Американские исследователи предложили новый способ определения уровня бедности в разных регионах Африки: с помощью нейронных сетей, которые могут самостоятельно анализировать спутниковые фотографии. Об этом пишет N+1 со ссылкой на журнал Science.
Анализ спутниковых фотографий вместо традиционных соцопросов использовали и раньше. Так, снимки из космоса помогли отличить бедные регионы от богатых по интенсивности ночного освещения и даже составить карту. Но такой метод не работал в самых бедных районах, где освещения в ночное время нет вовсе.
Ученые из Стэнфордского университета нашли выход: проанализировать фотографии спутника, сделанные в дневное время, благодаря сверточной нейросети, которую предварительно обучили распознать изображенные на снимках объекты. Например, наличие дорог или водоемов. Возможности разработанной технологии проверили на пяти африканских регионах с известными экономическими показателями — Нигерии, Малави, Руанде, Уганде и Танзании. Оказалось, что нейросеть на 81% точнее определяла степень бедности по сравнению с другими способами.
Метод нейросити, совмещенный с социологическими данными, по мнение исследователей, является наиболее простым, дешевым и эффективным, при условии, что спутниковые карты ежегодно обновляются.
Как работают нейронные сети и что такое машинное обучение, читайте в материале «Афиши Daily».