核心观点
数字数据集和人工智能 (AI) 的进步为及时、透明和详细的全球挑战洞察提供了可能性。传统数据存在滞后、缺乏细节和可能被操纵等问题,而数字数据集和 AI 工具可以弥补这些缺陷,为政策制定者提供更有效的决策依据。
关键数据和研究结论
- 通货膨胀测量:研究人员利用 AI 技术从在线超市价格数据中创建替代的通货膨胀衡量指标,例如“十亿价格项目”(BPP)和“价格统计”(PriceStats),这些指标比官方数据更及时、更详细。
- 经济复苏追踪:“机会洞察经济追踪器”(Opportunity Insights Economic Tracker)项目结合了来自税务、招聘、工资和工资单等领域的私营部门数据,构建了一个公共、持续的经济数据集,帮助政策制定者更及时、更有针对性地做出反应。
- 中国数据差距:由于中国官方数据被认为不可靠,分析师们开始利用数字数据集来挑战、确认、提供实时情报或填补官方数据的空白。例如,卫星图像、在线搜索和手机位置数据被用来衡量新冠疫情的影响和零-COVID 政策的转变。
- 国际发展监测:在贫困国家,由于可靠的“地面真实”数据稀缺,研究人员正在利用卫星图像、搜索和移动数据等数字数据集来衡量经济和社会成果。例如,哥伦比亚的一项研究利用夜间卫星图像预测贫困率,比以前可获得的数据点多 70 倍。
- 全球供应链追踪:船舶自动识别系统 (AIS) 数据和机器学习技术可以帮助分析师了解全球贸易的实时情况。例如,MariTrace 公司利用船舶传感器数据和港口记录来揭示俄罗斯在西方国家对其实施制裁后创建的影子石油市场。
建议
- 将 AI 和数据治理扩展到危害缓解之外,为对社会挑战的更深入理解提供支持。
- 战略性地投资这些 AI 工具,特别是在数据稀缺、数据落后或数据不完整的地方。
- 创建公共数据池,将私营部门数据转化为公共可访问的数据集。
- 继续投资而不是取代基础数据。
- 采纳透明度、道德和隐私框架。
- 认识到 AI 和大数据的局限性。
- 持续重新评估可能性,因为 AI 在不断进步。