Un algoritmo per ridurre la povertà in Africa

Quando parliamo di povertà l’immaginario collettivo pensa all’Africa; e si tratta davvero del continente più povero del mondo secondo le stime della UNCTAD, secondo cui nel 2021 490 milioni di persone in Africa vivevano sotto alla soglia di povertà di 1,90$ PPP (Parità del Potere di Acquisto) al giorno, ben 37 milioni di persone in più rispetto alle stime previste prima della pandemia da COVID-19 [1]. Caratteristica comune di molte aree in Africa è la mancanza di elettricità. Garantire un giusto accesso all’elettricità a queste popolazioni potrebbe rappresentare una strategia per farle uscire dalla povertà, e quindi direttamente ed indirettamente, per migliorare la loro salute?

Sembrerebbe di sì, stando agli ultimi risultati di uno studio dell'Università di Stanford che prosegue da qualche anno [2], i cui risultati sono stati pubblicati a novembre su Nature [3]. I ricercatori, attraverso un algoritmo che combina immagini satellitari e intelligenza artificiale, hanno dimostrato che le comunità con accesso all'elettricità in Uganda hanno visto miglioramenti nella loro sussistenza economica pari al doppio rispetto alle comunità prive di elettricità. Il miglioramento è stato misurato attraverso indicatori quali la costruzione di nuove case e strade, la presenza di elettrodomestici e altri beni tangibili che suggeriscono un’aumentata ricchezza.

“Il nostro studio è il primo a provare con un rapporto diretto di causa-effetto come l'accesso all'elettricità influisca sul benessere economico e sullo stato di salute in tutta l’Africa” ha detto Nathan Ratledge, primo autore dello studio. La ricerca, co-diretta da Marshall Burke, della Stanford Doerr School of Sustainability e Senior fellow allo Stanford Institute for Economic Policy Research (SIEPR), è stata pubblicata nelle stesse settimane in cui si teneva la 27esima edizione della Conferenza sul clima, durante la quale si è parlato molto di fondi per rimediare ai danni e alle perdite causate dal clima nei Paesi in via di sviluppo più vulnerabili, e di come le politiche mondiali influenzeranno il loro stesso sviluppo.

Quando il gruppo ha iniziato cinque anni fa a studiare come fosse distribuita la rete elettrica in Africa, non era possibile trovare mappe della rete elettrica che avrebbero permesso loro di analizzare i progressi nel tempo. Così i ricercatori hanno provato a risolvere il problema attraverso una tecnica di deep learning in grado di estrarre informazioni da immagini satellitari accessibili gratuitamente nel tempo. Ma non si tratta di un mero strumento di estrapolazione dati, quanto invece di un sofisticato modello predittivo che spiega come e perché alcune aree progrediscono più di altre. “L'elettrificazione è una delle sfide più grandi che il mondo in via di sviluppo affronta oggi”, ha detto Burke. “Speriamo che il nostro studio possa aiutare a far luce su come aiutare a ridurre la povertà e a promuovere lo sviluppo sostenibile in tutto il mondo”.

L'utilizzo sinergico di immagini satellitari e di tecniche di machine learning permette di raccogliere dati a livello locale in modo più preciso e a basso costo al fine di elaborare programmi di sviluppo mirati e, secondo gli autori stessi, anche per studiare l’impatto di altre politiche quali l’accesso all’acqua potabile e l’educazione.

“L’articolo di Burke è uno dei tanti che negli ultimi dieci anni caratterizza la ricerca su come l’intelligenza artificiale possa contribuire a predire o monitorare la povertà globale e il suo ruolo come determinante della salute” ha commentato Maurizio Bonati, Capo del Dipartimento di Salute Pubblica dell’Istituto di Ricerche Farmacologiche Mario Negri di Milano. “L’algoritmo costruito sulla realtà ugandese sembra funzionare, e potrà essere testato anche altrove per valutarne la generalizzazione, in particolare su altre nazioni africane, dove la povertà è maggiore e cronica. Quando si parla del rapporto tra accesso all’elettricità, povertà e disuguaglianze,si parla di una relazione nota nel suo risultato finale ma meno in termini quantitativi. Quanto e come incida dipende da molti fattori” continua Bonati. “Recentemente è stato lanciato dall’UNDP (United Nations Development Programme) in collaborazione con l’Oxford Poverty and Human Development Initiative-OPHI il cosiddetto MPI (Multidimensional Poverty Index), ovvero l’Indice di Povertà Multidimensionale 2022. L'accesso all'energia elettrica rappresenta proprio uno dei dieci fattori essenziali per il calcolo”. E, conclude, “rimane comunque una misura macroscopica, soggetta a molteplici interazioni tra i fattori essenziali e le molte variabili che contribuiscono alla stima dell'indice”.