создайте профиль
Искусственный интеллект поможет побороть бедность, анализируя спутниковые фотографии
Программа анализирует текущее положение дел, но не предлагает пути решения проблем
Одной из главных проблем в борьбе с бедностью является отсутствие достоверной информации об уровне развития инфраструктуры в странах третьего мира. Чтобы как-то исправить это положение, американские учёные разработали систему, которая анализирует спутниковые снимки, и не хуже социологов определяет, какие регионы Земли в первую очередь нуждаются в помощи.
Чтобы иметь возможность эффективно помогать небогатым государствам эксперты из международных организаций должны понимать, какая из таких стран прежде всего нуждается в помощи, а также насколько они объективно отличаются друг от друга по уровню развития инфраструктуры.
«Существует довольно мало статистических сведений о странах третьего мира, а на проведение социологических исследований, например, в таких труднодоступных регионах, как центральная Африка понадобиться много времени и денег», - говорит Маршалл Бёрк (Marshall Burke), специалист Департамента естественных наук Стэнфордского университета (Department of Environmental Earth System Science at Stanford University).
Воспользовавшись методами машинного обучения, особой дисциплины в рамках искусственного интеллекта, Бёрк и его команда разработали компьютерную систему, которая сама анализирует полученные со спутника фотографии территорий, «охваченных бедностью». Поскольку уличное освещение является универсальным индикатором уровня экономического развития (электрификации региона), то учёные приступили к анализу снимков ночной Земли.
«Сначала система оценивает интенсивность уличного освещения в заданном регионе мира, затем сопоставляет ночные и дневные снимки этой территории, а потом соотносит результаты своих вычислений с данными, полученными в ходе социологических исследований», - говорит Бёрк.
Принцип машинного обучения заключаются в том, что учёные разрабатывают вычислительную модель и вносят в неё исходные данные, что позволяет находить решения по заданным условиям. Модель, которую разработала команда ученых из Стэндфорда имеет более 50 млн самонастраиваемых параметров. Таким образом, исследователи хоть и понимают, чем занимается созданная ими вычислительная система, но лишь приблизительно представляют себе, как именно она это делает.
«Мы можем только догадываться, как система генерирует экспертные выводы, которые практически ничем не отличаются от результатов дорогостоящих полевых исследований», - говорит один из участников проекта Дэвид Лоубелл (David Lobell).
Также учёные намерены разработать вычислительную модель для анализа распространения сотовой связи, ведь это ещё один достоверный индикатор благосостояния.
«Искусственный интеллект открывает перед нами невероятные возможности для масштабных, эффективных и на удивление точных измерений уровня благосостояния населения, а также экономической активности в определённых регионах мира», - говорит Лоубелл.
По его словам, у самообучающихся систем обработки данных большие перспективы ещё и потому, что в будущем они будут работать ещё быстрее и эффективнее, аккумулируя всё больше информации.
