時值2020年，伴隨著“?！钡囊宦?，位于西非的多哥數(shù)萬名貧困村民的手機(jī)發(fā)來了資助到賬的好消息。在人工智能的幫助下，面臨生活困頓的村民每兩周可以獲得政府10美元的資助。雖然錢不多，但是可以幫助他們在新冠肺炎疫情期間免于挨餓。

圖源：Barbara Gibson

多哥是傳統(tǒng)農(nóng)業(yè)國家，國土面積狹長，工業(yè)基礎(chǔ)薄弱，人口只有800萬人，是世界上最不發(fā)達(dá)國家之一。疫情期間，多哥政府推出了名為 Novissi的數(shù)字現(xiàn)金轉(zhuǎn)移支付援助項目，旨在幫助有需要的人群渡過難關(guān)。然而，項目剛剛推出時，如何精準(zhǔn)定位“哪些人需要援助”成了問題。由于多哥最近的一次人口普查完成于2011年，也就是9年之前，調(diào)查沒有包含可以判斷家庭經(jīng)濟(jì)狀況的信息。而其最近的國家生活水平調(diào)查僅僅涵蓋了一部分家庭。項目執(zhí)行者無法判斷，到底應(yīng)該把錢發(fā)給誰？

傳統(tǒng)的扶貧項目依賴于通過面對面調(diào)查收集的數(shù)據(jù)來劃定幫扶對象，而這在疫情期間是無法實現(xiàn)的。多哥數(shù)字經(jīng)濟(jì)和轉(zhuǎn)型部長Cina Lawson聯(lián)合了加州大學(xué)伯克利分校的科學(xué)家，以及非政府組織“ Give Directly ”，采取分析衛(wèi)星圖像和手機(jī)網(wǎng)絡(luò)數(shù)據(jù)的方法，來判斷特定地區(qū)和個人的財富情況。Lawson說：“我們需要非常精準(zhǔn)的定位，人工智能在扶貧中發(fā)揮了重要作用。”

世界銀行對于“極端貧困”的最新定義為：每天生活費(fèi)不足 2.15 美元。據(jù)此標(biāo)準(zhǔn)，全球約有 7 億人生活在極端貧困中。消除貧困是聯(lián)合國可持續(xù)發(fā)展目標(biāo)之一。消除貧困，首先需要了解“誰需要幫助”以及他們的需求。但衡量貧困一直是一項挑戰(zhàn)，因為收集最貧困人群的數(shù)據(jù)需要花費(fèi)大量時間和成本。

人工智能讓多哥政府“跳過”使用舊的、不完整的數(shù)據(jù)的障礙，快速充分利用有限的預(yù)算。這是人工智能在扶貧工作中的一次“亮相”。然而，使用人工智能來“定義”貧困，有贊同，也有爭議。

美國威廉與瑪麗大學(xué)AidData研究實驗室的發(fā)展經(jīng)濟(jì)學(xué)家Ariel BenYishay對于使用人工智能扶貧表示贊成。因為其最大的優(yōu)點就是快速、高效、覆蓋范圍廣，并且可以識別出人工調(diào)查可能遺漏的數(shù)據(jù)。人工智能還可以幫助研究人員評估項目的執(zhí)行度，并判斷出扶貧資金投入后是否能夠真正帶動醫(yī)療、農(nóng)業(yè)、教育和基礎(chǔ)設(shè)施等領(lǐng)域的進(jìn)步。

世界銀行認(rèn)識到了人工智能的這一價值，試圖開發(fā)先進(jìn)工具來預(yù)測糧食危機(jī)和暴力沖突，并從援助干預(yù)后收集的大量數(shù)據(jù)中開展后期評估。2024 年10 月，世界銀行表示：“反貧困工作應(yīng)側(cè)重于利用機(jī)器學(xué)習(xí)和人工智能模型來縮小數(shù)據(jù)缺口，實現(xiàn)更及時的監(jiān)測”。

但是，瑞典隆德大學(xué)人文地理學(xué)家Ola Hall表示，對此應(yīng)該保持謹(jǐn)慎。在研究人工智能與脫貧工作的過程中，他發(fā)現(xiàn)，人工智能完全依賴數(shù)據(jù)。那些真正極度貧困，以至于沒有機(jī)會接觸互聯(lián)網(wǎng)、沒有手機(jī)，沒有留下數(shù)字軌跡的家庭和個人，是無法納入到人工智能統(tǒng)計范圍內(nèi)的。以此而建立的貧困數(shù)據(jù)模型往往會導(dǎo)致種族主義、性別歧視和其他偏見。他認(rèn)為，目前來看，人工智能在“定義貧困”上還遠(yuǎn)不夠準(zhǔn)確，不能單憑人工智能來決定哪些人可以獲得資助，哪些人不能。

人工智能系統(tǒng)不夠完美，傳統(tǒng)評估系統(tǒng)也不甚令人滿意。那么，到底如何才能全面、準(zhǔn)確地劃分貧困人群范圍？世界機(jī)構(gòu)、社會組織和科學(xué)家們一直在努力嘗試，尋找一種更為合理的“定位”系統(tǒng)。

貧困的定義

圖源：Kelvin Juma

英國社會改革家Charles Booth在 1886 年至 1903 年間曾經(jīng)進(jìn)行過一項量化貧困的嘗試。采用人工調(diào)查的方式，他走遍了倫敦的大街小巷，來收集人們的收入以及關(guān)于社會階層的數(shù)據(jù)。他在題為《倫敦人民的生活和勞動》的論文中繪制了一張彩色城市地圖，報告了他的發(fā)現(xiàn)。英國社會學(xué)家Seebohm Rowntree和他的團(tuán)隊在英國約克采訪了 11560 個家庭，根據(jù)滿足一個人生存最低營養(yǎng)需求來計算貧困度，并在 1901 年出版的《貧困：城鎮(zhèn)生活研究》一書中發(fā)表了研究結(jié)果。

1964 年，美國總統(tǒng)Lyndon Johnson宣布“向貧困宣戰(zhàn)”后，采用了經(jīng)濟(jì)學(xué)家Mollie Orshansky設(shè)計的貧困線。該標(biāo)準(zhǔn)將“貧困”定義為衣食住行所需的最低收入。與此同時，印度也對其民眾進(jìn)行了類似的統(tǒng)計，同樣是根據(jù)一個人每天的生活費(fèi)來定義貧困。

世界銀行經(jīng)濟(jì)學(xué)家Dean Jolliffe認(rèn)為，按照每天需要花多少錢的方法來定義貧困最為直接了當(dāng)。然而，除了餓肚子之外，很多研究人員認(rèn)為，貧困并非只有“吃飽”這一個維度要素，是否有穩(wěn)定居所，是否接受教育等，都應(yīng)該納入評判是否貧窮的標(biāo)準(zhǔn)。

到了21 世紀(jì)初期，牛津大學(xué)的牛津貧困與人類發(fā)展計劃主任Alkire希望找到一個多維系統(tǒng)來衡量貧困。2008 年，他與華盛頓大學(xué)經(jīng)濟(jì)學(xué)家James Foster合作開發(fā)了多維貧困指數(shù) (Multidimensional Poverty Index，MPI) ，從健康、教育和生活條件三個維度，將營養(yǎng)、兒童死亡率、入學(xué)年限、兒童入學(xué)率、烹飪?nèi)剂?、衛(wèi)生間、水、電、地板以及資產(chǎn)等10個指標(biāo)納入評價系統(tǒng)，從多層面生動反映貧困人群所面臨的挑戰(zhàn)。這是一個巨大的變化。它使政策制定者能夠衡量、分析和確定導(dǎo)致家庭貧困的相互作用變量。2010 年，聯(lián)合國開發(fā)計劃署用MPI 取代了人類貧困指數(shù)，打破了原有單一的貧困線模式。

不僅僅是MPI ，研究人員和援助機(jī)構(gòu)還開發(fā)出了無數(shù)種定義貧困的方法。斯坦福大學(xué)水資源、健康與發(fā)展項目負(fù)責(zé)人 Jennifer Davis表示，這些方法所包含的因素各不相同，取決于使用者想要衡量的內(nèi)容和手頭擁有的數(shù)據(jù)。2024 年，她和團(tuán)隊用其中四種方法來分別對埃塞俄比亞、加納和烏干達(dá)的家庭貧富情況進(jìn)行排名，結(jié)果存在巨大差異。原因在于樣本差異大，而且沒有將城市最底層的20%的家庭和個人，乃至于最為貧困的1%的家庭和個人納入統(tǒng)計。

最需要幫助的人，不在被幫助的范圍內(nèi)。這樣的尷尬，正是扶貧工作的難點所在。如何去發(fā)現(xiàn)這1%的貧困人口，人們把希望再次寄托在人工智能身上。

人工智能另辟蹊徑

盡管研究人員一直在不斷改進(jìn)評價指標(biāo)，使用最新的算法來分析數(shù)據(jù)。然而，這些數(shù)據(jù)的來源很大程度上仍然以人工實地調(diào)查的方式來獲取。然而，即使是一支訓(xùn)練有素的實地調(diào)查小組也需要幾個小時才能完成對一個家庭的調(diào)查。這種“笨辦法”在科技高速發(fā)展的當(dāng)下常常讓人感到吃驚。這種“吃驚”頗有“何不食肉糜”之感。世界銀行經(jīng)濟(jì)學(xué)家Dean Jolliffe表示，天生應(yīng)該擁有個人數(shù)據(jù)的想法，本身就是一種富裕世界的觀點。

作為農(nóng)業(yè)和資源經(jīng)濟(jì)學(xué)博士生Marshall Burke曾在肯尼亞和烏干達(dá)用幾個月的時間了解當(dāng)?shù)剞r(nóng)業(yè)發(fā)展。2015 年，他在斯坦福大學(xué)創(chuàng)辦環(huán)境變化與人類成果實驗室時，與遙感專業(yè)的David Lobell以及人工智能和圖像識別專家Stefano Ermon合作。三人嘗試?yán)貌粩嘣黾拥男l(wèi)星圖像數(shù)據(jù)來幫助識別世界各地生活在貧困中的人們。由于夜間照明可以粗略地反映財富。因此，他們使用非洲各地夜間衛(wèi)星圖像和白天圖像，通過對比來教計算機(jī)模型識別與財富相關(guān)的特征。

“讓計算機(jī)比較貧窮地區(qū)和富裕地區(qū)的差別，就像是電子游戲‘找不同’差不多。”Burke介紹，算法會比較道路分布和狀況、綠地面積、建筑物大小和間距以及許多其他變量，并對這些數(shù)據(jù)進(jìn)行分類來確定哪些變量反映了財富的變化。

研究期間，團(tuán)隊利用機(jī)器學(xué)習(xí)的發(fā)展，不斷改進(jìn)調(diào)整數(shù)據(jù)模型。到了2020 年，他們利用一組涵蓋整個非洲的公開衛(wèi)星圖像數(shù)據(jù)集，測試了一種更新的方法。當(dāng)團(tuán)隊將機(jī)器學(xué)習(xí)的預(yù)測與來自 20000 個村莊的財富調(diào)查數(shù)據(jù)進(jìn)行比較時，該算法的表現(xiàn)與費(fèi)力的人工調(diào)查一樣好，但付出的調(diào)查成本卻大為降低。

這對開發(fā)界來說是一次開創(chuàng)性的改進(jìn)。隨著這項研究的成功，科學(xué)家們開始通過機(jī)器學(xué)習(xí)來分析氣候、農(nóng)業(yè)生產(chǎn)、基礎(chǔ)設(shè)施投資等產(chǎn)生的影響。雖然該領(lǐng)域還處于起步階段，在各方面存在一定風(fēng)險。但是，從實際應(yīng)用中的效果來看，仍然讓人感到樂觀。

實踐應(yīng)用任重道遠(yuǎn)

多哥政府官員Lawson為Novissi項目準(zhǔn)備了3400 萬美元的預(yù)算。這些資金來自政府和非政府組織，用于幫助該國800多萬人口度過疫情期間的困境。她需要想辦法合理分配這筆資金。但多哥沒有足夠詳細(xì)的貧困數(shù)據(jù)來支撐這次救援。

在顧問的推薦下，Lawson聯(lián)系了加州大學(xué)伯克利分校計算機(jī)科學(xué)家Joshua Blumenstock。他從2015年開始用算法分析手機(jī)數(shù)據(jù)的方法來預(yù)測盧旺達(dá)的財富情況。他還一直在使用衛(wèi)星圖像來繪制所有中低收入國家的貧困地圖。

在多哥，人們廣泛使用手機(jī)。該國還使用移動貨幣。Blumenstock建議，根據(jù)手機(jī)使用情況（包括移動貨幣交易、通信頻率等）來識別富裕人群和貧困人群。結(jié)合衛(wèi)星圖像分析，人工智能可以確定“誰最需要錢”。

雖然這次實踐的結(jié)果在2022年的報告中反饋良好，但是人工智能在全球范圍內(nèi)的扶貧工作中仍然面臨不少挑戰(zhàn)。比如，2022年，人工智能預(yù)測非洲部分地區(qū)將面臨洪水災(zāi)害。根據(jù)這一結(jié)果，慈善組織將援助資金發(fā)到了非洲6000個家庭的賬戶上。這筆錢讓了受到洪水襲擊的農(nóng)民可以加固房屋，清理田地。然而部分地區(qū)的洪水并沒有按照人工智能的“預(yù)期”發(fā)生在預(yù)測的位置。這意味著一些未受洪水影響的家庭收到了錢，而一些受影響的家庭卻沒有受到援助。

是否精準(zhǔn)，是考量人工智能在扶貧工作中表現(xiàn)的重要依據(jù)。開發(fā)多維貧困指數(shù)的Alkire始終認(rèn)為，冰冷扁平的數(shù)據(jù)無法真實反映貧富差距。再先進(jìn)的計算也無法彌補(bǔ)數(shù)據(jù)不足的問題。

瑞典人文地理學(xué)家Hall認(rèn)為，貧困線的制定應(yīng)該是動態(tài)的。誰需要援助、需要哪種形式的援助，這些都在不斷變化。盡管算法正在不斷改進(jìn)，但他仍將人工智能識別貧困人口的能力定位于“進(jìn)度條”的20%。

成功運(yùn)用人工智能識別非洲貧富狀況的Burke表示，算法方法和傳統(tǒng)調(diào)查都是有價值的，也是必要的。他不想將兩者對立起來。他說，當(dāng)政府和援助機(jī)構(gòu)面臨有限預(yù)算和突然而至的經(jīng)濟(jì)沖擊時，人工智能也許是幫助人們擺脫困境的關(guān)鍵工具。

參考文獻(xiàn)：

Carrie Arnold.(2025). Can AI help beat poverty? Researchers test ways to aid the poorest people. Nature 638, 878-880.

doi: https://doi.org/10.1038/d41586-025-00565-7