Ученые научили нейросеть определять уровень бедности по спутниковым снимкам

Разработанный метод позволит сократить расходы на исследования уровня бедности в разных регионах.

Американские ученые предложили определять уровень бедности в Африканских странах по спутниковым снимкам регионов. Предложенный исследователями метод заключается в том, что искусственный интеллект анализирует спутниковые снимки местности и на основе ее особенностей делает оценку благосостояния жителей региона. Результаты исследований ученых были опубликованы в журнале Science.

Как правило, для определения уровня бедности используются различные методы. Вместе с тем, для проведения крупномасштабных исследований требуются значительные затраты со стороны правительства, поэтому в экономически слаборазвитых регионах такие исследования проводятся редко. Это создает дефицит информации, что делает невозможным определить регионы, которые наиболее остро нуждаются в помощи.

Теперь же исследователи предложили использовать сверточную нейросеть, обрабатывающую спутниковые снимки местности. Многослойная архитектура такого типа сетей позволяет анализировать изображения высокого уровня абстракции. В данном случае на вход нейрона подается не вся картинка, а небольшая ее часть, которая обрабатывается программой. После этого получается карта признаков, которая тоже несколько раз "пропускается" через нейросеть, и, в конечном итоге, искусственный интеллект определяет, что изображено на снимке.

Работу программы ученые проверили на примере пяти стран с доступными результатами опросов: Нигерии, Танзании, Уганды, Малави и Руанды. Оказалось, что предсказания искусственного интеллекта в 75% случаев совпадали с реальными данными о богатстве домохозяйств. В случае с предсказанием на основе потребительских расходов программа показала меньший результат - 55%.