Debes leer... Grupos Vulnerables Noticias

Inteligencia artificial para dar dinero a los más pobres

El primer lanzamiento del programa que utiliza datos satelitales y de teléfonos móviles para dirigirse a las personas que más necesitan efectivo, ha comenzado en Togo.

Los efectos económicos de COVID-19 han elevado drásticamente el nivel de pobreza extrema en el mundo. El Banco Mundial estima que el número de personas que viven con menos de 1,90 dólares al día alcanzará los 150 millones en 2021.

GiveDirectly, una organización benéfica que se ha centrado durante poco menos de una década en transferencias directas de efectivo a personas en situación de pobreza en todo el mundo, especialmente en África, ha estado intensificando sus esfuerzos de ayuda ante la pandemia y continuamente innovando con los socios para encontrar formas innovadoras de apuntar a los más necesitados de dinero.

La última innovación de la organización benéfica es aprovechar un algoritmo, diseñado por UC Berkeley, que utiliza inteligencia artificial para identificar a las personas más pobres en las áreas más afectadas y transferirles ayuda en efectivo directamente.

Normalmente, para evaluar a quién enviar dinero, GiveDirectly utilizará datos de pobreza de encuestas nacionales e inscribirá a todos los hogares en un área en particular. Si necesita enfocarse más estrechamente, dependerá de listas de gobiernos, ONG y organizaciones locales; utilizar índices de pobreza basados ​​en puntos; o confiar en evaluaciones subjetivas.

Esta nueva iniciativa permite que la orientación sea más rápida y precisa, completamente sin contacto lo cual es vital durante la pandemia y, naturalmente, se adapta y evoluciona a medida que los datos cambian con el tiempo.

¿Cómo trabaja?

El algoritmo funciona en dos etapas, utilizando dos fuentes de datos distintas.

Primera etapa

Encuentra los barrios o pueblos más pobres de una región determinada mediante el análisis de imágenes satelitales de alta resolución. La herramienta identifica aquellas áreas de cientos de marcadores de pobreza que distinguen los lugares más pobres de los más ricos, como el material del techo, la densidad de construcción, el tamaño de las parcelas agrícolas y las carreteras pavimentadas o sin pavimentar. Una vez que se establece la geografía, inicia la segunda etapa.

Segunda etapa

Se encarga de encontrar a las personas más pobres dentro de esas áreas, mediante el análisis de los datos de sus teléfonos móviles, proporcionados por los dos principales proveedores de Togo, Togocel y Moov. Distingue entre las personas más ricas y las más pobres utilizando pistas para un uso más caro o barato, como la duración y la frecuencia de las llamadas telefónicas, la cantidad de llamadas entrantes y salientes y la cantidad de datos móviles utilizados.

Una vez que se identifica a las personas más pobres, se les pedirá que se inscriban a través del teléfono móvil y luego se les pagará al instante.

El objetivo es seleccionar a la mayor cantidad posible de personas extremadamente pobres, lo más rápido posible.

Han Sheng Chia, director de proyectos especiales de GiveDirectly.

El lanzamiento del proyecto

El proyecto se lanzó en noviembre en Togo, uno de los países más pobres del mundo, donde se estima que el 55% vive por debajo del umbral de la pobreza. Ese número está más cerca del 81% entre la población rural, que es el foco de este piloto.

En abril, en respuesta al COVID-19, el gobierno de Togo estableció un innovador sistema de transferencia de efectivo llamado Novissi, encabezado por Cina Lawson, Ministra de Asuntos Postales y Economía Digital de Togo. Esto permitió al gobierno enviar ayuda en efectivo a través de dispositivos móviles a aproximadamente el 12% de la población. Entonces, ya existe una infraestructura, pero querían expandirla a áreas más rurales, donde es más difícil seleccionar a los más necesitados sin la tecnología adecuada.

Josh Blumenstock, profesor asociado de la Escuela de Información de UC Berkeley, escribió por primera vez el documento sobre el mapeo de la pobreza utilizando datos satelitales y móviles en 2017, antes de reunirse con Chia para discutir la aplicación. Blumenstock subraya que no le están diciendo a la herramienta qué buscar; más bien, el aprendizaje automático le permite reconocer patrones en sí mismo.

Con el fin de capacitarlo sobre lo que debe buscar, encuestaron a una gran muestra de 15.000 ciudadanos de los 100 cantones más pobres de Togo, en los que el gobierno quería centrarse, haciéndoles “un rico conjunto de preguntas sobre su situación socioeconómica”, que incluyen sobre sus ingresos y gastos, y si se habían perdido las comidas en la última semana. Emparejaron esto con los datos de su teléfono móvil para ayudar al algoritmo a encontrar patrones, que luego podría escalar a toda la población de esos cantones.

Una vez identificados, los ciudadanos elegibles reciben una notificación de texto para inscribirse; después de unos pocos clics, el efectivo se transfiere directamente a sus teléfonos mediante la tecnología de dinero móvil.

Se entregarán aproximadamente $ 5 millones en total, enviando efectivo cada mes durante cinco meses, en la suma de $ 15 para mujeres y $ 13 para hombres por mes, que han calculado como la cifra. para cubrir su “canasta mínima de bienes” para sobrevivir. Hasta ahora, se ha pagado a 30.000 togoleses, de un objetivo de 58.000, o el 10% más pobre.

GiveDirectly eligió donar más a las mujeres, dice Chia, ya que son las principales cuidadoras y como una forma de incentivar una mayor participación entre un grupo que históricamente ha sido excluido de tales programas de protección social.

Mujer. Inteligencia artificial para dar dinero a los más pobres

Obstáculos presentes en la iniciativa

Después de cinco meses, los equipos analizarán qué tan efectivo fue el piloto y lo ajustarán según sea necesario. Blumenstock admite que aún no es totalmente robusto: por ejemplo, puede ser que el algoritmo excluya a algunas personas por prejuicios, incluso a pesar de un entrenamiento exhaustivo. También excluye a las personas que no tienen teléfonos móviles.

El 90% de la población rural de Togo tiene un teléfono por hogar. El equipo también está vinculando el registro a las tarjetas SIM, no a los teléfonos, por lo que varios miembros de la familia pueden comprar una SIM barata y vincularla al teléfono familiar. El equipo también ha tratado de reducir los problemas de privacidad tanto como sea posible, minimizando los datos compartidos y accedidos, y anonimizándolos y cifrándolos.

No es tan perfecto como a uno le gustaría que fuera … En la medida en que estemos abordando las preocupaciones de privacidad, es realmente necesario que el programa funcione.

Josh Blumenstock, profesor asociado de la Escuela de Información de UC Berkeley.

Si se asegura el financiamiento, pueden ampliar el proyecto en Togo o en otros países, como Bangladesh y Nigeria, con quienes Chia dice que han estado en conversaciones. Espera que los gobiernos y las ONG sean capaces de utilizar la herramienta en el futuro, y que el sistema pueda resultar un modelo para “pre-posicionar” la ayuda antes de los desastres y las crisis humanitarias.

No pensamos en esto como el único mecanismo para brindar protección social y en efectivo a las personas necesitadas. Pero es una forma eficaz de sacar dinero en efectivo muy rápido para mucha gente.

Josh Blumenstock, profesor asociado de la Escuela de Información de UC Berkeley.

Acerca del autor

ExpokNews

Dejar un comentario

[index]
[index]
[523.251,1046.50]
[523.251,1046.50]
[523.251,1046.50]
[523.251,1046.50]