Un migliore controllo degli aiuti allo sviluppo grazie all'intelligenza artificiale
Un team di ricerca dell'ETH di Zurigo e della LMU di Monaco sta utilizzando l'intelligenza artificiale per analizzare 3,2 milioni di progetti di aiuto allo sviluppo in tutto il mondo. Ciò rende visibili le tendenze e le lacune di finanziamento.
![Convoglio di camion della Croce Rossa tedesca](/de/news-und-veranstaltungen/eth-news/news/2022/04/entwicklungshilfe-durch-kuenstliche-intelligenz-besser-steuern/_jcr_content/news_content/fullwidthimage/image.imageformat.930.1526410584.jpg)
I fondi per gli aiuti allo sviluppo vengono utilizzati per costruire scuole nei Paesi più poveri, collegare i villaggi alla rete elettrica o ampliare l'assistenza sanitaria. Una panoramica dettagliata e aggiornata dei progetti di aiuto allo sviluppo sarebbe importante per utilizzare i relativi fondi nel modo più efficiente possibile. Finora, tuttavia, è stato difficile realizzarlo a causa del gran numero di progetti e istituzioni donatrici.
Malte Toetzke e Nicolas Banholzer, dottorandi presso il Dipartimento MTEC dell'ETH di Zurigo, insieme al professore Stefan Feuerriegel, recentemente trasferitosi dall'ETH di Zurigo alla LMU di Monaco, stanno utilizzando un nuovo metodo analitico per garantire una maggiore trasparenza negli aiuti allo sviluppo globali. I ricercatori utilizzano l'intelligenza artificiale (AI) per classificare i flussi di denaro in gruppi tematici. In questo modo è possibile vedere come i finanziamenti sono distribuiti tra argomenti, Paesi e anni e dove potrebbe essere necessario intervenire. I risultati sono stati recentemente pubblicati sulla rivista pagina esternaNatura Sustainability pubblicato.
Come funziona l'algoritmo
L'analisi si basa su 3,2 milioni di progetti di aiuto allo sviluppo tra il 2000 e il 2019, in cui sono stati investiti complessivamente 2,8 trilioni di dollari USA. Sulla base delle descrizioni dei progetti, l'algoritmo basato sull'intelligenza artificiale ha suddiviso i progetti in 173 categorie tematiche. L'algoritmo ha dovuto tenere conto del fatto che queste relazioni non erano strutturate in modo formale: si differenziavano, ad esempio, per la lingua e la lunghezza del testo.
"Si può immaginare il processo come un tentativo di leggere un'intera biblioteca e ordinare libri simili in scaffali specifici per ogni argomento", spiega Malte Toetzke, autore principale e dottorando presso la cattedra di sostenibilità e tecnologia dell'ETH di Zurigo. "Il nostro algoritmo prende in considerazione 200 dimensioni diverse per determinare quanto questi 3,2 milioni di progetti siano simili tra loro. Un essere umano non sarebbe in grado di affrontare un simile sforzo".
A differenza degli approcci precedenti, questa categorizzazione è più differenziata e deriva dai progetti analizzati, piuttosto che da una classificazione esistente. "Possiamo strutturare i numerosi progetti in modo molto dettagliato senza dover sapere in anticipo cosa stiamo cercando", afferma Toetzke. "Questo ci ha permesso di trovare categorie che non sono state analizzate sistematicamente prima o che sono diventate rilevanti solo di recente".
Tendenze e trasparenza
L'analisi suggerisce tendenze tematiche nell'aiuto allo sviluppo, riferisce Toetzke: "Negli ultimi anni, sempre più fondi sono stati convogliati in progetti nei settori dell'inclusione e della parità di diritti per i gruppi svantaggiati, del cambiamento climatico e della sostenibilità, nonché del sostegno al settore privato".
Nel campo del cambiamento climatico, gli autori scavano ancora più a fondo: da un lato, mostrano che gli aiuti allo sviluppo per progetti dedicati all'adattamento alle conseguenze del cambiamento climatico sono raddoppiati dall'Accordo di Parigi sul clima del 2015.
Allo stesso tempo, i pagamenti per l'intero settore ambientale, che oltre all'adattamento ai cambiamenti climatici include anche altri temi come la riduzione delle emissioni di gas serra, l'efficienza energetica e la biodiversità, sono leggermente diminuiti dal 2015. Sulla base di questi risultati, gli autori concludono che la comunità internazionale ha mantenuto solo in parte la promessa fatta a Parigi di aumentare gli aiuti allo sviluppo per progetti che affrontano anche i cambiamenti climatici.
Migliore coordinamento grazie a una panoramica globale
Il progetto di ricerca fornisce la prima panoramica globale dei flussi di denaro negli aiuti allo sviluppo. "Solo se sappiamo quali Paesi, settori e organizzazioni vengono sostenuti, i progetti possono essere coordinati in modo significativo a livello globale", afferma Nicolas Banholzer della cattedra di Sistemi informativi dell'ETH di Zurigo e uno degli autori.
Il monitoraggio supportato dall'intelligenza artificiale può aiutare le organizzazioni nel campo degli aiuti allo sviluppo a prendere decisioni migliori, basate sui dati, in linea con gli Obiettivi di Sviluppo Sostenibile adottati dalle Nazioni Unite.
Progetti di aiuto allo sviluppo nell'applicazione web
Il team di ricerca ha creato un pagina esternaApplicazione web Il sito web di ETH4D è stato sviluppato per monitorare quando e dove sono stati convogliati i fondi per l'aiuto allo sviluppo dei 3,2 milioni di progetti registrati. ? possibile effettuare una ricerca specifica per le categorie determinate dall'AI.
Letteratura di riferimento
Toetzke M, Banholzer N, Feuerriegel S, Monitoring global development aid with machine learning, Nature Sustainability 2022, DOI: pagina esterna10.1038/s41893-022-00874-z