在美國以外，貧困的定義是每人每天的收入不超過1.5美元。在美國，貧困的定義是每人每天的收入低于34美元，或者一個四口之家每天的收入低于69美元。經過大量研究，專家們一致認為，低收入只是貧窮的一個指標，而更準確的指標則應該是對消費水平的衡量。在充分了解了影響幸福的因素之后，消費水平被確定為了一個更準確的貧困指標。
要想找到解決貧困的辦法，首先必須確定貧困的參數和范圍。貧窮的原因、貧窮的地點和消費水平是決定幸福的因素，也是控制幸福指數的一些重要參數。接下來，還需要在先前定義和確認的尺度上進行測量，并確定一個閾值。
雖然還需要包含許多必要的數據點，但本文想要追求實用性和簡單性。簡單來說，貧困通常是由于缺乏教育和生活技能以及缺乏獲得糧食和潔凈水的途徑造成的，這可能是區域性的系統性問題，可能源自于災難性的事件或者戰爭，或者是兩者兼而有之。人口過多也可能造成貧困。
衛星圖像加上經濟變量可以精確地定位貧困區域
在許多國家，想要獲取一套完整的經濟變量作為輸入數據是極其不可靠的，因為許多第三世界國家的基礎設施薄弱，在收集必要數據方面缺乏徹底性，在共享數據方面也缺乏合作。而政治權力結構也有自己的議程，因此數據可能會傾向于顯示更為樂觀的甚至是編造的數字。總體而言，無論是國家還是地區，缺乏高質量的數據都會阻礙該地區的發展和經濟增長。
通過流媒體衛星圖像，研究人員正在嘗試通過在夜晚出現密集的燈光識別為富裕地區來更準確地識別貧困地區。斯坦福大學的Marshall Burke在實驗中收集了非洲許多地區(盧旺達、尼日利亞、烏干達、馬拉維和坦桑尼亞)的夜間和日間圖像，為差距分析確定了具體的關鍵績效指標。
通過將經濟數據和作為AI/ML系統輸入的地理空間數據結合起來，Burke和他的團隊能夠在81%-99%的準確率內預測貧困地區。通過更準確地管理商品和服務，這種準確性可以對經濟援助產生積極影響，從而降低成本并幫助更多的人。此外，還可以更有效地監督和管理教育。
你能想象智能聊天機器人會代替貧困地區的老師嗎?帶有教室的移動卡車，會根據反復進行的技能評估，為正在進行的結構化教育水平的升級提供了AI/ML系統的動力。只要可以使用計算機和互聯網(也可能包括衛星通信網絡)，人工智能教師就可以根據受控的教學大綱來為學生提供教育。
由于減少了勞動力成本，消除了學費(金錢)障礙并允許以結構化的格式輕松訪問數量激增的數據，因此可以在一定程度上可以消除良好教育的不平等性。這樣，量身定制的學習環境可以進行個性化和優化，而知識背景較少的教學方法也可以獲得平等的訪問權限并實現教育的公平競爭。
科技巨頭IBM也在研究通過應用AI/ML來緩解貧困的不同方法，以及調查其他的社會問題。他們的Science for Social Good項目和德州中部掃盲聯盟(LCCT)在一個名為“Simpler Voice to overcome illiteracy”的項目上進行了合作。視覺線索是低文化水平的成年人和兒童以及AI/ML系統如何識別和理解信息并進行學習的重要依據。
該移動應用程序Simpler Voice集成了IBM的Watson natural language，可以使用文本轉語音服務和新穎的圖像生成代碼。AI/ML通過生成對抗性網絡(GAN)所提供的短語，也為智能手機將文本轉換為簡單的口頭信息提供了另一種概念。AI/ML系統能夠解析復雜的公共標志文本、教科書、手冊，甚至是簡短的語音記錄，從而實現文本到語音或語音到文本的轉換。
該項目在一家雜貨店對洗發水瓶、罐裝食品和洗潔精進行了初步試驗。一名LCCT的學生無法通過讀取洗碗劑的包裝盒或者掃描條形碼來識別產品或價格。而Simpler Voice能夠解釋條形碼產品中的描述和價格，并顯示使用了該洗滌劑的人的照片。Simpler Voice能夠解釋其中的關鍵詞和短語以描述“洗碗機洗滌劑”，并顯示一個人將清潔劑裝入洗碗機的畫面。它還可以描述誰應該使用洗滌劑，如何使用洗滌劑，兒童警告以及安全信息。
另一項針對處方藥的測試則詳細說明了如何服用、安全性和補充信息，以及關于可能出現的過敏反應的警告。Simpler Voice的路線圖還將擴展到包括法律文件，醫療文件和服務協議。
種植適應性強的作物以增加糧食供應
預計到2050年全球人口將達到96億，卡內基梅隆大學(CMU)將致力于在農業領域使用機器人和AI/ML來消除貧困。CMU的FarmView項目正在研究高粱和其他主要糧食作物在發展中第三世界國家的作物生長擴張情況，方法是使用AI/ML和無人機等機器人。高粱可被用作食物來源和生物燃料的制造。它是世界上第五重要的富含蛋白質的谷類作物，因為它有超過42000個品種，即使在不理想的環境下種植和生長，它也能夠具有很好的遺傳性。
無人機捕捉的數據，可用于分析最佳的種植和收獲策略。人們希望，通過AI/ML傳感器，一個全面的植物育種和作物管理系統可以加快“耐旱耐熱谷物”的生長周期，這種谷物將被種植在“饑荒”地區，為該地區提供更多的糧食，從而增加該地區的主要收入來源。
IBM的Science for Social Good項目和許多其他組織的項目正在擴大它們對AI/ML的使用，以調查文盲以及當前和預測的糧食短缺情況。其目標是希望通過減少饑餓、擴大糧食分配、增加更豐盛的糧食供應以及通過使用AI/ML提供的教育機會來改善人民的福祉和消除貧困。聯合國可持續全球議程在序言中解釋了以下的觀察結果和動機:
“這個議程是為人類、地球及其共同的繁榮而制定的行動計劃。它還尋求在更大的自由中加強普遍的和平。我們認識到，消除包括極端貧困在內的一切形式和層面的貧困是當下最大的全球性挑戰，也是可持續發展的必要條件。所有國家和所有利益攸關方將以協作伙伴關系的方式實施這一計劃。我們決心把人類從貧困和匱乏的暴政中解放出來，并治愈和保護我們的星球。我們決心采取迫切需要的大膽和變革性的步驟，將世界推向可持續和有彈性的發展道路。在我們開始這一集體之旅時，我們保證不會有任何人掉隊。”
AI和ML可以在未來人類健康的福祉中發揮作用，甚至可能在人類的生存問題上起著重要作用。
京公網安備 11010502049343號