Cómo la tecnología de aprendizaje automático puede ayudar a erradicar la pobreza | metrópolis

Según Neil Patel, el aprendizaje automático es «una forma de análisis de datos que guía a las computadoras para que aprendan por sí mismas».

Investigadores de la Universidad de California, Berkeley y el Banco Mundial han descubierto que los datos de los teléfonos móviles y la tecnología de aprendizaje automático (aprendizaje automático) puede identificar hogares de bajos ingresos, reduciendo así las altas tasas de pobreza.

Los dispositivos móviles producen grandes volúmenes de datos y los residentes pueden aprender detalles importantes sobre su posición socioeconómica a través de ellos.

Según Neil Patel, aprendizaje automático es «una forma de análisis de datos que guía a las computadoras a aprender por sí mismas, para que mejoren su desempeño ante problemas específicos».

un algoritmo de aprendizaje automático capacitados para registrar los detalles específicos de las llamadas telefónicas superaron a otros métodos utilizados anteriormente. Sin embargo, esto generó preocupaciones de privacidad con respecto al acceso sin restricciones a los datos del usuario.

A medida que la pandemia de Covid-19 continúa causando estragos en la economía mundial, los niveles de pobreza aumentan, y muchas personas y familias luchan para llegar a fin de mes. En los países de ingresos bajos y medianos, puede ser difícil identificar a quienes más necesitan programas de protección social, especialmente cuando los datos administrativos tradicionales, como los registros de impuestos, no están disponibles para una gran proporción de trabajadores informales.

Sin embargo, como se señaló anteriormente, investigaciones recientes de UC Berkeley y el Banco Mundial han demostrado que el uso de datos de teléfonos celulares (Datos del teléfono móvil) y aprendizaje automático (aprendizaje automático) podría proporcionar una solución prometedora a este problema.

Registros detallados de llamadas (CDR – Registros de detalles de llamadas) de un importante operador móvil en Afganistán fueron verificados por investigadores para evaluar su precisión en la identificación de hogares de bajos ingresos elegibles para programas de protección social.

Los CDR contienen información valiosa sobre números de teléfono, patrones de comunicación, una red de contactos, patrones de recuperación de información y más.

Se compararon tres métodos para identificar hogares ultrapobres, incluido un modelo de aprendizaje automático entrenado en datos CDR, un índice de riqueza basado en activos y una medida de consumo comúnmente utilizada para medir la pobreza en países de ingresos bajos y medios. Este modelo tecnológico, entrenado en 797 indicadores de comportamiento calculados a partir de datos de CDR, superó a otros algoritmos comunes y se consideró muy prometedor.

Aunque ofrece beneficios en términos de ahorro de tiempo y dinero, el uso de datos CDR para la segmentación plantea cuestiones éticas con respecto a la privacidad del usuario. Esta puede ser una situación complicada, ya que el acceso a los datos del teléfono es esencial y los resultados pueden verse comprometidos si ciertos grupos de la población no tienen acceso a ellos, como los que no tienen teléfono, o si un proveedor determinado no lo permite. .. este acceso.

El uso de CDR para la elegibilidad del programa también puede crear incentivos para el comportamiento estratégico de las personas que desean manipular el sistema. Por lo tanto, se deben implementar estándares claros de confidencialidad y consentimiento informado para proteger la información confidencial y privada de las personas.

A pesar de estos desafíos, el uso de datos CDR y el aprendizaje automático presenta una oportunidad importante para mejorar la focalización de los programas de protección social en países de ingresos bajos a medianos, particularmente a raíz de la pandemia de Covid-19.

Al aprovechar el poder de esta tecnología innovadora, los formuladores de políticas y los profesionales del desarrollo pueden llegar a los hogares más pobres de manera más precisa y eficaz, brindando la asistencia que tanto necesitan quienes más la necesitan.

Es esencial equilibrar estos límites éticos con los beneficios potenciales de la tecnología basada en CDR para cada situación única, así como abordar las aplicaciones de aprendizaje automático con sabiduría y responsabilidad.

Además, debe asegurarse de que se alineen con los principios éticos y prioricen el bienestar de las personas y las comunidades a medida que la tecnología continúa desarrollándose y cambiando el mundo.

carolina kail