Makine Öğrenimi ile Küresel Yoksulluğun Gerçek Durumunu Tahmin Etmek

UoC Berkeley, Stanford Üniversitesi ve Facebook'un işbirliği, makine öğreniminin kullanımı yoluyla ülkeler içindeki ve ülkeler arasındaki yoksulluğun gerçek durumuna ilişkin daha derin ve ayrıntılı bir resim sunuyor.

The araştırmaBaşlıklı Tüm Düşük ve Orta Gelirli Ülkeler İçin Mikro Zenginlik Tahminleri, eşlik eder beta web sitesi Bu, kullanıcıların düşük ve orta gelirli ülkelerde ince taneli alanların ve yoksulluk ceplerinin mutlak ve göreli ekonomik durumunu etkileşimli olarak keşfetmelerine olanak tanır.

Çerçeve, uydu görüntülerinden, topografik haritalardan, cep telefonu ağlarından ve Facebook'tan toplu anonimleştirilmiş verilerden elde edilen verileri içerir ve mutlak gelir tahminleri yerine bir bölgedeki göreli servet eşitsizliğini raporlama amacıyla kapsamlı yüz yüze anketlerle doğrulanır. .

En çok etkilenen bölgelere göre ağırlıklandırılmış bir küresel yoksulluk haritası. Aşağı, Güney Afrika ve Lesotho'nun genişlemeleri (b); Cape Town yakınlarındaki Khayelitsa ilçesi çevresinde 12 metrekarelik bir alan. Kaynak: https://arxiv.org/ftp/arxiv/papers/2104/2104.07761.pdf

Sistem olmuştur benimsenen Nijerya hükümeti tarafından sosyal koruma programlarının yönetimi için bir temel olarak ve Dünya Bankası'nın mevcut çerçevesi olan Ulusal Sosyal Güvenlik ağları Projesi (Ulusal Sosyal Güvenlik ağları Projesi) ile birlikte yürütülür (NASSP). Şubat ayında, program kapsamındaki ilk alıcılara, bir milyon naira eşiğine ulaşılana kadar altı aya kadar ödenebilecek bir yardım olan 5000 Nijerya nairası nakit transferi yapıldı.

Kağıt iddia ediyor veri yoksulluğu Minimum veri toplama kaynaklarına veya sınırlı altyapıya sahip ülkelerde yardımın yanlış dağıtımına kayda değer bir katkı sağlar ve siyasi amaçlı yanlış raporlama (bir sorun) limitsiz düşük gelirli ülkelere) de bu konuda bir faktördür.

'Bildirilmeyen Yoksulların' Kaydedilmesi

Araştırmacıların veriler üzerindeki simülasyonları, yardım kaynaklarının tahsisine yönelik mevcut düzenlemeler uyarınca, bu sisteme dayalı dağıtımın en çok ihtiyaç duyanlara yapılan ödemeleri artırdığını ve daha yüksek gelir dilimlerindeki mevcut alıcılar için yapılan ödemeleri azalttığını gösterdi. Rapor ayrıca sosyal koruma programı yöneticilerinin, kapsamlı veya ayrıntılı veri eksikliği nedeniyle COVID-19 krizinin başlangıcında yardım kaynaklarının tahsisinde karşılaştıkları zorluklara da dikkat çekiyor. Örneğin Nijerya'da, en son anket verileri, yeni programın sağladığı %13.8 kapsama kıyasla, tüm Nijerya bölgelerinin yalnızca %100'indeki haneleri kapsamaktadır.

Yapay zeka destekli yoksulluk tahminindeki önceki çalışma, büyük ölçüde uydudan elde edilen verilere odaklanmıştı (aşağıya bakın), ancak araştırmacılar, mobil bağlantıdan elde edilen verilerin, bölgeler arasındaki servet eşitsizliğine ilişkin daha doğru ve ayrıntılı bir içgörü elde ettiğini ve bu bilgi akışının yarısını sağladığını iddia ediyor. proje için katkıda bulunan tüm veriler.

Araştırmacılar, makine öğrenimi verilerindeki genelleme açısından, bir ülkede eğitilen modellerin komşu ülkeleri kapsayan modeller için yararlı ve doğru bir şablon olabileceğini gözlemliyor. Ayrıca, yeni çerçevenin yalnızca kentsel ve kırsal yerler arasında ayrım yapmakla kalmayıp, aynı zamanda bu sektördeki birçok yeni araştırma girişiminin kapsamını aşan, kentleşmiş alanlar içinde eşitsizlik haritaları sağlayabildiğini de belirtiyorlar.

Yoksulluk Analizinde Uydu Görüntüleri

Uydu tabanlı yoksulluk analizinin ardındaki temel ilke, yoksul insanların karanlık saatlerde elektrik ışıklarını çalıştırmak için çok az paraya sahip oldukları veya hiç elektrik aydınlatma tesislerine sahip olmayabilecekleri varsayımıdır. Başka yollarla (mobil bağlantı verileri gibi) tespit edildiği üzere, noktasal ışıkların yokluğunun insanların varlığıyla ilişkilendirilebildiği durumlarda, bir yoksunluk indeksi oluşturulabilir.

Bu teknik, 2016 yılında bir daha önceki Stanford makalesi başka bir araştırma grubundan. Bu makalede ayrıntıları verilen yöntem, Amerika Birleşik Devletleri Hava Kuvvetleri Savunma Meteorolojik Uydu Programı (DMSP) tarafından Ulusal Okyanus ve Atmosfer İdaresi (NOAA-NGDC) aracılığıyla sağlanan akşam uydu kapsama alanının kullanılmasına öncülük etmiştir.

Dört evrişimli filtre, soldan sağa kentsel bölgeler, kırsal bölgeler, su ve yollarla ilgili özellikleri tanımlar. Üst sıra, Google Haritalar'dan alınan kaynak resimleri, ortada makine öğrenimi analizinden filtre etkinleştirme haritalarını ve alt satırda, orijinal harita görüntüsündeki etkinleştirme haritalarının bir kaplamasını gösterir. Kaynak: https://science.sciencemag.org/content/sci/353/6301/790.full.pdf

Stanford projesi, uydu gözetimindeki gece ışıklarının filtrelenmiş kanıtlarını, hem anketlerin hem de toplu uydu sonuçlarının meydana geldiği yıl için kendi DHS anketleri veri tabanıyla ilişkilendirdi. gerekliydi kurmak belirli ekonomik göstergeler için vekil olarak gece lambası değerleri toplamının ortalamaları.

Küresel Yoksulluk İstatistikleri İçin Temel Gerçek

Yeni Stanford projesi için, araştırmacılar veri çerçevesini mevcut Demografi ve Sağlık Araştırmasından (DHS) Program, kabul ettikleri gibi, bu, veri kümesindeki DHS şemasını etkili bir şekilde çoğaltır. Araştırmacılar şunları gözlemliyor: "Modelimizi yalnızca DHS verileri üzerinde eğitmeyi seçtik çünkü bu, alt-bölgesel coğrafi belirteçlerle hanehalkı düzeyinde servet tahminleri sağlayan, halka açık, uluslararası standartlaştırılmış servet verilerinin en kapsamlı tek kaynağıdır."

Bununla birlikte, proje DHS'den çok daha yüksek bir çözünürlükte çalışıyor ve mevcut çerçeveyi temel gerçek olarak kullanmanın iki faydası var: Birincisi, DHS verileri, salgından en çok etkilenen ülkelerde güvenilir olmayan bir gösterge olan resmi gelir raporlamasına dayanmıyor. karaborsa ekonomilerinin hüküm sürdüğü yoksulluk; ve ikinci olarak, veriler, standartlaştırılmış bir şekilde ve araştırmacıların çerçevesinin, rakip çerçeveler arasında eşdeğerlikler oluşturmak yerine, bu ölçüm yöntemine tabi olan diğer ülkeleri kapsamasına izin veren uluslararası bir şablonda toplanır.

Ekonomik Bir Endeks Olarak Mobil Bağlantı

Ekonomik olarak zorlu bölgelerde yaşayan insanlar için mobil bağlantı, son yirmi yılda teknolojik bir cankurtaran halatı haline geldi, çünkü cep telefonları bu tür koşullarda güvenilebilecek en düşük teknolojik platform. Cep telefonları da oldu fiili banka hesabı olmayan yardım alıcıları için ödeme platformları veya diğer geleneksel para alma yöntemleri.

Ancak, olduğu gibi daha önce gözlenen, mobil ağ göstergelerini makine öğrenimi sistemleri için ekonomik bir endeks olarak kullanmanın bazı potansiyel sakıncaları vardır: etkilenen bölgelerde cep telefonuna bile sahip olamayacak kadar fakir insanlar var - sistemin en çok yardım etmek için tasarlandığı insanlar; Bir telefonun vatandaşların benzersiz kimlik hash'leri için bir vekil haline geldiği durumlarda, sistem potansiyel olarak birden çok cep telefonuna sahip kullanıcılar tarafından oynanabilir; ve yerel veya ulusal hükümetin proje üzerinde bir miktar denetime sahip olduğu durumlarda, bu tür bir tanımlama sistemi oluşturmanın mahremiyetle ilgili çıkarımları vardır.