2015年，联合国会员国通过了2030年可持续发展议程。议程确认了17项积极的目标，而消除贫穷是其中最重要的目标。自该议程发布以来，一些全球顶尖的AI和ML专家、决策者和大学、政府、企业和社区的带头人便一直试图联合起来以寻找消除贫困的方法。

在美国以外，贫困的定义是每人每天的收入不超过1．5美元。在美国，贫困的定义是每人每天的收入低于34美元，或者一个四口之家每天的收入低于69美元。经过大量研究，专家们一致认为，低收入只是贫穷的一个指标，而更准确的指标则应该是对消费水平的衡量。在充分了解了影响幸福的因素之后，消费水平被确定为了一个更准确的贫困指标。

要想找到解决贫困的办法，首先必须确定贫困的参数和范围。贫穷的原因、贫穷的地点和消费水平是决定幸福的因素，也是控制幸福指数的一些重要参数。接下来，还需要在先前定义和确认的尺度上进行测量，并确定一个阈值。

虽然还需要包含许多必要的数据点，但本文想要追求实用性和简单性。简单来说，贫困通常是由于缺乏教育和生活技能以及缺乏获得粮食和洁净水的途径造成的，这可能是区域性的系统性问题，可能源自于灾难性的事件或者战争，或者是两者兼而有之。人口过多也可能造成贫困。

卫星图像加上经济变量可以精确地定位贫困区域

在许多国家，想要获取一套完整的经济变量作为输入数据是极其不可靠的，因为许多第三世界国家的基础设施薄弱，在收集必要数据方面缺乏彻底性，在共享数据方面也缺乏合作。而政治权力结构也有自己的议程，因此数据可能会倾向于显示更为乐观的甚至是编造的数字。总体而言，无论是国家还是地区，缺乏高质量的数据都会阻碍该地区的发展和经济增长。

通过流媒体卫星图像，研究人员正在尝试通过在夜晚出现密集的灯光识别为富裕地区来更准确地识别贫困地区。斯坦福大学的Marshall Burke在实验中收集了非洲许多地区（卢旺达、尼日利亚、乌干达、马拉维和坦桑尼亚）的夜间和日间图像，为差距分析确定了具体的关键绩效指标。

通过将经济数据和作为AI／ML系统输入的地理空间数据结合起来，Burke和他的团队能够在81％－99％的准确率内预测贫困地区。通过更准确地管理商品和服务，这种准确性可以对经济援助产生积极影响，从而降低成本并帮助更多的人。此外，还可以更有效地监督和管理教育。

你能想象智能聊天机器人会代替贫困地区的老师吗？带有教室的移动卡车，会根据反复进行的技能评估，为正在进行的结构化教育水平的升级提供了AI／ML系统的动力。只要可以使用计算机和互联网（也可能包括卫星通信网络），人工智能教师就可以根据受控的教学大纲来为学生提供教育。

由于减少了劳动力成本，消除了学费（金钱）障碍并允许以结构化的格式轻松访问数量激增的数据，因此可以在一定程度上可以消除良好教育的不平等性。这样，量身定制的学习环境可以进行个性化和优化，而知识背景较少的教学方法也可以获得平等的访问权限并实现教育的公平竞争。

科技巨头IBM也在研究通过应用AI／ML来缓解贫困的不同方法，以及调查其他的社会问题。他们的Science for Social Good项目和德州中部扫盲联盟（LCCT）在一个名为“Simpler Voice to overcome illiteracy”的项目上进行了合作。视觉线索是低文化水平的成年人和儿童以及AI／ML系统如何识别和理解信息并进行学习的重要依据。

该移动应用程序Simpler Voice集成了IBM的Watson natural language，可以使用文本转语音服务和新颖的图像生成代码。AI／ML通过生成对抗性网络（GAN）所提供的短语，也为智能手机将文本转换为简单的口头信息提供了另一种概念。AI／ML系统能够解析复杂的公共标志文本、教科书、手册，甚至是简短的语音记录，从而实现文本到语音或语音到文本的转换。

该项目在一家杂货店对洗发水瓶、罐装食品和洗洁精进行了初步试验。一名LCCT的学生无法通过读取洗碗剂的包装盒或者扫描条形码来识别产品或价格。而Simpler Voice能够解释条形码产品中的描述和价格，并显示使用了该洗涤剂的人的照片。Simpler Voice能够解释其中的关键词和短语以描述“洗碗机洗涤剂”，并显示一个人将清洁剂装入洗碗机的画面。它还可以描述谁应该使用洗涤剂，如何使用洗涤剂，儿童警告以及安全信息。

另一项针对处方药的测试则详细说明了如何服用、安全性和补充信息，以及关于可能出现的过敏反应的警告。Simpler Voice的路线图还将扩展到包括法律文件，医疗文件和服务协议。

种植适应性强的作物以增加粮食供应

预计到2050年全球人口将达到96亿，卡内基梅隆大学（CMU）将致力于在农业领域使用机器人和AI／ML来消除贫困。CMU的FarmView项目正在研究高粱和其他主要粮食作物在发展中第三世界国家的作物生长扩张情况，方法是使用AI／ML和无人机等机器人。高粱可被用作食物来源和生物燃料的制造。它是世界上第五重要的富含蛋白质的谷类作物，因为它有超过42000个品种，即使在不理想的环境下种植和生长，它也能够具有很好的遗传性。

无人机捕捉的数据，可用于分析最佳的种植和收获策略。人们希望，通过AI／ML传感器，一个全面的植物育种和作物管理系统可以加快“耐旱耐热谷物”的生长周期，这种谷物将被种植在“饥荒”地区，为该地区提供更多的粮食，从而增加该地区的主要收入来源。

IBM的Science for Social Good项目和许多其他组织的项目正在扩大它们对AI／ML的使用，以调查文盲以及当前和预测的粮食短缺情况。其目标是希望通过减少饥饿、扩大粮食分配、增加更丰盛的粮食供应以及通过使用AI／ML提供的教育机会来改善人民的福祉和消除贫困。联合国可持续全球议程在序言中解释了以下的观察结果和动机：

“这个议程是为人类、地球及其共同的繁荣而制定的行动计划。它还寻求在更大的自由中加强普遍的和平。我们认识到，消除包括极端贫困在内的一切形式和层面的贫困是当下最大的全球性挑战，也是可持续发展的必要条件。所有国家和所有利益攸关方将以协作伙伴关系的方式实施这一计划。我们决心把人类从贫困和匮乏的暴政中解放出来，并治愈和保护我们的星球。我们决心采取迫切需要的大胆和变革性的步骤，将世界推向可持续和有弹性的发展道路。在我们开始这一集体之旅时，我们保证不会有任何人掉队。”

AI和ML可以在未来人类健康的福祉中发挥作用，甚至可能在人类的生存问题上起着重要作用。