ترکیب تصاویر ماهوارهای و هوش مصنوعی برای مقابله با گسترش فقر در آفریقا
محققان دانشگاه استفورد (Stanford University) آمریکا ابزاری را توسعه دادهاند که با ترکیب تصاویر ماهوارهای در دسترس عموم و هوش مصنوعی، سطح فقر را در کشورهای آفریقایی مورد ارزیابی قرار میدهد. مارشال برک (Marshall Burke) و دیوید لوبل (David Lobell)، دو پژوهشگر این دانشگاه، طی پنج سال تیمی را برای ساخت این ابزار اندازهگیری قدرتمند رهبری کردهاند تا روشی کارآمد را جهت بررسی میزان فقر در طول زمان در مناطق محروم آفریقا ارائه دهند. سازمانهای دولتی و ارگانهای ارائهدهنده خدمات به اینگونه مناطق با استفاده از اطلاعات بهدستآمده از این ابزار میتوانند تصمیمات لازم را اتخاذ و اجرایی کنند.
محققان برای این منظور از تصاویر ماهوارهای تهیهشده هم در روز و هم در شب استفاده میکنند. در تصاویری که در روز ثبت شدهاند، وضعیت و تغییرات در زیرساختهایی مانند جادهها، مزارع کشاورزی، خانهها، سازههای مسکونی و کانالها و مسیرهای آبی نشاندهنده میزان توسعه هر منطقه در طول زمان است. همچنین در تصاویری که در شب بهثبت رسیدهاند، تعداد چراغها و گستردگی روشناییها در مناطق مختلف حاکی از میزان پیشرفتها در این نواحی است. سپس این ابزار از الگوریتمهای یادگیری عمیق (Deep learning) بهمنظور ایجاد مدلی جهت تجزیه و تحلیل دادههای تصویری استفاده میکند و در نهایت یک شاخص برای ارزیابی میزان تغییرات در امکانات هر منطقه ارائه میدهد؛ شاخصی که معمولاً از آن برای ارزیابیهای مرتبط با رفاه خانوارها در کشورهای در حال توسعه بهره گرفته میشود.
محققان از ابزار یادشده برای ارزیابی میزان توسعهیافتگی حدوداً ۲۰ هزار روستا که اطلاعاتی در مورد وضعیت امکانات و زیرساختهای آنها در دسترس بود، استفاده کردند. آنها متوجه شدند که این ابزار در سنجش میزان فقر در آفریقا بهخوبی عمل میکند. بهگفته این تیم تحقیقاتی، اولین پژوهشها برای این منظور در سال ۲۰۱۶ و با استفاده از دادههای ماهوارهای ثبتشده طی یک سال از ۵ کشور آفریقایی آغاز شد؛ دادههایی که خریداری شده بودند و قدرت تفکیک مکانی بالایی داشتند. اما اکنون این پروژه تقریباً نیمی از کشورهای آفریقایی را پوشش میدهد چرا که از دادههای ماهوارهای رایگان و در دسترس عموم استفاده میکند و بههمین دلیل امکان بهرهگیری از آن در مقیاس وسیع و برای مناطق مختلف ایجاد شده است.