Американские ученые определят уровень бедности в странах мира с помощью нейросетей
Американские ученые используют нейросети, чтобы определить уровень бедности в развивающихся странах Африки. Для оценки будут использоваться спутниковые фотографии местности, говорится в статье, опубликованной в журнале Science.
Нейросеть проанализирует объекты на множестве фотографий страны и даст прогноз по уровню ее достатка. Искусственный интеллект определяет, что именно изображено на снимках, а затем сверяется с заранее изученными нейросетью особенностями благополучных районов — более яркое освещение, качественные крыши домов, наличие дорог и воды.
Чтобы научиться предсказывать уровень благосостояния района, нейросеть сопоставляет со спутниковыми снимками местности результаты ранее проведенных исследований о средних потребительских расходах и о богатстве домохозяйств, данные которых нанесены на карту.
Программа оказалась точнее, чем предыдущие разработки: в 75% случаев ее предсказание совпадало с реальными данными о среднем богатстве домохозяйств в странах, где информация была доступна. При прогнозе на основании потребительских расходов алгоритм был менее точен — результат совпал только в районе 55% случаев.
В отличие от традиционных методов оценки уровня бедности, использование нейросетей не потребует практически никаких расходов. Авторы алгоритма отмечают, что классические масштабные социологические исследования дают более точную оценку, однако из-за своей дороговизны редко проводятся в слаборазвитых странах. Это мешает определить регионы, нуждающиеся в гуманитарной помощи, и оценить общемировую ситуацию с удовлетворением базовых потребностей.
Как отмечает N+1, ранее ученые уже пытались придумать нетипичные способы сбора информации об уровне достатка в слаборазвитых странах: к примеру, использовать данные об использовании мобильных телефонов или оценивать интенсивность ночного освещения.