在消除贫困的斗争中，像任何斗争一样，最好知道目标的位置。
斯坦福大学的研究人员创造了一种新的强大工具，可以帮助估计整个非洲村庄的贫困水平及其随时间的发展变化。(图片来源:Getty Images)
这就是为什么斯坦福大学的学者马歇尔·伯克、大卫·罗贝尔和斯特凡诺·埃尔蒙在过去的五年里带领一组研究人员以一种高效的方式找到并跟踪非洲的贫困地区。
他们开发的强大工具结合了免费、公开可访问的卫星图像和人工智能，以评估非洲村庄的贫困水平及其随时间的发展变化。通过分析过去和现在的数据，该测量工具可以为向穷人提供服务和必需品的组织、政府机构和企业提供有用的信息。
5月22日出版的《自然通讯》杂志公布了他们的工作细节。
“我们的主要动机是更好地开发工具和技术，使我们能够在真正重要的经济问题上取得进展。斯坦福经济政策研究所(SIEPR)研究员、地球能源学院地球系统科学助理教授伯克说。环境科学(斯坦福地球)。这是一个我们认为可以帮助的工具。
SIEPR的高级研究员、斯坦福大学地球系统科学教授罗贝尔说，回顾历史对于确定帮助人们摆脱贫困的趋势和因素至关重要。
“令人惊讶的是，还没有任何好的方法来了解非洲地方层面的贫困是如何变化的，”罗贝尔说。人口普查不够频繁，挨家挨户的调查也很少回到同一个人那里。如果卫星可以帮助我们重建贫困的历史，它可以为更好地理解和减轻非洲大陆的贫困开辟很大的空间。”
测量工具使用夜间和白天的卫星图像。在夜晚，灯光是发展的指示器，而在白天，人类基础设施的图像，如道路、农业、屋顶材料、房屋结构和水道，提供了与发展相关的特征。
然后，该工具应用深度学习技术——不断训练自己发现模式的计算算法——来创建一个模型，分析图像数据并形成一个资产财富指数，这是一种经济成分，测量员通常用它来衡量发展中国家的家庭财富。
研究人员对该测量工具的准确性进行了测试，测试对象是大约2万个非洲村庄，这些村庄拥有从2009年开始的调查得来的现有资产财富数据。根据他们的研究，他们发现在衡量不同时期村庄的贫困水平方面，它表现得很好。
在这里，伯克——他也是斯坦福大学伍兹环境研究所和弗里曼·斯波格利国际研究所的中心研究员——讨论了这个工具的制作及其帮助改善世界贫困人口福利的潜力。
,
为什么你对这种新的技术资源感到兴奋?
这是第一次，这一工具表明，我们可以衡量经济进步，并了解地方和广泛层面上的贫困干预措施。它在非洲各地，在很多不同的年代都有效。它运行得非常好，在很多不同类型的国家都运行得很好。
,
你能举例说明这个新工具将如何使用吗?
如果我们想要了解反贫困计划的有效性，或者一个非政府组织想要针对特定类型的个人推出特定的产品，或者一个企业想要了解市场在哪里增长——所有这些都需要经济结果的数据。在世界上的许多地方，我们还没有这些数据。现在，我们正在使用撒哈拉以南非洲地区的数据，并对这些模型进行培训，以吸收所有数据来衡量特定的结果。
,
这项新研究是如何建立在你以前工作的基础上的?
我们最初在2016年发布的扶贫测绘工作，是基于5个国家一年的数据。它依靠的是规模小得多的昂贵高分辨率图像。现在这项工作覆盖了大约24个国家——大约非洲国家的一半——使用了多年的高维数据。这提供了用于开发度量模型的底层培训数据集，并允许我们验证这些模型是否做出了良好的贫困估计。
we’我们有信心运用这项技术和这种方法为非洲所有的国家做出可靠的估计。
与之前的工作相比，一个关键的不同之处在于，我们现在使用的是完全公开的、可以追溯到过去的卫星图像，而it’s是免费的，我认为这使这项技术大众化了。我们是在一个综合的，巨大的空间尺度上进行的。
,
如何使用卫星图像来获得贫困估计?
we’是在计算机科学领域——深度学习——的快速发展的基础上建立起来的，这发生在过去的五年里，并且真正改变了我们从图像中提取信息的方式。我们不是告诉机器在图像中寻找什么;相反，我们只是告诉它，这是一个富有的地方。这是一个贫穷的地方。弄out.”
电脑很清楚地识别出了城市地区、农业区、道路、水道——你可能认为这些地貌特征在区分富裕地区和贫困地区方面具有一定的预测能力。电脑说，‘我发现了这个模式’，然后我们可以赋予它语义意义。
这些更广泛的特征，在村庄层面上进行了研究，结果证明与该地区家庭的平均财富高度相关。
,
接下来是什么?
现在我们有了这些数据，我们想用它们来学习一些关于经济发展的知识。这一工具使我们能够解决一年前无法提出的问题，因为现在我们在广泛、空间和时间范围内对关键经济成果进行了地方层面的衡量。
我们可以评估为什么有些地方做得比其他地方好。我们可以问:生计的增长模式是什么样的?大部分的差异是国家之间还是国家内部?如果一个国家内部存在差异，这已经告诉了我们一些关于增长决定因素的重要信息。可能是当地发生了什么事。
i’，我是经济学家，这些问题让我很兴奋。技术的发展本身并不是目的。it’是我们想要做的社会科学的推动者。
除了伯克(Burke)、罗贝尔(Lobell)和埃尔蒙(Ermon)——计算机科学教授之外，发表的这项研究的共同作者是克里斯托弗·叶(Christopher Yeh)和安东尼·佩雷斯(Anthony Perez)，他们都是斯坦福大学国王全球发展中心(Stanford King Center on Global Development)的计算机科学研究生和研究助理;研究数据分析师安妮·德里斯科尔(Anne Driscoll)和附属学者乔治·阿扎里(George Azzari)都在斯坦福大学食品安全和环境研究中心工作;以及曾在King Center担任研究数据分析师的Tang Zhongyi。
这项研究得到了斯坦福大学金中心全球发展数据计划和美国国际开发署粮食安全局的支持。
要阅读有关斯坦福科学的所有故事，请订阅《斯坦福科学文摘》。
新闻旨在传播有益信息，英文原版地址：https://news.stanford.edu/2020/05/22/using-satellites-ai-help-fight-poverty-africa/