I rika länder är BNP per capita det vanligaste måttet på landets välfärd. I fattiga länder fungerar måttet sämre eftersom statistiken ofta inte är tillförlitlig eller för att viss välfärd inte kan mätas i pengar. I stället mäts fattigdom i utvecklingsländer genom intervjuundersökningar. Dessa görs av stora aktörer såsom Världsbanken och USAID och ligger till grund för hjälpinsatser och för att se om utvecklingen går framåt eller bakåt i en specifik region. Men intervjumetoder är både dyra och tidskrävande.
– Vi, och många med oss, har på senare år tagit satellitbilder och AI till hjälp för att försöka hitta former för att på ett snabbare och mer effektivt sätt kunna läsa av regioners och byars välfärd och utveckling, säger kulturgeografen Ola Hall som leder ett forskningsprojekt som ska förfina tekniken så att den blir mer tillämpbar.
Stora framsteg för AI inom bildanalys
Fritt tillgängliga satellitbilder har funnits sedan 1990-talet då NASA bestämde sig för att låta forskare världen över använda sig av dem. Samtidigt har användningen av artificiell intelligens inom bildanalys gjort stora framsteg.
– För den som ägnar sig åt maskininlärning och bildanalys är 2012 ett märkesår. Då vann en AI-metod en stor och viktig tävling* inom bildanalys, säger beräkningsbiologen Mattias Ohlsson, som framför allt forskar om AI inom sjukvården, men nu även om användbarheten inom utvecklingsforskning.
Sedan ett tiotal år tillbaka har forskare använt sig av nattliga satellitbilder för att mäta ekonomisk utveckling. Skillnaden mellan elektriskt upplysta rika länder och mörklagda fattiga regioner blir tydlig från rymden.
– Men enbart nattbelysning är ett trubbigt instrument, särskilt i den fattiga världen. Det går inte att med hjälp av dessa bilder avgöra graden av fattigdom, säger Ola Hall. Däremot blir resultaten avsevärt bättre om man kombinerar nattbilder med bilder tagna på dagen.
För några år sedan fick Ola Hall och hans kollegor pengar till ett forskningsprojekt för att förbättra metoderna för analys av satellitbilder över jordbrukslandskap i Afrika.
– På samma sätt som AI kan programmeras för att klara digital ansiktsigenkänning försöker vi få fram algoritmer som kan analysera detaljerade satellitbilder över afrikanska jordbrukslandskap, säger Ola Hall.
Träffsäker AI-bedömning
I en pågående studie låter man ett hundratal forskare och jordbruksexperter titta på bilder från byar i Tanzania och bedöma graden av fattigdom. Samma byar bedöms också med hjälp av AI-teknik programmerad utifrån ett stort dataset med satellitbilder som forskare i Lund och Halmstad har tagit fram. Som referensmaterial – eller facit om man så vill – används intervjuundersökningar som gjorts på plats i byarna av den amerikanska hjälporganisationen USAID.
– Resultaten är förvisso bara preliminära men redan nu kan vi se att AI-bedömningen av satellitbilder är mycket mer träffsäker än experternas. Detta trots att experterna har haft tillgång till ett mer högkvalitativt bildmaterial, säger Ola Hall, som förvånats över att maskininlärningen är så bra och pricksäker som den faktiskt är.
Oklart vad som registreras
Men det finns fler saker som ger forskarna bryderier. Framför allt har de svårt att förklara vad det egentligen är som AI registrerar när den utifrån satellitbilder bedömer graden av fattigdom i ett visst område. Är det vägnätet, takens byggmaterial, hur tätt det är mellan husen, färgen på jordarna, tillgången på fordon, eller finns det annat som AI kodar in?
– Vissa parametrar förstår vi, men det finns ett glapp. Om maskininlärningen ska få tillämpning utanför vår forskning så måste vi bli bättre på att förstå och redovisa hur AI-metoden gör sina bedömningar, säger Ola Hall, som tror att de närmaste fem årens forskning kommer att bli avgörande för om AI och satellitbilder någonsin kommer att bli ett användbart verktyg för att mäta fattigdom och välmående i stor skala.
*ImageNet Large Scale Visual Recognition Challenge
Om projektet
Forskningen har fått finansiering av Riksbankens Jubileumsfond och Vetenskapsrådet. I projekten ingår förutom Ola Hall och Mattias Ohlsson även kulturgeograferna Magnus Jirström, Agnes Andersson Djurfeldt, Ibrahim Wahab och Göran Djurfeldt samt datavetaren Thorsteinn Rögnvaldsson vid högskolan i Halmstad.