Un equipo de la Universidad de
Stanford en Estados Unidos ha sido capaz de entrenar un sistema informático
para identificar las áreas empobrecidas en cinco países del África usando datos
proporcionados por satélites. Los resultados han sido publicados en la revista Science.
Neal Jean, Marshall Burke y
sus colegas dicen que la técnica podría transformar los esfuerzos para
localizar e individualizar la pobreza en los países en desarrollo. "El
Banco Mundial, que mantiene los datos sobre pobreza, ha considerado como pobre
a aquel que vive con menos de un dólar al día", dijo el Dr. Burke,
profesor asistente de Ciencias del Sistema Terrestre en Stanford, a la BBC.
"Tradicionalmente,
recopilamos datos sobre la pobreza a través de las encuestas de hogares...
enviamos encuestadores a las casas y preguntamos muchas cosas sobre la renta,
el consumo (lo que han comprado en el último año) y usamos esos datos para
construir nuestras medidas de la pobreza", explicó Burke.
Sin embargo, las encuestas son
costosas, poco frecuentes y en ocasiones imposible de llevar a cabo en regiones
particulares debido a, por ejemplo, conflictos
armados. Así que hay una necesidad de buscar otras medidas exactas de
consumo de los hogares y los ingresos en los países en desarrollo.
La idea de crear un mapa de la
pobreza a partir de imágenes satelitales no es completamente nueva.
Estudios recientes han demostrado que las capturas de luces nocturnas obtenidas
desde el espacio pueden ser usadas para predecir la riqueza en una zona
determinada.
Pero las luces nocturnas no
son un buen indicador de las zonas de pobreza
más extrema, donde las imágenes satelitales son de color oscuro en todos
los ámbitos. Por eso el último estudio se centró en las imágenes tomadas
durante el día donde su pudo capturar carreteras pavimentadas y techos de metal,
marcadores que pueden ayudar a distinguir diferentes niveles de bienestar
económico en los países en desarrollo.
A continuación, el equipo utilizó
un sofisticado modelo informático para categorizar los diversos indicadores en
las imágenes de satélite durante el día de Nigeria, Tanzania, Uganda, Ruanda y
Malawi. "Si le das suficientes datos a una computadora, esta puede averiguar
qué buscar. Entrenamos un modelo de computadora para encontrar cosas en las
imágenes que son factores predictivos de pobreza", dijo el Dr. Burke.
"Se encuentran cosas como
carreteras, zonas urbanas, tierras de cultivo, cursos de agua, esas son las
cosas que reconocemos. También encuentra cosas que no podemos reconocer. Encuentra
patrones en imágenes que para usted o para mí no se parecen realmente a nada...
pero es algo que la computadora ha descubierto puede predecir donde se
encuentran los pobres", explicó.
Los investigadores utilizaron
imágenes de países en los que ya se dispone de datos para validar los
resultados del modelo computacional. "Estas cosas (que el modelo de computadora
ha encontrado) son predictivos de los medios de vida económicos de estos
países", explicó
el Dr. Burke.
Los investigadores dicen que
su ambición es ampliar la técnica para cubrir toda el África subsahariana y,
después, el conjunto del mundo en desarrollo como Latinoamérica. Si bien esta
técnica no busca reemplazar las formas existentes de recolección de datos, si
podría servir como un complemento, además de abrir un nuevo campo de
posibilidades para que la IA sea aplicada en las ciencias sociales.
FUENTES: THE
VERGE, BBC,
SCIENCEMAG