В этом сообщении, написанном сотрудником программы Аня Марченко, описывается основанный на искусственном интеллекте подход к целевым денежным переводам, который в настоящее время реализуется в партнерстве с правительством Того. Этот проект является частью инициативы CEGA Улучшение адресности помощи, которая поддерживает инновационные подходы к адресным программам социальной защиты в странах с низким и средним уровнем дохода.

«Люди не должны выбирать между смертью от Covid-19 и голодом»

— Фор Э. Гнассингбе, президент Того

Бедность и пандемия

COVID-19 и связанные с ним ограничения стали особенно тяжелыми для сотен миллионов людей, живущих в нищете по всему миру. В странах с низким уровнем дохода отсутствие доступа к сбережениям и надежным программам социальной защиты делает семьи исключительно уязвимыми перед экономическими потрясениями. Например, в отдельном посте я написал о том, как после начала карантина из-за COVID-19 расходы семей на еду в сельских районах Западной Кении сократились почти вполовину по сравнению с тем, что было до начала пандемии.

Чтобы смягчить удар, большинство стран запустили какие-то программы экстренной помощи. Уго Джентилини, экономист Всемирного банка, усердно отслеживал каждую политику социальной защиты, которую страны начали в ответ на COVID-19. Джентилини подсчитал, что денежные переводы составляют треть всех программ социальной защиты, связанных с COVID, по всему миру. Но доставка наличных стоит дорого, и правительства могут продолжать финансировать эти программы только до тех пор. Когда финансирование ограничено, важно, чтобы оно попало в руки людей, которые больше всего в нем нуждаются.

К сожалению, у правительств с низким уровнем доходов часто отсутствует достоверная информация о том, кто и где находятся их самые бедные граждане, что делает задачу доставки экстренной помощи чрезвычайно сложной задачей. Многие из тех, кто нуждается в помощи, не имеют доступа к банковским услугам и работают не по найму (или работают в неформальном секторе), не имеют налоговой отчетности или официальных документов, удостоверяющих личность, на которые могли бы ссылаться чиновники. Государственные переписи населения и другие административные отчеты часто являются неполными или устаревшими, а проведение опросов в короткие сроки — особенно в разгар пандемии — просто нецелесообразно.

Направление помощи «разумно»

Как оказалось, богатство — и, соответственно, бедность — можно предсказать с довольно высокой степенью точности, используя уже существующие данные. Исследование факультета CEGA показало, как высокочастотные данные от операторов мобильной связи и спутниковых сетей в сочетании с подходами машинного обучения можно использовать для быстрого выявления домохозяйств, испытывающих острую нужду. Эти и связанные с ними методы обладают огромным потенциалом, чтобы помочь политикам быстро и эффективно отреагировать на текущий кризис.

Исследовательская группа под руководством Джошуа Блуменстока, содиректора факультета CEGA и доцента Школы информации Калифорнийского университета в Беркли, в которую вошли исследователи из Северо-Западного университета и организации Innovations for Poverty Action, сотрудничала с правительством Того и НПО. GiveDirectly для разработки и тестирования подхода к оказанию помощи в связи с COVID-19, который использует большие данные со спутников, данных мобильных телефонов и других источников. Их подход, более подробно описанный здесь, состоит из двух ключевых компонентов.

Во-первых, они используют алгоритмы глубокого обучения (алгоритмы машинного обучения, которые используют несколько слоев для постепенного извлечения признаков более высокого уровня из необработанных входных данных) для обработки спутниковых изображений. Спутниковые снимки показывают качество кровли дома или плотность дорог, которые хорошо коррелируют с реальными экономическими условиями. Пока доступно достаточное количество высококачественных «наземных» данных, алгоритмы могут быть обучены для создания карт бедности с высоким разрешением на основе спутниковых изображений. Эти карты могут помочь правительствам понять модели богатства и бедности в их стране и помочь им в принятии важных решений о распределении ресурсов.

Затем Блюменшток и его коллеги используют метаданные мобильных телефонов, чтобы нацелить экстренную помощь на людей в районах, уже отмеченных с помощью спутникового подхода. Эти данные (называемые подробными записями о звонках или «CDR») полезны, потому что люди, живущие в бедности, как правило, используют свои телефоны не так, как более богатые люди: пользователи с низким доходом совершают более короткие звонки, имеют меньше контактов и носят с собой меньший баланс. на своих счетах мобильных денег. Команда Блюменстока работала с данными CDR из Афганистана и других стран для разработки алгоритмов, которые при обучении на высококачественных данных опросов могут эффективно определять, какие пользователи телефонов, скорее всего, имеют доход ниже определенного уровня.

С апреля команда Блюменстока совместно использует эти два подхода, чтобы помочь правительству Того определить, кому следует отдавать приоритет при денежных переводах. Конечно, использование таких данных — особенно частных данных о потребителях от операторов мобильной связи — требует очень тщательного рассмотрения. Команда принимает обширные меры предосторожности для защиты конфиденциальности бенефициаров и обеспечения того, чтобы алгоритмы, используемые для принятия решений о последующем распределении помощи, разрабатывались справедливым и равноправным образом. Хотя технологические подходы к нацеливанию потенциально могут быть гораздо более точными, чем традиционные методы, крайне важно, чтобы эти инструменты разрабатывались под тщательным человеческим контролем.

Новый подход к исследованию

Работа Блюменстока представляет собой новый способ ведения бизнеса для CEGA. Результаты тщательных оценок воздействия (основной «продукт» CEGA) часто материализуются через годы — гораздо дольше, чем большинство политиков склонны считать полезными. В этом случае исследовательская группа оказывает непосредственную поддержку правительству-партнеру, опираясь на результаты прошлых исследований. Таким образом, команда может предоставить немедленную пользу для Того, тщательно генерируя идеи, которые могут использоваться для аналогичных подходов к таргетингу в других странах и контекстах.

Инициатива CEGA Targeting Aid Better

Весной 2020 года при щедрой поддержке анонимного донора CEGA запустила нашу Инициативу по улучшению адресной помощи (Целенаправленность), чтобы способствовать разработке и распространению новых методов, которые правительства и партнеры по развитию могут использовать для динамической адресной помощи беднейшим и бедным слоям населения. наиболее уязвимы. Следите за новостями в блоге, в котором объявляется о нашем первом наборе проектов, финансируемых на конкурсной основе, за несколько недель. Мы также запустили информационный бюллетень Targeting Aid Better, в котором подписчики будут получать регулярные новости об усилиях по разработке и тестированию новых подходов к таргетингу. Мы рекомендуем вам подписаться здесь, выбрав нашу группу Наука о данных для развития (таргетинг).