MADRID, 16 (EUROPA PRESS)
Es la conclusión de un estudio publicado en Nature, que se basa en una técnica pionera desarrollada recientemente en la Universidad de Stanford que combina imágenes por satélite e inteligencia artificial (IA) para estudiar la pobreza de formas que antes no eran posibles.
La investigación mide los cambios en los medios de vida basándose en los aumentos que identifican en la construcción de viviendas, electrodomésticos y otros activos tangibles que sugieren riqueza económica.
"Proporcionamos las primeras pruebas causales de cómo el acceso a la electricidad influye en el bienestar económico a escala de todo un país de África", destaca en un comunicado Nathan Ratledge, estudiante de doctorado en medio ambiente y recursos de la Escuela Doerr de Sostenibilidad en Stanford, autor principal del estudio.
El estudio llega en un momento en que la difícil situación del mundo en desarrollo ocupó el centro de la atención en la reunión de las Naciones Unidas sobre el cambio climático celebrada la semana pasada en El Cairo. Unos 600 millones de personas del África subsahariana aún no tienen acceso a la electricidad, señala Ratledge. En Uganda, uno de los países más pobres del mundo, la red eléctrica cubría el 41% de su superficie en 2019, frente al 12% de 2010.
Cuando Ratledge estudió por primera vez hace cinco años la electrificación en África, se topó con un obstáculo común: no pudo encontrar mapas de la red eléctrica en ningún lugar del continente que le permitieran analizar el progreso a lo largo del tiempo. "En muchos países de bajos ingresos es difícil conseguir datos fiables, y especialmente datos repetidos a lo largo del tiempo -reconoce--. En muchos casos, simplemente no existen".
Casualmente, el coautor Marshall Burke, profesor asociado de la Escuela Doerr, estaba trabajando en una nueva herramienta que prometía resolver esta carencia de datos y otros problemas que los economistas del desarrollo encuentran al tratar de entender cómo cambia la pobreza con el tiempo.
Su técnica se centra en el "aprendizaje profundo" (en este caso, una forma de IA en la que se entrenó un algoritmo para detectar patrones y extraer información de las imágenes) que los académicos aplican a continuación a imágenes de satélite de libre acceso que se remontan en el tiempo. Los investigadores aplicaron este enfoque para estudiar la riqueza de activos a nivel comunitario en toda África, que es una forma habitual de medir el bienestar económico en las naciones en desarrollo, en un estudio publicado en 2020 en la revista 'Nature Comunications'.
El estudio de Uganda marca la primera vez que se utiliza la técnica para evaluar el impacto de una política concreta, una capacidad que los investigadores esperaban desde hace tiempo. En este caso, Ratledge y sus coautores se centran en la rápida expansión de la red eléctrica de Uganda en 2011 y 2012. Para estudiar sus efectos a lo largo del tiempo, combinaron los nuevos mapas digitalizados de la red eléctrica del país entre 2005 y 2016 con las estimaciones de riqueza basadas en satélites de un modelo de "aprendizaje profundo" que se entrenó con datos que cubrían casi 642.000 hogares en 27.000 aldeas de todo el África subsahariana.
Los investigadores descubrieron que las comunidades con acceso a la electricidad aumentaron su riqueza a un ritmo aproximadamente dos veces superior al de aquellas en las que no había electricidad. "Esta información no habría sido posible hace unos años --añade Burke--. Y es que ahora disponemos de esta técnica para ofrecer mediciones a nivel local de los principales resultados económicos a una escala espacial amplia y a lo largo del tiempo".
Aunque la técnica es todavía algo nuevo, Burke predice que los continuos avances en computación ultrapotente y barata pronto la harán fácilmente accesible a los investigadores que estudian las políticas y los programas de cualquier país, rico o pobre, destinados a reducir la pobreza. Pensemos, por ejemplo, en las políticas que afectan a la agricultura, la sanidad y el desarrollo de infraestructuras.
Ratledge confirma que "esta técnica abre una frontera totalmente nueva y dramáticamente diferente para evaluar el crecimiento económico entre los países emergentes. Es bastante sorprendente, en realidad", reconoce.
