전 세계적으로 약 7억 명이 극심한 빈곤(하루 2.15달러 미만으로 생활)을 누리고 있습니다. 빈곤 근절은 UN 지속가능발전목표 중 하나이지만, 빈곤을 측정하는 것은 어려운 일이었습니다. 주로 데이터 수집에 많은 비용과 시간이 소요되기 때문입니다. 인공지능(AI)은 데이터를 빠르게 분석할 수 있을 뿐만 아니라 더 넓은 범위의 사람들에게 접근하고 전문가가 놓칠 수 있는 패턴을 식별할 수 있습니다. 세계은행은 또한 식량 위기와 폭력적인 갈등을 예측하고 구호 개입 데이터에서 통찰력을 추출하는 AI 도구를 개발하고 있습니다.

그러나 AI 모델은 편향 문제를 겪고 있으며 디지털 데이터가 기록되지 않는 가장 가난한 사람들을 놓칠 수 있습니다. 그럼에도 불구하고 현재의 빈곤 평가 시스템은 마찬가지로 불완전합니다. 가구 조사와 같은 전통적인 방법은 시간과 비용이 많이 소요되지만 인공지능(AI)은 위성 이미지, 휴대폰 데이터와 결합되어 열악한 지역과 개인을 보다 효율적으로 식별할 수 있습니다. 예를 들어 미국 스탠퍼드대 연구팀은 AI를 활용해 위성 영상을 분석해 아프리카 마을의 빈곤 수준을 예측하는 데 성공했다. 효과는 현장조사와 동일했지만 비용은 대폭 절감됐다.

예를 들어, 서아프리카 국가 토고의 사회 보장 프로그램 'NOVISSI'는 AI를 사용해 휴대전화 사용 패턴과 위성 이미지를 분석해 3,400만 달러의 구호 자금을 정확하게 할당했습니다. 다른 아프리카 국가에서도 비슷한 프로젝트가 진행 중입니다. AI 예측이 완전히 정확하지는 않지만 긴급 상황에서는 신속하게 대응하는 능력이 매우 중요합니다.

그러나 AI가 빈곤 완화에 잠재력을 보여줬음에도 불구하고 전문가들은 AI를 주의해서 사용해야 한다고 경고합니다. AI는 특히 다차원 빈곤 측정에서 현장 조사를 완전히 대체할 수 없습니다. 그러나 예산 제약과 경제적 충격 속에서 AI는 도움이 가장 필요한 사람들에게 도움을 제공하는 데 중요한 도구가 될 수 있습니다. 앞으로는 AI와 현장조사의 결합이 빈곤 완화 사업의 새로운 방향이 될 수도 있다.


가장 가난한 마을과 지역 사회에 우선권이 주어집니다. 우리는 고해상도 위성 이미지에 딥 러닝 알고리즘을 적용하여 2.4킬로미터(km) 그리드 셀당 부의 미세한 추정치를 생성하고(왼쪽 상단), 이러한 추정치를 각 그리드 셀의 인구 밀도 정보(상단 중앙)와 결합하고, 이 정보를 사용하여 토고에서 가장 가난한 100개 카운티를 식별했습니다(오른쪽 상단).
연구원들은 활성 휴대폰 사용자를 대상으로 한 대규모 전화 설문 조사에서 수집한 실제 부와 빈곤 데이터를 사용하여 기계 학습 알고리즘을 훈련하여 각 모바일 사용자의 부를 추정했습니다(왼쪽 위). 가장 가난한 100개 카운티(오른쪽 빨간색 분포)에서는 하루 예상 소비량이 1.25달러 미만인 카운티가 Novissi 프로그램에 포함되는 우선순위를 갖습니다(점선 수직선). 이 사람들은 토고의 평균 거주자(파란색 분포)보다 훨씬 가난합니다. 출처: Josh Blumenstock, University of California, Berkeley, 2021년 1월 11일: Josh Blumenstock, University of California, Berkeley, 2021년 1월 11일.