消除貧困的一個重要前提是識別貧困。但在經(jīng)濟落后國家和地區(qū)，政府很難承擔(dān)高昂的經(jīng)濟情況調(diào)研費用，其中某些地區(qū)甚至仍處于政治動蕩之中，有關(guān)貧困的數(shù)據(jù)高度缺失。這給一些國際援助組織及有心幫助民眾脫困的政府帶來了不小障礙。

不過，這樣的狀況目前有機會得到改觀。來自斯坦福大學(xué)計算機研究中心的科學(xué)家們近日找到了一種精準識別貧窮區(qū)域的新方法（發(fā)表于8月18日的《科學(xué)》雜志），利用機器學(xué)習(xí)結(jié)合衛(wèi)星圖片的方式，成功標(biāo)識了非洲五個國家的經(jīng)濟狀況。

就衡量一個地區(qū)的經(jīng)濟活動水平而言，對夜間燈光密集程度的考察并不是一個時髦的指標(biāo)。但對于赤貧地區(qū)來說，很難直接從夜間照明情況下手來做判斷。因為從衛(wèi)星圖片上來看，在非洲的絕大多數(shù)極端貧困區(qū)域，夜晚都是如出一轍的一片漆黑。

而斯坦福這項研究的新穎之處在于：采用了一種被稱為“遷移學(xué)習(xí)”的機器學(xué)習(xí)技術(shù)，分兩步標(biāo)識貧困情況。首先，通過機器深度學(xué)習(xí)高分辨率的白天衛(wèi)星圖像中大約4096個與經(jīng)濟有關(guān)的指標(biāo)，包括道路、市區(qū)和水道等，建立模型，對這些區(qū)域晚間的照明情況進行預(yù)測。然后，再結(jié)合人口衛(wèi)生組織以及世界銀行已有的一些研究，對模型進行一定的修正，完成對貧困情況的標(biāo)識。

在論文中，科學(xué)家們利用上述模型對尼日利亞，坦桑尼亞，烏干達，馬拉維和盧旺達這五個國家的消費和資產(chǎn)水平進行了標(biāo)識，標(biāo)識結(jié)果相較于對比試驗來說更加準確有效。

相較于傳統(tǒng)的挨門挨戶的調(diào)查方式，機器學(xué)習(xí)結(jié)合衛(wèi)星圖像的方法大大降低了調(diào)查成本，再加之?dāng)?shù)據(jù)獲取渠道幾乎都來自于公開信息，讓這種方法更易于推廣和復(fù)制。

當(dāng)然，斯坦福的這項研究也并非是完美無缺的。至少，當(dāng)調(diào)查的坐標(biāo)區(qū)域具體縮小到某一座城市，面對同一座城市中不同地方貧困水平的差異，這種模型就很難再發(fā)揮有效的作用。此外，也有經(jīng)濟學(xué)家指出這篇論文中所采用的圖片信息不是最新的，需要通過使用NASA更新的衛(wèi)星圖片來獲得更加準確的數(shù)據(jù)。

對這項新方法來說，當(dāng)前最需要做的就是盡可能將其應(yīng)用更多的區(qū)域中，以形成更完整精確的貧困地圖。