ATTUALITÀ

La mappa della povertà nel mondo

Quando i big data incontrano il machine learning

Un “semplice” incrocio tra architetture antropiche evidenziate dalle luci della notte e i corrispettivi paesaggi diurni può generare una mappa accurata della povertà? Crediti immagine: Pixabay

ATTUALITÀ – Machine learning, l’apprendimento automatico per ottenere una mappa dettagliata delle aree povere del mondo. Si tratta di un nuovo metodo proposto da un team di ricercatori di Stanford che sfrutta al meglio la possibilità di progettare algoritmi che “imparino” autonomamente dai dati che vengono sottoposti, generando nuove informazioni.

I dati sulle condizioni in cui versano le popolazioni che vivono nei luoghi meno sviluppati del nostro pianeta sono pochi e frammentati. Al contempo, però, i moderni sistemi di mappatura satellitare forniscono in tempo reale enormi quantità di informazioni. Da queste premesse i ricercatori hanno cercato di capire in che modo si potessero sfruttare le immagini ad alta risoluzione per fare emergere le caratteristiche che definiscono un’area “povera” o “ricca”.

Il team di Stanford ha aggirato il problema della carenza di informazioni – l’apprendimento automatico basa la sua efficienza su grandi quantità di dati – partendo dalla constatazione che le aree più illuminate di notte sono, di solito, le più sviluppate. Le immagini satellitari notturne diventano così degli indicatori molto precisi. Combinando le mappature notturne con quelle diurne si è osservato come l’algoritmo evidenziasse e riconoscesse tutti quegli elementi che descrivono lo sviluppo di un’area, come strade, infrastrutture e terreni coltivati.

Un “semplice” incrocio tra architetture antropiche evidenziate dalle luci della notte e i corrispettivi paesaggi diurni può generare una mappa accurata della povertà? La successiva verifica, eseguita confrontando quanto ottenuto con i dati raccolti in precedenza sul campo, ha sancito il successo dell’operazione.

Una mappa di questo tipo diventa così uno strumento eccezionale per guidare i decisori politici e le organizzazioni umanitarie nel valutare politiche di intervento, sostegno e sviluppo.

Per maggiori informazioni: http://sustain.stanford.edu/

@gianlucaliva

Leggi anche: Il partito Comunista Cinese teme il riscaldamento globale

Pubblicato con licenza Creative Commons Attribuzione-Non opere derivate 2.5 Italia.   

Condividi su
Gianluca Liva
Giornalista scientifico freelance.