全球仍有大量人口生活在极端贫困中，传统的扶贫方式面临数据收集成本高、耗时等挑战。人工智能通过快速分析数据和覆盖更广泛人群，为扶贫工作带来新的可能性。AI可以结合卫星图像和移动电话数据，高效识别贫困地区和个人，例如，通过分析卫星图像预测非洲村庄的贫困水平，其效果与实地调查相当但成本更低。多哥的社会保障计划利用AI精准分配援助资金。尽管AI存在偏见问题且无法完全替代实地调查，但在预算有限和紧急情况下，AI是关键工具。未来，AI与实地调查的结合将成为扶贫新方向。

🌍 全球约7亿人生活在极端贫困中，传统扶贫方式面临挑战，AI技术通过快速数据分析和更广覆盖面，为精准扶贫带来新机遇。

🛰️ AI结合卫星图像和移动电话数据，能高效识别贫困地区和个人。例如，斯坦福大学研究团队利用AI分析卫星图像，预测非洲村庄贫困水平，成本远低于实地调查。

📱 多哥“NOVISSI”社会保障计划通过AI分析移动电话使用模式和卫星图像，精准分配了3400万美元援助资金，类似项目在非洲其他国家展开。

🚨 尽管AI预测并非完全准确，但其快速响应能力在紧急情况下至关重要。专家提醒需谨慎使用AI，它无法完全替代实地调查，尤其是在多维贫困测量方面。

🤝 未来，AI与实地调查的结合或将成为扶贫工作的新方向，在预算有限和经济冲击下，AI可能是将援助送到最需要人群手中的关键工具。

全球约有7亿人生活在极端贫困中（每天生活费低于2.15美元）。消除贫困是联合国可持续发展目标之一，但衡量贫困一直是个挑战，主要因数据收集成本高且耗时。人工智能（AI）不仅能快速分析数据，还能覆盖更广泛的人群，识别专家可能忽略的模式。世界银行也在开发AI工具，用于预测粮食危机和暴力冲突，并从援助干预数据中提取见解。

然而，AI模型存在偏见问题，可能遗漏没有数字数据记录的最贫困人群。尽管如此，当前的贫困评估系统同样不完善。传统方法如家庭调查耗时且成本高，而AI结合卫星图像和移动电话数据，能更高效地识别贫困地区和个人。例如，美国斯坦福大学的研究团队利用AI分析卫星图像，成功预测非洲村庄的贫困水平，其效果与实地调查相当，但成本大幅降低。

例如，西非国家多哥的“NOVISSI”社会保障计划通过AI分析移动电话使用模式和卫星图像，精准分配了3400万美元的援助资金。类似项目也在非洲其他国家展开。尽管AI预测并非完全准确，但其快速响应能力在紧急情况下至关重要。

不过，尽管AI在扶贫中展现出潜力，专家提醒需谨慎使用。AI无法完全替代实地调查，尤其是在多维贫困测量方面。然而，在预算有限和经济冲击下，AI可能是将援助送到最需要人群手中的关键工具。未来，AI与实地调查的结合或将成为扶贫工作的新方向。

优先考虑最贫穷的村庄和社区。 我们将深度学习算法应用于高分辨率卫星图像，对每个 2.4 公里（km）网格单元的财富进行了微观估算（左上图），将这些估算结果与每个网格单元的人口密度信息相结合（中上图），并利用这些信息确定了多哥最贫困的 100 个县（右上图）。

通过对活跃移动电话用户的大型电话调查收集到的基本真实财富和贫困数据，研究人员训练了机器学习算法来估算每个移动用户的财富（左上图）。 在 100 个最贫困的县（右图红色分布）中，那些估计每天消费低于 1.25 美元的人被优先纳入 Novissi 计划（垂直虚线）。 这些人比多哥的普通居民（蓝色分布）要贫困得多。 来源：Josh Blumenstock，加州大学伯克利分校，2021 年 1 月 11 日： 乔希-布卢门斯托克（Josh Blumenstock），加州大学伯克利分校，2021 年 1 月 11 日。