Нейросеть разглядит нищету из космоса
Индийская деревня с высоты птичьего полета
Чтобы бороться с бедностью во всем мире, нужно сначала узнать, где люди живут бедно. Полевые социологические исследования позволяют определить проблемные районы, но стоят дорого и часто представляют опасность для проводящих их социологов. Поэтому эксперты ООН задались вопросом о том, можно ли посмотреть на Землю сверху и нанести на карту районы, где люди с трудом сводят концы с концами.
Камеры спутников снимают Землю каждый день. Можно ли собрать эти снимки и определить уровень жизни на отснятых территориях, просто глядя на картинку? Попытки сделать это уже предпринимались: тогда ученые предлагали использовать разницу между освещенностью территории днем и ночью. Там, где людям не хватает ресурсов на электрическое освещение, живут беднее, чем в освещенных районах; однако этот принцип справедлив только для тех, кто живет за чертой бедности (менее 1,9 доллара в день по определению Всемирного банка). Читать далее
Новый способ определять уровень жизни и дохода по снимку из космоса предлагают ученые из Стэнфордского университета в США (статья опубликована в журнале Science). Признаки, которые могут указывать на низкий уровень дохода на фотографии местности — дороги без дорожного покрытия, низкоэтажная застройка, расстояние до ближайшего источника воды и ближайшего места торговли, расположение культивируемых полей.
Деревня. Лаос
Сделать выводы, основываясь на огромном количестве снимков, не под силу людям —, но под силу нейросети. Искусственный интеллект определяет, что изображено на снимке, сделанном в светлое время суток — дороги, крыши домов, промышленные сооружения, а так же анализирует уровень освещенности в ночное время. Сопоставив результаты анализа изображений с статистикой Всемирного банка и проекта демографических исследований Demographic and Health Surveys, нейросеть вывела закономерности и научилась определять уровень дохода жителей территории по ее снимку из космоса.
Нейросеть прошла проверку на снимках и статистике Малави, Нигерии, Руанды, Танзании и Уганды и показала точность от 75% до 55% для разных демографических показателей — это лучше, чем в предыдущих попытках создать спутниковую карту глобальной бедности.
Ожидается, что новая технология выявления бедных районов поможет эффективнее распределить правительственную и международную помощь жителям беднейших районов планеты.
