La pobreza es un problema eterno para el hombre, por más que se apliquen controles o políticas para erradicarlas o bien porque es difícil o costosa su detección. Es por ello que distintos grupos han trabajado por años para poder desarrollar métodos más efectivos para poder llevar a cabo investigaciones más precisas, como por ejemplo un último estudio de parte de investigadores de Stanford, quienes pudieron identificar zonas de riesgo social a través del análisis de la luz artificial obtenida por satélite.
El reporte, publicado por Science, da cuenta de que los expertos involucrados mapearon la pobreza de manera precisa y directa, mucho más efectiva que el control puerta a puerta, por medio de un sistema en el que combinaron la vigilancia por satélite con machine learning y así generar mapas de calor.
Como sabemos, las imágenes nocturnas obtenidas por satélites para poder obtener información en torno a la riqueza de alguna región, ya que por ejemplo las zonas más iluminadas son frecuentemente lugares mejor posicionados y desarrollados.
Sin embargo, a través de la combinación de estas imágenes con otras diurnas, y complementándolas con encuestas en terreno, se pueden validar los reportes acerca de la identificación de zonas de mayor pobreza y así determinar ciertas predicciones con respecto a otros lugares.
Para poder comprobar la efectividad del método, analizaron imágenes de cinco países africanos: Malawi, Nigeria, Ruanda, Tanzania y Uganda, y ayudados con un algoritmo para clasificar las diferencias que se obtienen con las fotografías, se aplicó además un modelo de red neuronal convencional para poder estudiarlas.
Lo interesante de este método de combinación de registros para determinar los sectores de pobreza, es que es de bajo costo y que puede ser aplicado para estudios por parte de entidades no gubernamentales y gobiernos.
Fayerwayer
