Ένας εξελιγμένος αλγόριθμος υπολογιστή αναλαμβάνει να «βαθμολογήσει» κάθε περιοχή και να την κατατάξει σε ένα εισοδηματικό επίπεδο. 

Νέους τρόπους αναζητούν συνεχώς οι επιστήμονες για να καταγράφουν την φτώχεια οπουδήποτε στον κόσμο. Ερευνητές στις ΗΠΑ ανέπτυξαν μια πρωτοποριακή μέθοδο, που «χαρτογραφεί» τη φτώχεια συνδυάζοντας δορυφορικές φωτογραφίες ημέρας με ένα πρόγραμμα τεχνητής νοημοσύνης. Το επίτευγμα μπορεί να βοηθήσει στην αποτελεσματικότερη καταπολέμηση της φτώχειας διεθνώς, ιδίως στις αναπτυσσόμενες χώρες.

Οι ερευνητές, με επικεφαλής τον επίκουρο καθηγητή γεωεπιστημών Μάρσαλ Μπερκ του Πανεπιστημίου Στάνφορντ της Καλιφόρνια, που έκαναν τη σχετική δημοσίευση στο περιοδικό “Science“, δοκίμασαν με επιτυχία τη νέα τεχνική σε πέντε αφρικανικές χώρες, για τις οποίες υπάρχουν επίσης αξιόπιστα στατιστικά στοιχεία από τις αρμόδιες κυβερνητικές υπηρεσίες, έτσι ώστε κατέστη εφικτό να επιβεβαιώσουν τις δυνατότητες της νέας μεθόδου.

Η απογραφή των νοικοκυριών και η συλλογή στατιστικών στοιχείων είναι δύσκολη σε αρκετές περιοχές του πλανήτη, λόγω πολεμικών συγκρούσεων, γεωγραφικής απομόνωσης, αδυναμιών του κρατικού μηχανιασμού κ.α. Η επίγεια καταγραφή είναι συχνά μια επικίνδυνη, αργή και δαπανηρή διαδικασία.

Έως τώρα είχε επιτευχθεί η εξαγωγή συμπερασμάτων για το πόσο φτωχή είναι μια χώρα ή περιοχή, ανάλογα με το πόση φωταψία εκπέμπει στο νυχτερινό ουρανό. Περισσότερα τεχνητά φώτα σημαίνουν περισσότερα χρήματα και αντιστρόφως.

Η νέα μέθοδος είναι ακόμα πιο ακριβής, χρησιμοποιώντας εκτός από νυχτερινές φωτογραφίες, εικόνες που έχουν τραβηχτεί τη μέρα από τους δορυφόρους και οι οποίες απεικονίζουν χαρακτηριστικά-κλειδιά, όπως σε ποιό βαθμό οι δρόμοι είναι ασφαλοστρωμένοι, κατά πόσο οι στέγες των σπιτιών είναι μεταλλικές ή πλαστικές, πόσο απέχει η κοντινότερη παροχή νερού ή η κοντινότερη αγορά κ.α.

Στη συνέχεια, ένας εξελιγμένος αλγόριθμος υπολογιστή, που συνεχώς μαθαίνει από τη συγκέντρωση νέων δεδομένων (big data), αναλαμβάνει να «βαθμολογήσει» κάθε περιοχή και να την κατατάξει σε ένα εισοδηματικό επίπεδο. Το λογισμικό μπορεί να «δει» πράγματα που το ανθρώπινο μάτι αδυνατεί και να βγάλει τα ανάλογα συμπεράσματα για το πόση φτώχεια υπάρχει εκεί κάτω.

Σε σχέση με μόνο τις βραδινές εικόνες, η νέα μέθοδος είναι τουλάχιστον 80% πιο ακριβής στο να «πιάνει» ποιές περιοχές βρίσκονται κάτω από το όριο της απόλυτης φτώχειας.

Οι ερευνητές σκοπεύουν να εφαρμόσουν τη νέα μέθοδο αρχικά στην υποσαχάρια Αφρική και μετά σε όλο τον αναπτυσσόμενο κόσμο. Όμως θα μπορούσε να αξιοποιηθεί και στις ανεπτυγμένες χώρες για τον εντοπισμό θυλάκων φτώχειας, που περνούν απαρατήρητοι. Όπως είναι προφανές, τα προβλήματα δεν μπορούν να λυθούν, αν πρώτα δεν εντοπισθούν.