Theo báo cáo của Liên Hợp Quốc, hơn 700 triệu người đang ở trong tình trạng nghèo khổ cùng cực, kiếm được ít hơn hai đô la một ngày. Tuy nhiên, việc đánh giá chính xác tình trạng nghèo đói vẫn là một thách thức toàn cầu. 53 quốc gia đã không tiến hành điều tra nông nghiệp trong 15 năm qua và 17 quốc gia chưa công bố điều tra dân số. Để lấp đầy khoảng trống dữ liệu này, các công nghệ mới đang được khám phá để ước tính tỷ lệ nghèo bằng cách sử dụng các nguồn thay thế như chế độ xem đường phố, ảnh chụp từ trên không và ảnh vệ tinh.
Một bài báo mới có tiêu đề “ Phương pháp hợp tác giữa con người và máy móc đo lường sự phát triển kinh tế bằng hình ảnh vệ tinh” được xuất bản trên tạp chí Nature Communications chứng minh cách trí tuệ nhân tạo (AI) có thể giúp phân tích các điều kiện kinh tế từ hình ảnh vệ tinh ban ngày. Công nghệ mới này thậm chí có thể áp dụng cho các quốc gia kém phát triển nhất, ví dụ như Triều Tiên: không có dữ liệu thống kê đáng tin cậy cho hoạt động học máy.
Các nhà nghiên cứu đã sử dụng hình ảnh vệ tinh Sentinel-2 từ cơ quan Vũ trụ Châu Âu (ESA) được công bố rộng rãi. Họ chia những hình ảnh này thành các lưới nhỏ có diện tích 6 km2. Ở mức thu phóng này, thông tin trực quan như tòa nhà, đường đi và cây xanh có thể được sử dụng để định lượng các chỉ số kinh tế.
Kết quả là nhóm đã có được bản đồ kinh tế chi tiết đầu tiên về các khu vực như Triều Tiên. Thuật toán tương tự cũng được áp dụng cho các quốc gia kém phát triển khác ở châu Á: Bắc Triều Tiên, Nepal, Lào, Myanmar, Bangladesh và Campuchia.
Tính năng chính trong mô hình nghiên cứu của họ là “phương pháp hợp tác giữa con người và máy móc”, cho phép các nhà nghiên cứu kết hợp đầu vào của con người với dự đoán AI cho các khu vực có dữ liệu khan hiếm. Trong nghiên cứu này, 10 chuyên gia đã so sánh các hình ảnh vệ tinh và đánh giá điều kiện kinh tế trong khu vực, trong đó AI học hỏi từ dữ liệu con người này và đưa ra điểm kinh tế cho mỗi hình ảnh. Kết quả cho thấy phương pháp hợp tác Con người-AI vượt trội hơn các thuật toán học chỉ bằng máy.
Nghiên cứu được dẫn dắt bởi một nhóm liên ngành gồm các nhà khoa học máy tính, nhà kinh tế và nhà địa lý từ KAIST & IBS (Donghyun Ahn, Meeyoung Cha, Jihee Kim), Đại học Sogang (Hyunjoo Yang), HKUST (Sangyoon Park) và NUS (Jeasurk Yang ).
Nhóm nghiên cứu nhận thấy rằng điểm số cho thấy mối tương quan chặt chẽ với các số liệu kinh tế xã hội truyền thống như mật độ dân số, việc làm và số lượng doanh nghiệp. Điều này chứng tỏ khả năng ứng dụng rộng rãi và khả năng mở rộng của phương pháp này, đặc biệt ở các quốc gia khan hiếm dữ liệu. Hơn nữa, sức mạnh của mô hình nằm ở khả năng phát hiện những thay đổi hàng năm trong điều kiện kinh tế ở cấp độ không gian địa lý chi tiết hơn mà không cần sử dụng bất kỳ dữ liệu điều tra.
Hình ảnh 2. Sự khác biệt về hình ảnh vệ tinh và điểm số kinh tế ở Triều Tiên giữa năm 2016 và 2019.
Hình 2. Sự khác biệt về hình ảnh vệ tinh và điểm số kinh tế ở Triều Tiên giữa năm 2016 và 2019 cho thấy sự phát triển đáng kể được nhận thấy ở khu vực Wonsan Kalma (trên cùng), một trong những khu phát triển du lịch, nhưng không có thay đổi nào được quan sát thấy ở Khu phát triển công nghiệp Wiwon (dưới cùng).
Mô hình này sẽ đặc biệt có giá trị trong việc theo dõi nhanh chóng tiến độ của các Mục tiêu Phát triển bền vững như giảm nghèo và thúc đẩy tăng trưởng công bằng và bền vững hơn trên phạm vi quốc tế. Mô hình này cũng có thể được điều chỉnh để đo lường các chỉ số xã hội và môi trường khác nhau. Ví dụ, nó có thể được đào tạo để xác định các khu vực có nguy cơ cao bị tổn thương trước biến đổi khí hậu và thiên tai để cung cấp hướng dẫn kịp thời về các nỗ lực cứu trợ thiên tai. Ví dụ, các nhà nghiên cứu đã khám phá xem Triều Tiên đã thay đổi như thế nào trước và sau lệnh trừng phạt của Liên Hợp Quốc. Bằng cách áp dụng mô hình này cho ảnh vệ tinh của Triều Tiên trong cả năm 2016 và 2019, các nhà nghiên cứu đã phát hiện ra ba xu hướng chính trong phát triển kinh tế của đất nước trong giai đoạn 2016-2019.
Thứ nhất, tăng trưởng kinh tế ở Triều Tiên tập trung nhiều hơn ở Bình Nhưỡng và các thành phố lớn, làm trầm trọng thêm khoảng cách thành thị-nông thôn. Thứ hai, hình ảnh vệ tinh cho thấy những thay đổi đáng kể ở các khu vực được chỉ định phát triển kinh tế và du lịch, chẳng hạn như việc xây dựng các tòa nhà mới và những thay đổi có ý nghĩa khác. Thứ ba, các khu phát triển công nghiệp và xuất khẩu truyền thống có những thay đổi tương đối nhỏ.
Meeyoung Cha, một nhà khoa học dữ liệu trong nhóm giải thích: “Đây là một nỗ lực liên ngành quan trọng nhằm giải quyết các thách thức toàn cầu như nghèo đói. Chúng tôi dự định áp dụng thuật toán AI của mình cho các vấn đề quốc tế khác, chẳng hạn như giám sát lượng khí thải carbon, phát hiện thiệt hại do thiên tai và tác động.” của biến đổi khí hậu.”
Một nhà kinh tế trong nhóm nghiên cứu, Jihee Kim, nhận xét rằng phương pháp này sẽ cho phép kiểm tra chi tiết các điều kiện kinh tế ở các nước đang phát triển với chi phí thấp, giảm chênh lệch dữ liệu giữa các quốc gia phát triển và đang phát triển. Bà nhấn mạnh thêm rằng điều này rất cần thiết vì nhiều chính sách công đòi hỏi các thước đo kinh tế để đạt được mục tiêu của họ, cho dù đó là vì mục tiêu tăng trưởng, bình đẳng hay bền vững.
Nhóm nghiên cứu đã công khai mã nguồn thông qua GitHub và có kế hoạch tiếp tục cải tiến công nghệ, áp dụng nó cho các hình ảnh vệ tinh mới được cập nhật hàng năm.
Phạm Hạnh (dịch)
Nguồn: https://phys.org/news/2023-12-ai-powered-satellite-analysis-reveals-unseen.html