दुनिया भर में लगभग 700 मिलियन लोग अत्यधिक गरीबी में रहते हैं (प्रति दिन 2.15 अमेरिकी डॉलर से कम पर जीवन यापन करते हैं)। गरीबी उन्मूलन संयुक्त राष्ट्र के सतत विकास लक्ष्यों में से एक है, लेकिन गरीबी को मापना एक चुनौती रही है, मुख्यतः क्योंकि डेटा संग्रह महंगा और समय लेने वाला है। कृत्रिम बुद्धिमत्ता (एआई) न केवल डेटा का त्वरित विश्लेषण कर सकती है, बल्कि व्यापक लोगों तक भी पहुंच सकती है और उन पैटर्न की पहचान कर सकती है जो विशेषज्ञ चूक सकते हैं। विश्व बैंक खाद्य संकट और हिंसक संघर्षों की भविष्यवाणी करने और सहायता हस्तक्षेप डेटा से अंतर्दृष्टि निकालने के लिए एआई उपकरण भी विकसित कर रहा है।

हालाँकि, AI मॉडल पूर्वाग्रह के मुद्दों से ग्रस्त हैं और उन सबसे गरीब लोगों को याद कर सकते हैं जिनके लिए डिजिटल डेटा रिकॉर्ड नहीं किया जाता है। बहरहाल, वर्तमान गरीबी मूल्यांकन प्रणाली भी उतनी ही अपूर्ण है। घरेलू सर्वेक्षण जैसे पारंपरिक तरीके समय लेने वाले और महंगे हैं, लेकिन सैटेलाइट इमेजरी और मोबाइल फोन डेटा के साथ एआई अधिक कुशलता से गरीब क्षेत्रों और व्यक्तियों की पहचान कर सकता है। उदाहरण के लिए, संयुक्त राज्य अमेरिका में स्टैनफोर्ड विश्वविद्यालय की एक शोध टीम ने उपग्रह चित्रों का विश्लेषण करने के लिए एआई का उपयोग किया और अफ्रीकी गांवों में गरीबी के स्तर की सफलतापूर्वक भविष्यवाणी की। प्रभाव क्षेत्रीय सर्वेक्षणों के बराबर था, लेकिन लागत काफी कम हो गई थी।

उदाहरण के लिए, पश्चिम अफ्रीकी देश टोगो में "NOVISSI" सामाजिक सुरक्षा कार्यक्रम ने सहायता निधि में 34 मिलियन अमेरिकी डॉलर का सटीक आवंटन करने के लिए मोबाइल फोन के उपयोग के पैटर्न और उपग्रह छवियों का विश्लेषण करने के लिए AI का उपयोग किया। अन्य अफ्रीकी देशों में भी इसी तरह की परियोजनाएँ चल रही हैं। हालाँकि AI की भविष्यवाणियाँ पूरी तरह से सटीक नहीं हैं, लेकिन आपातकालीन स्थितियों में तुरंत प्रतिक्रिया देने की इसकी क्षमता महत्वपूर्ण है।

हालाँकि, हालाँकि AI ने गरीबी उन्मूलन में क्षमता दिखाई है, विशेषज्ञ चेतावनी देते हैं कि इसका उपयोग सावधानी से किया जाना चाहिए। एआई पूरी तरह से क्षेत्रीय सर्वेक्षणों की जगह नहीं ले सकता, खासकर बहुआयामी गरीबी मापन में। हालाँकि, बजट की कमी और आर्थिक झटकों के बीच, AI उन लोगों के हाथों में सहायता पहुँचाने में एक महत्वपूर्ण उपकरण हो सकता है जिन्हें इसकी सबसे अधिक आवश्यकता है। भविष्य में, एआई और क्षेत्रीय सर्वेक्षणों का संयोजन गरीबी उन्मूलन कार्य के लिए एक नई दिशा बन सकता है।


सबसे गरीब गांवों और समुदायों को प्राथमिकता दी जाती है। हमने प्रति 2.4 किलोमीटर (किमी) ग्रिड सेल (ऊपर बाएं) के लिए धन का सूक्ष्म अनुमान लगाने के लिए उच्च-रिज़ॉल्यूशन उपग्रह इमेजरी पर गहन शिक्षण एल्गोरिदम लागू किया, इन अनुमानों को प्रत्येक ग्रिड सेल (शीर्ष मध्य) के लिए जनसंख्या घनत्व जानकारी के साथ जोड़ा, और इस जानकारी का उपयोग टोगो (ऊपर दाएं) में 100 सबसे गरीब काउंटियों की पहचान करने के लिए किया।
सक्रिय मोबाइल फोन उपयोगकर्ताओं के एक बड़े टेलीफोन सर्वेक्षण से एकत्र किए गए जमीनी सच्चाई धन और गरीबी डेटा का उपयोग करते हुए, शोधकर्ताओं ने प्रत्येक मोबाइल उपयोगकर्ता (ऊपर बाएं) की संपत्ति का अनुमान लगाने के लिए एक मशीन लर्निंग एल्गोरिदम को प्रशिक्षित किया। 100 सबसे गरीब काउंटियों (दाईं ओर लाल वितरण) में, प्रति दिन $ 1.25 से कम की अनुमानित खपत वाले लोगों को नोविसी कार्यक्रम (धराशायी ऊर्ध्वाधर रेखा) में शामिल करने के लिए प्राथमिकता दी जाती है। ये लोग टोगो (नीला वितरण) के औसत निवासी की तुलना में बहुत गरीब हैं। स्रोत: जोश ब्लूमेनस्टॉक, कैलिफोर्निया विश्वविद्यालय, बर्कले, 11 जनवरी, 2021: जोश ब्लूमेनस्टॉक, कैलिफोर्निया विश्वविद्यालय, बर्कले, 11 जनवरी, 2021।