, vanwege het ontbreken van uitgebreide of gedetailleerde gegevens. In Nigeria, bijvoorbeeld, dekt de meest recente enquêtegegevens huishoudens in slechts 13,8% van alle Nigeriaanse districten, in tegenstelling tot de 100% dekking die het nieuwe schema biedt.

Eerder onderzoek naar AI-geassisteerde armoedeschatting heeft zich voornamelijk gericht op satellietgegevens (zie hieronder), maar de onderzoekers beweren dat gegevens van mobiele connectiviteit een nauwkeuriger en gedetailleerder inzicht geven in welvaartsongelijkheid tussen regio’s, en dat deze gegevensstroom de helft van alle bijdragende gegevens voor het project levert.

Vanuit het oogpunt van generalisatie in machine learning-gegevens merken de onderzoekers op dat modellen die in één land zijn getraind, een nuttig en nauwkeurig sjabloon kunnen zijn voor modellen die aangrenzende landen bestrijken. Ze merken ook op dat het nieuwe kader niet alleen in staat is om onderscheid te maken tussen stedelijke en landelijke gebieden, maar ook in staat is om ongelijkheidskaarten binnen stedelijke gebieden te bieden, wat de reikwijdte van veel recente onderzoeksinitiatieven in deze sector te boven gaat.

Satellietbeelden in armoedeanalyse

Het principe achter satellietgebaseerde armoedeanalyse is de veronderstelling dat arme mensen weinig geld hebben om elektrische lichten te laten branden in het donker, of mogelijk geen elektrische lichtfaciliteit hebben. Waar het ontbreken van precieze lichten kan worden gecorreleerd met de aanwezigheid van mensen, zoals vastgesteld door andere middelen (zoals mobiele connectiviteitsgegevens), kan een index van benadeling worden gegenereerd.

Deze techniek werd in 2016 voorgesteld in een eerder Stanford-paper van een andere onderzoeksgroep. De methode die in dat paper wordt beschreven, baanbrekend voor het gebruik van avondelijke satellietdekking door het United States Air Force Defense Meteorological Satellite Program (DMSP) via het National Oceanic and Atmospheric Administration (NOAA-NGDC).

Vier convolutionele filters identificeren, van links naar rechts, kenmerken die verband houden met stedelijke zones, landelijke zones, water en wegen. De bovenste rij toont bronafbeeldingen van Google Maps, de middelste rij de filteractiveringskaarten van machine learning-analyse, en de onderste rij een overlay van activeringskaarten op de originele kaartbeelden. Bron: https://science.sciencemag.org/content/sci/353/6301/790.full.pdf

Het Stanford-project correleerde de gefilterde bewijzen van nachtlichten in de satellietbewaking met zijn eigen database van DHS-enquêtes voor het jaar waarin zowel de enquêtes als de geaggregeerde satellietresultaten plaatsvonden. Het was noodzakelijk om gemiddelden van de som van nachtlichtwaarden te vestigen als proxies voor bepaalde economische indicatoren.

Grondwaarheid voor mondiale armoedecijfers

Voor het nieuwe Stanford-project besloten de onderzoekers om het gegevenskader af te leiden van het bestaande Demografisch en Gezondheidsenquête (DHS)-programma, hoewel ze toegeven dat dit effectief het DHS-schema in de dataset repliceert. De onderzoekers merken op: ‘We hebben ervoor gekozen om ons model uitsluitend te trainen op DHS-gegevens, omdat het de meest complete enkelvoudige bron van openbaar beschikbare, internationaal gestandaardiseerde rijkdomsgegevens is die huishoudensniveau-rijkdomsschattingen met subregionale geo-markeringen biedt.’

Het project werkt echter op een veel hogere resolutie dan DHS, en het gebruik van het bestaande kader als grondwaarheid biedt twee voordelen: ten eerste, de DHS-gegevens zijn niet afhankelijk van formele inkomensrapportage, wat een onbetrouwbare indicator is in de landen die het meest door armoede worden getroffen, waar zwarte markten talrijk zijn; en ten tweede, de gegevens worden verzameld op een gestandaardiseerde manier en volgens een internationaal sjabloon, waardoor het kader van de onderzoekers andere landen kan omvatten die onderworpen zijn aan deze meetmethode, in plaats van equivalenties vast te stellen tussen concurrerende kaders.

Mobiele connectiviteit als economische index

Voor mensen die in economisch uitdagende gebieden wonen, is mobiele connectiviteit de afgelopen twee decennia een technologische levenslijn geworden, aangezien mobiele telefoons het minimum beschikbare technologische platform zijn dat in dergelijke omstandigheden kan worden vertrouwd. Mobiele telefoons zijn ook de facto betalingsplatformen geworden voor hulpontvangers die geen bankrekening of andere conventionele middelen hebben om geld te ontvangen.

Er zijn echter, zoals eerder opgemerkt, enkele potentiële nadelen aan het gebruik van mobiele netwerkindicatoren als economische index voor machine learning-systemen: er zijn mensen in de getroffen regio’s die zo arm zijn dat ze niet eens een mobiele telefoon bezitten – de mensen die het systeem het meest is ontworpen om te helpen; het systeem kan mogelijk worden gemanipuleerd door gebruikers met meerdere mobiele telefoons in omstandigheden waarin een telefoon een proxy is voor unieke ID-hashes van burgers; en er zijn privacy-implicaties verbonden aan het creëren van een dergelijk identificatiesysteem, in gevallen waarin de lokale of nationale overheid enige toezicht op het project houdt.