Nya sätt att lokalisera fattigdom med hjälp av AI
För att på ett träffsäkert sätt nå ut med bistånd behöver man veta var de mest behövande människorna befinner sig. Det görs ofta med så kallade hushållsundersökningar, som har många begränsningar. Genom att använda AI för att analysera satellitbilder hoppas några forskare på att kunna identifiera olika typer av fattigdom, och rikedom, för att på ett mer effektivt sätt kunna hjälpa folk i nöd. Arbetet är något som det digitala magasinet The Conversation har uppmärksammat.
Det digitala magasinet The Conversation uppmärksammar professor Thorsteinn Rögnvaldsson och biträdande lektor Hamid Sarmadi från Högskolan i Halmstad och lektor Ola Hall, som även är forskningsledare för projektet, från Lunds universitet, som med hjälp av AI-algoritmen deep convolutional neural network (DCNN) har kunnat analysera satellitbilder mer noggrant och snabbare än människor.
– Det är trevligt att The Conversation uppmärksammar detta. Det är första gången för mig och Hamid att dyka upp i ett forum som detta. Det har varit väldigt intressant att se kommentarerna vid artikeln – de snurrade snabbt över till riskerna med AI, säger Thorsteinn Rögnvaldsson, professor i datavetenskap vid Akademin för informationsteknologi på Högskolan i Halmstad.
Thorsteinn Rögnvaldsson och Hamid Sarmadi har blivit uppmärksammade för sin forskning i det digitala magasinet The Conversation.
Arbetet fortsätter och målet är att kunna förstå fattigdom, såväl som rikedom, och dess geografiska eller regionala sammanhang för att bistånd når dit de behövs och gör mest nytta.
Projektet är en del av CAISR och finansieras av Riksbankens Jubileumsfond.
Text: Anna-Frida Agardson
Montage: Anna-Frida Agardson
Bild till vänster: Dan Bergmark
Bild till höger: Privat
Mer information
Artikel i The Conversation:Hur AI 'ser' världen – vad som hände när vi tränade en djupinlärningsmodell för att identifiera fattigdom (på engelska)
Länk till annan webbplats.
