คู่มืออุตสาหกรรม
AI ในการช่วยเหลือด้านมนุษยธรรมและการตอบสนองต่อผู้ลี้ภัย
AI ในการช่วยเหลือด้านมนุษยธรรมหมายถึงการใช้แมชชีนเลิร์นนิงในภาพถ่ายดาวเทียม ราคาตลาด สภาพอากาศ และข้อมูลโทรศัพท์มือถือ เพื่อคาดการณ์วิกฤตการณ์ เช่น ความอดอยาก ตัดสินใจว่าใครควรได้รับความช่วยเหลือ และดำเนินการบรรเทาทุกข์ได้อย่างมีประสิทธิภาพมากขึ้น
ฟังคำแนะนำนี้บรรยายโดย AI · ~3 min
บนหน้านี้อ่าน 4 นาที
ภาพรวม
เป็นเรื่องสำคัญเนื่องจากงบประมาณความช่วยเหลือมีน้อยเมื่อเทียบกับความต้องการ และก่อนหน้านี้ ความช่วยเหลือที่มีเป้าหมายที่ดีกว่าสามารถช่วยชีวิตผู้คนได้ ผู้ที่เกี่ยวข้องมักจะมีความเสี่ยงอย่างมาก ดังนั้นข้อผิดพลาดและการรั่วไหลของข้อมูลจึงส่งผลร้ายแรง
เจาะลึก
Humanitarian AI falls into three broad jobs: forecasting crises, finding the people who need help, and running operations. On forecasting, the Famine Early Warning Systems Network (FEWS NET), set up by the US government in 1985 after the mid-1980s famines in Africa, combines satellite rainfall and vegetation data, market prices and field reports to project food insecurity months ahead using the five-phase IPC scale. Much of its judgement is expert-driven, but models increasingly feed it. The World Food Programme's HungerMap LIVE uses machine-learning models to nowcast food insecurity where recent surveys are missing. UNHCR's Project Jetson experimented with predicting displacement in Somalia from signals such as river levels, rainfall and market prices. On targeting, the best-known case is Togo's Novissi cash transfer programme during the COVID-19 pandemic. Researchers and the government used high-resolution satellite imagery to estimate which areas were poorest, then used mobile phone usage patterns to estimate which subscribers in those areas were poorest, and paid them by mobile money. A peer-reviewed evaluation found this reached poor people more accurately than the simpler geographic options available at the time, but it still made many errors and could not reach people without phones. The biggest risks involve data. Biometric registration of refugees, such as iris and fingerprint enrolment, speeds distribution and reduces fraud, but it creates permanent records about people who may be fleeing their own government. Human Rights Watch reported in 2021 that data collected from Rohingya refugees in Bangladesh had been shared with Myanmar for possible repatriation checks without adequately informed consent. A common misconception is that more data always means better aid. Biased or incomplete data can hide whole groups, and consent is hard to make meaningful when food depends on saying yes. The ICRC's Handbook on Data Protection in Humanitarian Action sets out principles for handling these risks.
การใช้งานจริงในโลกแห่งความเป็นจริง
ทีมเตือนภัยล่วงหน้าได้รวมข้อมูลประมาณการปริมาณฝนผ่านดาวเทียม ความเขียวขจีของพืชพรรณ และราคาธัญพืชในท้องถิ่น เพื่อระบุภูมิภาคที่มีแนวโน้มว่าจะเข้าถึงความไม่มั่นคงทางอาหารในระดับวิกฤตในอีกไม่กี่เดือนข้างหน้า ทำให้ผู้บริจาคมีเวลาในการจัดอาหารล่วงหน้า
HungerMap LIVE ของโครงการอาหารโลกใช้แบบจำลองเพื่อประเมินความไม่มั่นคงด้านอาหารในปัจจุบันในพื้นที่ที่ไม่มีการสำรวจครัวเรือนเมื่อเร็วๆ นี้ ดังนั้นนักวิเคราะห์จึงไม่ได้รวบรวมข้อมูลที่มีอายุหลายปี
ในช่วงการแพร่ระบาดของโควิด-19 โครงการ Novissi ของโตโกใช้ภาพถ่ายดาวเทียมเพื่อค้นหาพื้นที่ที่ยากจนที่สุดและรูปแบบการใช้โทรศัพท์มือถือเพื่อประเมินบุคคลที่ยากจนที่สุด จากนั้นจึงส่งเงินสดเป็นเงินบนมือถือ
หน่วยงานผู้ลี้ภัยลงทะเบียนการมาถึงด้วยการสแกนม่านตา เพื่อให้ผู้คนสามารถรวบรวมอาหารปันส่วนโดยไม่ต้องใช้บัตรกระดาษ ในขณะที่ต้องตัดสินใจว่าใครสามารถเข้าถึงบันทึกไบโอเมตริกซ์เหล่านั้นได้ และต้องใช้เวลานานเท่าใด
อนาคตของ AI ในการช่วยเหลือด้านมนุษยธรรมและการตอบสนองต่อผู้ลี้ภัย
การครอบคลุมดาวเทียมที่ดีขึ้น การสำรวจทางโทรศัพท์ที่ถูกกว่า และการพยากรณ์อากาศที่ดีขึ้น ควรทำให้การเตือนภัยล่วงหน้าได้ทันเวลามากขึ้น และการดำเนินการที่คาดการณ์ไว้ ซึ่งเงินจะถูกปล่อยออกมาก่อนที่การคาดการณ์จะกระทบกระเทือนอย่างรุนแรง กำลังได้รับการสนับสนุนจากหน่วยงานต่างๆ คอขวดมักไม่ค่อยเกี่ยวกับอัลกอริธึมมากกว่าเรื่องเงินทุน การเข้าถึงโซนที่มีข้อขัดแย้ง และความไว้วางใจ การลดงบประมาณเพื่อช่วยเหลืออาจขัดขวางโมเดลระบบข้อมูลที่ต้องพึ่งพา คาดว่าจะมีแรงกดดันเพิ่มขึ้นสำหรับการตรวจสอบแบบจำลองการกำหนดเป้าหมายโดยอิสระ แนวทางปฏิบัติในการยินยอมที่ชัดเจนยิ่งขึ้นสำหรับข้อมูลไบโอเมตริก และกฎเกณฑ์ในการแบ่งปันข้อมูลผู้ลี้ภัยกับรัฐบาล AI จะปรับปรุงผลลัพธ์หรือไม่นั้นจะขึ้นอยู่กับว่าการคาดการณ์ทำให้เกิดการระดมทุนก่อนหน้านี้จริงหรือไม่ และกลุ่มที่ถูกยกเว้นจะมีวิธีอุทธรณ์หรือไม่
การนำไปปฏิบัติ
ทำไมมันถึงสำคัญ
- บริบทและกฎ. บริบททางอุตสาหกรรมเป็นตัวกำหนดว่าแนวคิด AI จะรอดจากการสัมผัสกับความเป็นจริงหรือไม่
- การควบคุมคุณภาพ. ข้อจำกัดของโดเมนมีอิทธิพลต่ออัตราข้อผิดพลาดที่ยอมรับได้และแบบจำลองการควบคุมดูแล
- สร้างทางเลือก. การปรับใช้ที่ประสบความสำเร็จจะปรับความสามารถทางเทคนิคให้สอดคล้องกับเวิร์กโฟลว์แนวหน้า
ระวัง
- ข้อกำหนดด้านกฎระเบียบอาจทำให้ต้นแบบที่แข็งแกร่งเป็นโมฆะได้
- ข้อมูลในอดีตอาจเข้ารหัสอคติที่เป็นอันตรายต่อชุมชนบางแห่ง
- ระบบเดิมสามารถสร้างปัญหาคอขวดในการบูรณาการและต้นทุนแอบแฝงได้
ขั้นตอนต่อไป
- ให้ผู้เชี่ยวชาญโดเมนมีส่วนร่วมตั้งแต่การกำหนดกรอบปัญหาไปจนถึงการประเมิน
- ออกแบบเส้นทางการตรวจสอบและเอกสารประกอบก่อนการเปิดตัว
- ตรวจสอบการปฏิบัติตามข้อกำหนดและภาระผูกพันด้านความปลอดภัยตั้งแต่เนิ่นๆ
- เปิดตัวเป็นระยะโดยมีเกณฑ์การหยุดและย้อนกลับที่ชัดเจน
สำรวจต่อไป
จดหมายข่าวฟรี
รับสรุป AI รายวัน
เรื่องราว AI ที่ตรวจสอบแล้ว 3 เรื่องทุกวันทำงาน เช้า, เขียนเป็นภาษาอังกฤษธรรมดา ฟรีตลอดไป ไม่มีโฆษณา
อีเมลหนึ่งฉบับทุกวันทำงาน ยกเลิกการสมัครในคลิกเดียว เราไม่เคยขายหรือแชร์ที่อยู่อีเมลของคุณ
ทดสอบตัวเอง
ทำแบบทดสอบ AI ในการช่วยเหลือด้านมนุษยธรรมและการตอบสนองผู้ลี้ภัย
ข้อเสนอแนะทันทีสำหรับทุกคำตอบ และใบรับรองที่สามารถแชร์ได้พร้อม ID ที่ตรวจสอบได้เมื่อคุณผ่านหลักสูตร
สนับสนุนการศึกษา AI ฟรี AI Understanding เป็นองค์กรไม่แสวงหาผลกำไร 501(c)(3) — ไม่มีโฆษณา ไม่มีกำแพงเงิน, ตลอดไป บริจาค
คำถามที่พบบ่อย
AI ในการช่วยเหลือด้านมนุษยธรรมและการตอบสนองต่อผู้ลี้ภัยคืออะไร?
AI ในการช่วยเหลือด้านมนุษยธรรมหมายถึงการใช้แมชชีนเลิร์นนิงในภาพถ่ายดาวเทียม ราคาตลาด สภาพอากาศ และข้อมูลโทรศัพท์มือถือ เพื่อคาดการณ์วิกฤตการณ์ เช่น ความอดอยาก ตัดสินใจว่าใครควรได้รับความช่วยเหลือ และดำเนินการบรรเทาทุกข์ได้อย่างมีประสิทธิภาพมากขึ้น เป็นเรื่องสำคัญเนื่องจากงบประมาณความช่วยเหลือมีน้อยเมื่อเทียบกับความต้องการ และก่อนหน้านี้ ความช่วยเหลือที่มีเป้าหมายที่ดีกว่าสามารถช่วยชีวิตผู้คนได้ ผู้ที่เกี่ยวข้องมักจะมีความเสี่ยงอย่างมาก ดังนั้นข้อผิดพลาดและการรั่วไหลของข้อมูลจึงส่งผลร้ายแรง
โปรแกรม Novissi ของโตโกรวมข้อมูลประเภทใดบ้างเพื่อกำหนดเป้าหมายการโอนเงิน
ภาพถ่ายดาวเทียมประเมินว่าพื้นที่ใดยากจนที่สุด และรูปแบบการใช้โทรศัพท์มือถือประเมินว่าสมาชิกรายใดในพื้นที่เหล่านั้นยากจนที่สุด
ข้อจำกัดที่ทราบของการกำหนดเป้าหมายความช่วยเหลือทางโทรศัพท์คืออะไร
หากประเมินคุณสมบัติจากบันทึกโทรศัพท์ ผู้ที่ไม่มีโทรศัพท์หรือผู้ที่แบ่งปันข้อมูลเหล่านี้ อาจพลาดไปโดยสิ้นเชิง
HungerMap LIVE ซึ่งเป็นเครื่องมือของเอเจนซี่ใดที่เปิดเผยความไม่มั่นคงด้านอาหารโดยที่การสำรวจล่าสุดขาดหายไป
HungerMap LIVE ดำเนินการโดยโครงการอาหารโลก และใช้แบบจำลองเพื่อประเมินความไม่มั่นคงทางอาหารในปัจจุบันระหว่างการสำรวจต่างๆ
เหตุใด Human Rights Watch จึงแจ้งข้อกังวลเกี่ยวกับข้อมูลผู้ลี้ภัยชาวโรฮิงญาในปี 2021
รายงานระบุว่าข้อมูลที่รวบรวมในบังกลาเทศถูกแบ่งปันกับเมียนมาร์ ซึ่งเป็นประเทศที่ผู้ลี้ภัยหลบหนี เพื่อตรวจสอบการส่งตัวกลับประเทศที่เป็นไปได้ โดยไม่ได้รับความยินยอมอย่างเพียงพอ
เมื่อประเมินโมเดลการกำหนดเป้าหมายความช่วยเหลือ เหตุใดทีมจึงควรรายงานข้อผิดพลาดในการยกเว้นแยกกัน
ความถูกต้องโดยรวมสามารถซ่อนจำนวนคนที่มีสิทธิ์ที่เหลืออยู่ได้ ข้อผิดพลาดในการยกเว้นจะนับคนยากจนที่โมเดลพลาดโดยตรง
เรียนรู้ต่อไป
คำแนะนำที่เกี่ยวข้อง
คำแนะนำเพิ่มเติมที่เลือกสำหรับหัวข้อนี้