轉載于：世界銀行｜作者：律師兼政治學家 Chris Mahony、世界銀行東非與南非地區(qū)社會發(fā)展項目局副局長 Varalakshmi Vemuru、世界銀行金融領域專家 Evie Calcutt

（圖片：Alain Nikingi，Pexels）

在南非政府向世界銀行災害風險融資（DRF）計劃提出希望超出自然災害范疇關注社會暴力等社會風險（社會暴力每年給南非造成的經濟損失高達456億美元，占GDP的13%）時，我們已經開始著手探究這個問題了。我們努力探索社會風險與公共衛(wèi)生突發(fā)事件、貿易、沖突、極端天氣以及不同地區(qū)民眾對這些問題的感知（通常稱之為“多重危機”）之間發(fā)生復雜動態(tài)交互關系的方式。

在風險金融傘狀（Risk Finance Umbrella，RFU）信托基金和全球盾融資基金（Global Shield Financing Facility）的資金支持下，我們探索了人工智能衡量、預測和解釋社會風險以加強準備工作和發(fā)展影響的能力。我們的希望是，如果人工智能模型能夠準確預測社會現象的變化并識別其驅動因素，我們就能在危機發(fā)生前提前更有效和高效率地調整發(fā)展活動的性質、規(guī)模、地點和時間。

我們知道，預測人類行為需要根據具體情況考慮現實中的數百萬維度與對它們的感知之間復雜的動態(tài)關系（見圖1）。我們面臨的挑戰(zhàn)在于準確識別現象并找到衡量這些現象的合適數據，即具有足夠頻次和歷史記錄的數據集，以便機器學習模型能夠觀察足夠數量回合內的變化。對于某些現象，比如人口數量或犯罪率的變化，我們的數據科學團隊不得不將人工智能應用到報紙上的犯罪案件報道和建成結構的衛(wèi)星圖像，以生成適合輸入模型的數據。

圖 1：輸入模型的以社會科學為依據的要素

資料來源：世界銀行。

我們的社會科學團隊識別出自然、建筑和社會世界的各個維度以及關于這些維度的網絡語言，為三項概念模型驗證的數據收集提供了依據，這些模型用于預測剛果民主共和國的暴力狀況、非洲之角的人口變化和一個小島嶼發(fā)展中國家的犯罪率變化。如今，我們研究社會風險驅動因素的人工智能模型已經在非洲（及其他地區(qū)）為世行的政策與項目設計及實施提供決策依據，并用于后續(xù)分析。

在剛果民主共和國

我們的第一個模型聚焦歷史上長期受沖突困擾的剛果民主共和國東部三個省份——即，北基伍省、南基伍省和伊圖里省，預測沖突事件數量的變化，并在數千個模型變量中識別出與變化關聯(lián)度最高的現象。這包括對敏感話題的看法，例如土地、礦產、身份與治理、政府官方儲備規(guī)模、糖價及銅出口量等。

該模型正在為國別分析、包括世行的風險與韌性評估提供依據，同時也為世行貸款項目的性質、規(guī)模、地點、順序和時間安排提供依據，包括剛果民主共和國東部穩(wěn)定與重建項目（STAR Est），該項目設想了一種風險融資機制，以應對觀察到或預期的沖突水平。

在非洲之角

在數據稀缺的非洲之角與埃塞俄比亞、肯尼亞和索馬里接壤的邊境地區(qū)，我們的團隊使用衛(wèi)星影像作為人口變化的替代指標，編制了56個城鎮(zhèn)和城市五年的月度建成結構數據。第二個模型用于預測該替代數據的變化：圖2顯示了沖突事件、經濟與環(huán)境因素及其社會感知對人口變化的影響程度。這些數據為非洲之角牧業(yè)經濟去風險、包容性與增值（DRIVE）項目的設計提供了決策依據，該項目目前正在探索模型適配，以預測影響農牧民脆弱性的牲畜供應鏈要素。該模型還為埃塞俄比亞應對流離失所影響發(fā)展項目二期設計流離失所風險預測模型提供了決策依據。

圖 2. 模型識別因素與非洲之角邊境地區(qū)人口變化的關聯(lián)

在一個小島嶼發(fā)展中國家

然后，我們將注意力轉向預測和解釋在一個小島嶼發(fā)展中國家距離發(fā)生下一次社會動亂事件的天數和犯罪率變化。社會科學專家認為犯罪率可能是造成社會動亂的驅動因素之一；然而，我們驚訝地發(fā)現沒有具有足夠頻次和歷史記錄的犯罪數據可供使用。這促使我們使用一個代理式大型語言模型（LLM）從線上新聞報道生成此類數據。隨后，我們開發(fā)了一個預測模型，預測這一犯罪數據的每日變化，準確率達到87.1%（見圖3）。然后，我們對模型進行分析，識別出與變化最相關的因素。通過這個模型，我們能夠生成、預測和識別相關因素，使我們能夠衡量犯罪率，為世界銀行國別政策與制度指數（CPIA）中的犯罪與暴力指標提供依據，以支持項目綜合開發(fā)。

圖3：預測模型的表現與實際報告犯罪率比較

資料來源：世界銀行

社會政策與脆弱性、沖突及暴力（FCV）實踐已向前推進了這一建模工作，以支持世界上首個流離失所風險融資機制，使烏干達政府能夠在難民到來之前提前擴大公共服務能力，而不是被動應對。

這些創(chuàng)新模型展示了人工智能具有通過各種應用改變世界銀行評估、理解和預測社會風險方式的力量，有助于實現更好的發(fā)展成果，如圖4所示。展望未來，我們計劃在項目工作中不斷學習總結經驗，分享更多關于這些模型的細節(jié)。

圖4：預測和解釋性人工智能模型的政策、項目及知識效用

THE END

轉載聲明：本微信公眾號刊登的文章僅代表作者本人觀點，不代表中國普惠金融研究院及本微信公眾號觀點