خانه / دانش / افتصاد / استفاده از یادگیری ماشینی و عکسبرداری ماهواره ای برای تهیه نقشه فقر جهان

استفاده از یادگیری ماشینی و عکسبرداری ماهواره ای برای تهیه نقشه فقر جهان

الگوریتم های یادگیری ماشینی برای شناسایی مناطق فقرزده به کمک انسان می آیند

از یادگیری ماشینی— علم طراحی الگوریتم های کامپیوتری که از داده ها یاد می گیرند— برای استخراج اطلاعات درباره فقر از روی عکسبرداری ماهواره ای با رزولوشن بالا استفاده کردند.

گاهی شناسایی موقعیت جغرافیایی افراد فقیر، مانند نظرسنجی ها درب-به-درب، کار دشواری است. به همین خاطر، حالا دانشمندان برای انجام اینکار سراغ عکس های ماهواره ای رفته اند. محققان دانشگاه استنفورد در یک تحقیق که روز پنجشنبه در مجله آمریکایی ساینس منتشر شد، از یادگیری ماشینی— علم طراحی الگوریتم های کامپیوتری که از داده ها یاد می گیرند— برای استخراج اطلاعات درباره فقر از روی عکسبرداری ماهواره ای با رزولوشن بالا استفاده کردند.

این محققان متوجه شدند که این رویکرد جدید می تواند “پیش بینی های درستی” از مناطق فقرزده در پنج کشور آفریقایی (شامل نیجریه، تانزانیا، اوگاندا، مالاوی، و رواندا) ارائه کند. آنها در مقاله خود گفته اند که “روش ما، که فقط نیازمند داده های عمومی است، و می تواند اقدامات جهت ردیابی و هدف قرار دادن مناطق فقیرنشین در کشورهای درحال توسعه را متحول سازد”. بنا به داده های بانک جهانی از سال ۲۰۰۰ تا ۲۰۲۰، در ۳۹ کشور از ۵۹ کشور آفریقایی این نظرسنجی کمتر از دو بار انجام شده، که معیارهای فقر از روی همین نظرسنجی ها تعیین می شوند.

بطور کلی، این نوع نظرسنجی ها پرهزینه بوده و گاهی بدلیل مناقشات مسلحانه در برخی مناطق، نمی توانند همه قسمت های یک کشور را تحت پوشش قرار دهند. مطالعات اخیر نشان داده اند که می توان از داده های ماهواره ای مربوط به نورهای شبانه برای پیش بینی سطح ثروت در یک منطقه استفاده کرد. بااینحال، داده های نورشبانه در مناطقی که کاملا تاریک هستند نمی توانند به تنهایی توزیع درآمد را مشخص کنند.

حالا، این تحقیق جدید برای حل محدودیت قبلی سراغ عکسبرداری از نور روز رفته، تا رزولوشن بالاتری داشته و بتواند مشخصه هایی مانند جاده های آسفالت و سقف های فلزی را تشخیص دهد، و به این ترتیب شاخص جدیدی برای تفکیک مناطق فقیر و بسیار فقیر بدست آمده است. سپس، این محققان توانسته اند یک الگوریتم یادگیری پیچیده بسازند که این مشخصه ها را دسته بندی می کند و یک ابزار عالی برای پیش بینی توزیع فقر است.

این مدل جدید، در مقایسه با مدل های نور شبانه، در پیش بینی فقر در مناطق زیر خط فقر ۸۱ درصد، و در مناطقی دوبرابر زیر خط فقر هستند ۹۹ درصد دقت عمل داشته است. در این مطالعه آمده است که، “ما با کمک عکسبرداری ماهواره ای با رزولوشن بالا به یک روش ارزان و دقیق برای ارزیابی مخارج و ثروت و دارایی دست یافته ایم. بعلاوه، این روش نشان می دهد که تکنیک های قدرتمند یادگیری ماشینی در شرایط دارای محدودیت گردآوری داده کارایی زیادی دارند، و می توان از این پتانسیل در بسیاری از حوزه های علمی استفاده کرد”.

منبع :

tech.firstpost

درباره ی زهره مرصوص

مدیر تیم ترجمه، فارق التحصیل رشته مترجمی زبان است. او قلب تیم ترجمه دیجی فارسی است . سابقه کار 10 ساله دارد ، بیش از 15 کتاب ترجمه کرده است .از ویژگی های اصلی زهره قابلیت کار تیمی و هماهنگی بالا است.

همچنین ببینید

غیر‌اخلاقی یا انسانی؟ نسل‌کشی پشه‌ها برای نجات جان انسان‌ها

اگر یک موجود در دنیا باشد که حرص و غضب جمعی را در کل سیاره …

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *