HƯỚNG DẪN ngành

AI trong viện trợ nhân đạo và ứng phó với người tị nạn

AI trong viện trợ nhân đạo có nghĩa là sử dụng máy học trên hình ảnh vệ tinh, giá cả thị trường, dữ liệu thời tiết và điện thoại di động để dự báo các cuộc khủng hoảng như nạn đói, quyết định ai sẽ nhận trợ giúp và điều hành các hoạt động cứu trợ hiệu quả hơn.

Nghe hướng dẫn nàyAI thuật lại · ~3 min

Trên trang nàyđọc 4 phút
  1. Tổng quan
  2. Lặn sâu
  3. Triển khai trong thế giới thực
  4. Tương lai của AI trong viện trợ nhân đạo và ứng phó với người tị nạn
  5. Đưa nó vào thực tế
  6. Tiếp tục khám phá
  7. Câu hỏi thường gặp

Tổng quan

Điều này quan trọng vì ngân sách viện trợ rất nhỏ so với nhu cầu và sự trợ giúp sớm hơn có mục tiêu tốt hơn có thể cứu được nhiều mạng sống. Những người liên quan thường cực kỳ dễ bị tổn thương nên những sai lầm và rò rỉ dữ liệu sẽ gây ra hậu quả nghiêm trọng.

Lặn sâu

AI nhân đạo đảm nhiệm ba công việc chính: dự báo khủng hoảng, tìm kiếm những người cần giúp đỡ và điều hành các hoạt động. Về dự báo, Mạng lưới hệ thống cảnh báo sớm nạn đói (FEWS NET), được chính phủ Hoa Kỳ thành lập vào năm 1985 sau nạn đói giữa những năm 1980 ở Châu Phi, kết hợp dữ liệu về lượng mưa và thực vật qua vệ tinh, giá cả thị trường và báo cáo thực địa để dự báo tình trạng mất an ninh lương thực trong những tháng tới bằng cách sử dụng thang đo IPC 5 giai đoạn. Phần lớn phán đoán của nó là do chuyên gia định hướng, nhưng các mô hình ngày càng hỗ trợ nó. HungerMap LIVE của Chương trình Lương thực Thế giới sử dụng các mô hình học máy để dự báo tình trạng mất an ninh lương thực ở những nơi còn thiếu các cuộc khảo sát gần đây. Dự án Jetson của UNHCR đã thử nghiệm dự đoán sự di dời ở Somalia dựa trên các tín hiệu như mực nước sông, lượng mưa và giá cả thị trường. Về mục tiêu, trường hợp nổi tiếng nhất là chương trình chuyển tiền mặt Novissi của Togo trong đại dịch COVID-19. Các nhà nghiên cứu và chính phủ đã sử dụng hình ảnh vệ tinh có độ phân giải cao để ước tính khu vực nào nghèo nhất, sau đó sử dụng mô hình sử dụng điện thoại di động để ước tính thuê bao nào ở khu vực đó nghèo nhất và trả tiền cho họ bằng tiền di động. Một đánh giá được bình duyệt cho thấy giải pháp này tiếp cận người nghèo chính xác hơn so với các lựa chọn địa lý đơn giản hơn hiện có vào thời điểm đó, nhưng nó vẫn mắc nhiều lỗi và không thể tiếp cận những người không có điện thoại. Những rủi ro lớn nhất liên quan đến dữ liệu. Đăng ký sinh trắc học của người tị nạn, chẳng hạn như đăng ký mống mắt và dấu vân tay, tăng tốc độ phân phối và giảm gian lận, nhưng nó tạo ra hồ sơ vĩnh viễn về những người có thể đang chạy trốn khỏi chính phủ của họ. Tổ chức Theo dõi Nhân quyền báo cáo vào năm 2021 rằng dữ liệu thu thập được từ những người tị nạn Rohingya ở Bangladesh đã được chia sẻ với Myanmar để có thể kiểm tra hồi hương mà không có sự đồng ý đầy đủ. Một quan niệm sai lầm phổ biến là nhiều dữ liệu hơn luôn có nghĩa là hỗ trợ tốt hơn. Dữ liệu thiên vị hoặc không đầy đủ có thể che giấu cả nhóm và sự đồng ý khó có ý nghĩa khi thức ăn phụ thuộc vào việc nói đồng ý. Sổ tay về Bảo vệ Dữ liệu trong Hành động Nhân đạo của ICRC đặt ra các nguyên tắc xử lý những rủi ro này.

Triển khai trong thế giới thực

Một nhóm cảnh báo sớm kết hợp ước tính lượng mưa qua vệ tinh, độ xanh của thảm thực vật và giá ngũ cốc địa phương để đánh dấu một khu vực có khả năng đạt đến tình trạng mất an ninh lương thực ở mức khủng hoảng trong vài tháng tới, giúp các nhà tài trợ có thời gian chuẩn bị trước lương thực.

HungerMap LIVE của Chương trình Lương thực Thế giới sử dụng các mô hình để ước tính tình trạng mất an ninh lương thực hiện tại ở những khu vực gần đây không có khảo sát hộ gia đình nào, vì vậy các nhà phân tích không làm việc dựa trên dữ liệu đã cũ.

Trong đại dịch COVID-19, chương trình Novissi của Togo đã sử dụng hình ảnh vệ tinh để tìm ra những khu vực nghèo nhất và cách sử dụng điện thoại di động để ước tính những người nghèo nhất, sau đó gửi tiền mặt bằng tiền di động.

Một cơ quan tị nạn đăng ký những người đến bằng cách quét mống mắt để mọi người có thể nhận khẩu phần thực phẩm mà không cần thẻ giấy, đồng thời phải quyết định ai có thể truy cập những hồ sơ sinh trắc học đó và trong bao lâu.

Tương lai của AI trong viện trợ nhân đạo và ứng phó với người tị nạn

Vùng phủ sóng vệ tinh tốt hơn, khảo sát qua điện thoại rẻ hơn và dự báo thời tiết được cải thiện sẽ giúp cảnh báo sớm kịp thời hơn và hành động đoán trước, tức là tiền sẽ được giải phóng trước khi xảy ra cú sốc dự báo, đang nhận được sự ủng hộ của các cơ quan. Các nút thắt ít liên quan đến thuật toán hơn là về nguồn tài trợ, khả năng tiếp cận các khu vực xung đột và lòng tin. Việc cắt giảm ngân sách hỗ trợ có thể làm gián đoạn các mô hình hệ thống dữ liệu phụ thuộc vào. Dự kiến ​​áp lực ngày càng tăng đối với việc kiểm toán độc lập các mô hình nhắm mục tiêu, các biện pháp chấp thuận rõ ràng hơn đối với sinh trắc học và các quy định về chia sẻ dữ liệu người tị nạn với chính phủ. Liệu AI có cải thiện kết quả hay không sẽ phụ thuộc vào việc liệu các dự báo có thực sự kích hoạt nguồn tài trợ sớm hơn hay không và liệu các nhóm bị loại trừ có cách kháng cáo hay không.

Đưa nó vào thực tế

Tại sao nó quan trọng

  • Bối cảnh và quy tắc. Bối cảnh của ngành quyết định liệu các ý tưởng AI có tồn tại được khi tiếp xúc với thực tế hay không.
  • Kiểm soát chất lượng. Các ràng buộc về miền ảnh hưởng đến tỷ lệ lỗi có thể chấp nhận được và các mô hình giám sát.
  • Xây dựng lựa chọn. Triển khai thành công sẽ điều chỉnh năng lực kỹ thuật phù hợp với quy trình làm việc tuyến đầu.

coi chừng

  • Các yêu cầu pháp lý có thể vô hiệu hóa các nguyên mẫu mạnh mẽ.
  • Dữ liệu lịch sử có thể mã hóa thành kiến ​​gây tổn hại cho các cộng đồng cụ thể.
  • Các hệ thống cũ có thể tạo ra các nút thắt cổ chai trong tích hợp và chi phí tiềm ẩn.

Các bước tiếp theo

  1. Thu hút các chuyên gia trong lĩnh vực từ việc xác định vấn đề đến đánh giá.
  2. Thiết kế các đường dẫn kiểm tra và tài liệu trước khi ra mắt.
  3. Xác nhận sớm các nghĩa vụ tuân thủ và an toàn.
  4. Triển khai theo từng giai đoạn với tiêu chí dừng và khôi phục rõ ràng.

Tiếp tục khám phá

Bản tin miễn phí

Nhận bản tóm tắt AI hàng ngày

Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.

Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.

Tự kiểm tra

Làm bài kiểm tra AI về viện trợ nhân đạo và ứng phó với người tị nạn

Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.

Bắt đầu bài kiểm tra

Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp

Câu hỏi thường gặp

AI trong viện trợ nhân đạo và ứng phó với người tị nạn là gì?

AI trong viện trợ nhân đạo có nghĩa là sử dụng máy học trên hình ảnh vệ tinh, giá cả thị trường, dữ liệu thời tiết và điện thoại di động để dự báo các cuộc khủng hoảng như nạn đói, quyết định ai sẽ nhận trợ giúp và điều hành các hoạt động cứu trợ hiệu quả hơn. Điều này quan trọng vì ngân sách viện trợ rất nhỏ so với nhu cầu và sự trợ giúp sớm hơn có mục tiêu tốt hơn có thể cứu được nhiều mạng sống. Những người liên quan thường cực kỳ dễ bị tổn thương nên những sai lầm và rò rỉ dữ liệu sẽ gây ra hậu quả nghiêm trọng.

Chương trình Novissi của Togo đã kết hợp những loại dữ liệu nào để nhắm mục tiêu chuyển tiền mặt?

Hình ảnh vệ tinh ước tính khu vực nào nghèo nhất và cách sử dụng điện thoại di động ước tính thuê bao cá nhân nào ở khu vực đó nghèo nhất.

Hạn chế đã biết của việc nhắm mục tiêu hỗ trợ dựa trên điện thoại là gì?

Nếu tính đủ điều kiện được ước tính từ hồ sơ điện thoại, những người không có điện thoại hoặc những người dùng chung điện thoại có thể bị bỏ sót hoàn toàn.

Công cụ của cơ quan nào, HungerMap LIVE, hiện đang phát sóng tình trạng mất an ninh lương thực khi các cuộc khảo sát gần đây bị thiếu?

HungerMap LIVE do Chương trình Lương thực Thế giới điều hành và sử dụng các mô hình để ước tính tình trạng mất an ninh lương thực hiện tại giữa các cuộc khảo sát.

Tại sao Tổ chức Theo dõi Nhân quyền nêu lên mối lo ngại về dữ liệu về người tị nạn Rohingya vào năm 2021?

Báo cáo cho biết dữ liệu thu thập được ở Bangladesh đã được chia sẻ với Myanmar, quốc gia mà những người tị nạn chạy trốn, để kiểm tra việc hồi hương mà không có sự đồng ý đầy đủ.

Khi đánh giá mô hình nhắm mục tiêu viện trợ, tại sao các nhóm nên báo cáo riêng các lỗi loại trừ?

Độ chính xác tổng thể có thể che giấu số lượng người đủ điều kiện bị loại. Lỗi loại trừ trực tiếp đếm người nghèo mà mô hình đã bỏ sót.