[ad_1]
대답은 명백해 보일 수 있습니다. 전기는 경제 성장과 더 나은 건강과 같은 기타 사회적 혜택의 핵심입니다. 그러나 생계를 개선할 수 있는 자원이 부족한 세계에서 가장 빈곤한 지역에서는 사람들이 전력을 사용할 수 있을 때 얼마나 더 잘 살게 될지 명확하지 않습니다.
그러나 이제 11월 16일 저널에 발표된 새로운 스탠포드 연구 자연 전기화가 개발도상국의 경제 성장을 촉진하는 정도에 대한 가장 강력하고 직접적인 증거를 발견합니다. 이 연구는 이전에는 불가능했던 방식으로 빈곤을 측정하고 연구하기 위해 위성 이미지와 인공 지능(AI)을 결합한 스탠포드에서 최근에 개발된 선구적인 기술에 의존한 최초의 연구입니다.
이 연구는 Stanford Doerr College of Sustainability의 부교수이자 SIEPR(Stanford Institute for Financial Coverage Analysis)의 선임 연구원인 Marshall Burke가 공동 저술했습니다. Doerr School의 환경 및 자원 분야 박사 과정 학생인 Nathan Ratledge; 및 기타 — 우간다의 전력망 확장의 경제적 영향을 조사했습니다.
연구자들은 전기에 접근할 수 있는 지역사회가 전기가 없는 지역보다 약 2배의 경제적 생계 개선을 경험했음을 발견했습니다. 그들은 주택 건설, 가전 제품 및 경제적 부를 암시하는 기타 유형 자산에서 식별하는 증가를 기반으로 생계 변화를 측정합니다.
이 연구의 수석 저자인 Ratledge는 “우리는 전기 접근성이 아프리카 국가 전체에 걸쳐 경제적 복지에 어떤 영향을 미치는지에 대한 최초의 인과적 증거를 제공합니다.”라고 말했습니다.
이 연구는 개발도상국의 곤경이 지난 주 카이로에서 열린 세계 지도자들의 유엔 기후 변화 회의에서 중심 무대에 올랐을 때 나온 것입니다. Ratledge는 사하라 사막 이남 아프리카의 약 6억 명의 사람들이 여전히 전기를 이용할 수 없다고 지적했습니다. 세계에서 가장 가난한 나라 중 하나인 우간다에서는 2019년 현재 전력망이 국토의 41percent를 차지했으며 이는 2010년 12percent에서 증가한 것입니다.
정책을 알리는 연구 가능성 열기
Ratledge가 5년 전 아프리카에서 전력화 연구를 처음 검토했을 때 공통적인 장애물에 부딪혔습니다. 대륙 어디에서도 시간 경과에 따른 진행 상황을 분석할 수 있는 전기 그리드 지도를 찾을 수 없었습니다. “많은 저소득 국가에서 신뢰할 수 있는 데이터, 특히 시간이 지남에 따라 반복되는 데이터를 얻기가 어렵습니다.”라고 그는 말했습니다. “대부분의 경우 존재하지 않습니다.”
공교롭게도 Burke는 SIEPR 선임 연구원이자 지구 시스템 과학 교수인 David Lobell과 함께; 그리고 컴퓨터 과학 부교수인 스테파노 에르몬(Stefano Ermon)은 이러한 데이터 격차와 개발 경제학자들이 시간이 지남에 따라 빈곤이 어떻게 변화하는지 이해하려고 노력할 때 직면하는 다른 문제를 해결할 것을 약속하는 새로운 도구를 연구하고 있었습니다.
그들의 기술은 “딥 러닝”(이 경우 패턴을 감지하고 이미지에서 정보를 추출하도록 알고리즘이 훈련된 AI의 한 형태)을 중심으로 학자들이 시간이 지남에 따라 자유롭게 액세스할 수 있는 위성 이미지에 적용합니다. 연구원들은 개발도상국에서 경제적 복지를 측정하는 일반적인 방법인 아프리카 전역의 지역사회 수준 자산 자산을 연구하기 위해 이 접근 방식을 적용했습니다. Burke와 그의 협력자들은 2020년 기사에서 그들의 혁신에 대해 자세히 설명했습니다. 네이처 커뮤니케이션즈.
우간다 연구는 특정 정책의 영향을 평가하기 위해 이 기술이 처음으로 사용된 것으로 연구자들이 오랫동안 희망했던 기능입니다. 이 경우 Ratledge와 그의 공동 저자는 2011년과 2012년에 우간다 전력망의 급속한 확장에 초점을 맞춥니다. 시간 경과에 따른 영향을 연구하기 위해 그들은 2005년부터 2016년까지 새로 개발된 우간다 전력망의 디지털 지도를 위성과 결합했습니다. 사하라 이남 아프리카 전역의 27,000개 마을에 있는 거의 642,000가구를 대상으로 하는 데이터에 대해 훈련된 “딥 러닝” 모델의 부 추정치를 기반으로 합니다.
연구자들은 전기를 사용할 수 있는 지역 사회가 전기를 사용할 수 없는 지역보다 약 2배의 비율로 부를 증가시켰다는 사실을 발견했습니다.
Burke는 “이 통찰력은 불과 몇 년 전만 해도 가능하지 않았을 것”이라고 말했습니다. “그리고 그것은 우리가 이제 광범위하고 공간적 규모로 시간이 지남에 따라 주요 경제적 결과에 대한 지역 수준의 측정을 제공하는 이 기술을 가지고 있기 때문입니다.”
이 기술은 아직 다소 새롭지만 Burke는 매우 강력하고 값싼 컴퓨팅의 지속적인 발전으로 빈곤 감소를 목표로 하는 모든 국가의 정책 및 프로그램을 연구하는 연구원들이 곧 쉽게 접근할 수 있게 될 것이라고 예측합니다. 예를 들어 농업, 건강 및 인프라 개발에 영향을 미치는 정책을 생각해 보십시오.
Ratledge도 동의합니다. “이 기술은 신흥국의 경제 성장을 평가하는 완전히 새롭고 극적으로 다른 지평을 열었습니다.”라고 그는 말했습니다. “실제로 꽤 놀랍습니다.”
Ratledge와 Burke 외에도 Uganda 연구의 공동 저자는 Burke, Lobell 및 Ermon이 글로벌 개발을 지원하기 위해 공동 설립한 예측 분석 회사인 Atlas AI의 수석 기계 학습 엔지니어인 Gabriel Cadamuro였습니다. Brandon de la Cuesta, King Middle on International Growth 소속 연구원이자 Stanford Middle for Democracy, Growth and the Regulation of Regulation, Middle on Meals Safety and the Environment의 박사 후 연구원; 식량 안보 및 환경 센터의 전 스탠포드 박사후 연구원이자 현재 ETH Zurich의 연구원인 Matthieu Stigler.
2020년 Nature Communications 연구는 Burke, Lobell 및 Ermon이 교수 제휴 관계인 USAID 식량 안보국과 Stanford King Middle on International Development의 자금 지원을 받았습니다.
