Sztuczna inteligencja została wykorzystana, aby dostarczać pomoc pieniężną najuboższym mieszkańcom Togo, których dotknął kryzys humanitarny. Z najnowszych badań wynika, że rządy i organizacje humanitarne mogą wykorzystać algorytmy uczenia maszynowego i dane z telefonów komórkowych, aby dostarczyć pomoc bezpośrednio do tych, którzy najbardziej jej potrzebują.
W opublikowanym w czasopiśmie naukowym Nature badaniu, zespół naukowców z University of California, Berkeley wyszedł z prostego założenia, że ludzie zamożni używają telefonów w inny sposób niż ludzie biedni. Korzystają oni z innych planów taryfowych, a ich rozmowy telefoniczne i wiadomości tekstowe przebiegają według innych schematów. Algorytmy uczenia maszynowego mogą zostać wyszkolone do rozpoznawania tych różnic i wnioskowania, czy dany abonent telefonii komórkowej jest zamożny czy biedny.
Gdy na początku 2020 roku rozprzestrzeniała się pandemia COVID-19, zespół badawczy z Uniwersytetu Kalifornijskiego w Berkeley postanowił pomóc Ministerstwu Gospodarki Cyfrowej Togo i organizacji non-profit GiveDirectly zastosować tę wiedzę w nowym rodzaju programu pomocowego.
Pierwszym krokiem było zebranie aktualnych, wiarygodnych i reprezentatywnych danych. Naukowcy przeprowadzili 15 000 ankiet telefonicznych, aby zebrać informacje o warunkach życia każdego gospodarstwa domowego. Po dopasowaniu odpowiedzi z ankiet do danych uzyskanych od operatorów telefonii komórkowej, badacze wytrenowali algorytmy uczenia maszynowego, aby rozpoznawały wzorce korzystania z telefonu charakterystyczne dla osób żyjących za mniej niż 1,25 dolara dziennie.
Kryzys humanitarny w Togo a wykorzystanie danych telefonii komórkowej
Kolejnym wyzwaniem było sprawdzenie, czy system oparty na uczeniu maszynowym i danych telefonicznych będzie skuteczny w przekazywaniu pieniędzy najuboższym ludziom w kraju. Ocena wykazała, że to nowe podejście sprawdziło się lepiej niż inne opcje rozważane przez rząd Togo. Okazało się na przykład, że całkowite skupienie się na najbiedniejszych kantonach zapewniłoby pomoc tylko 33% osób żyjących za mniej niż 1,25 dolara dziennie. Natomiast podejście oparte na uczeniu maszynowym objęło 47% tej populacji.
Naukowcy nawiązali współpracę z rządem Togo, organizacją GiveDirectly i liderami społeczności, aby opracować i pilotować program przelewów pieniężnych oparty na tej technologii. W listopadzie 2020 roku pierwsi beneficjenci zostali zarejestrowani i otrzymali wypłaty. Do tej pory program dostarczył prawie 10 milionów dolarów do około 137 000 najbiedniejszych obywateli kraju. Zespół twierdzi, że dane zbierane przez operatorów telefonii komórkowej i analizowane za pomocą technologii uczenia maszynowego, mogą pomóc w kierowaniu pomocy do osób najbardziej potrzebujących.
Panuje powszechne przekonanie, że nowe technologie mogą być przydatne tylko w zamożnych państwach. Nic bardziej mylnego – na naszym blogu pisaliśmy już o tym, jak ratują ludzkie życie w najuboższych miejscach na świecie. O ich ciekawym wykorzystaniu donosiliśmy w tekście „Uganda testuje drony, aby przyspieszyć dostawy leków na HIV”.
Jeszcze przed wybuchem pandemii ponad połowa z 8,6 miliona mieszkańców Togo żyła poniżej międzynarodowej granicy ubóstwa. Gdy wirus COVID-19 jeszcze bardziej spowolnił działalność gospodarczą, aż 54% Togijczyków było zmuszonych do rezygnacji z posiłków w każdym tygodniu. A sytuacja w Togo wcale nie jest wyjątkowa. Pogorszenie koniunktury spowodowane pandemią COVID-19 zepchnęło miliony ludzi w skrajne ubóstwo. W odpowiedzi rządy i organizacje charytatywne uruchomiły kilka tysięcy nowych programów pomocowych, które objęły ponad 1,5 miliarda osób na całym świecie.
Każdy kryzys humanitarny to problem z ustaleniem, kto potrzebuje pomocy
Jednak w samym środku tego kryzysu humanitarnego rządy mają trudności z ustaleniem, kto najpilniej potrzebuje pomocy. W idealnych warunkach decyzje byłyby podejmowane w oparciu o kompleksowe badania gospodarstw domowych. Nie było jednak sposobu na zebranie takich informacji w środku pandemii. Naukowcy z Uniwersytetu Kalifornijskiego mają nadzieję, że ich praca pomoże pokazać, w jaki sposób nowe źródła big data – takie jak informacje pozyskiwane z satelitów i sieci telefonii komórkowej – mogą umożliwić ukierunkowanie pomocy w warunkach ostrego kryzysu, kiedy bardziej tradycyjne źródła danych są niedostępne.
Nie znaczy to, że jest to sposób idealny. W Togo około 85% gospodarstw domowych miało co najmniej jeden telefon, a telefony są często współdzielone w rodzinach i społecznościach. Nie wiadomo jednak, jak wiele osób, które potrzebowały pomocy humanitarnej w Togo, nie otrzymało jej z powodu braku dostępu do telefonu komórkowego.
W przyszłości systemy, które łączą nowe metody wykorzystujące uczenie maszynowe i big data z tradycyjnym podejściem opartym na badaniach ankietowych, z pewnością przyczynią się do lepszego ukierunkowania pomocy humanitarnej. Na naszym blogu często piszemy o tym, że nowe technologie to coś więcej niż tylko oglądanie filmów w lepszej jakości. Polecamy lekturę naszych tekstów, na przykład artykułu „Łączność w dobie kryzysu – jaka jest jej rola i czy grozi nam utrata dostępu do sieci telekomunikacyjnych”.
Źródło: The Conversation