Deep learning four decades of human migration

Stellen Sie sich vor, Sie versuchen, ein globales Spiel von „Musical Chairs“ zu verfolgen, bei dem die Musik die Wirtschaft, die Politik und das Wetter ist und die Stühle die Länder sind. Seit Jahrzehnten ist der Versuch, genau zu zählen, wer wann wohin gezogen ist und warum, ein chaotisches, frustrierendes Spiel. Einige Länder führen an der Tür strenge Listen (wie Deutschland), andere raten nur basierend darauf, wer ein Ticket gekauft hat (wie das Vereinigte Königreich), und viele Orte auf der Welt führen gar keine Liste. Das Ergebnis? Die Zahlen stimmen oft nicht überein. Wenn Deutschland sagt, 160.000 Menschen seien aus Polen gekommen, aber Polen sagt, es seien nur 12.300 weggegangen, dann fehlt in der Mathematik eine Menge Menschen.

Hier kommen ein neues Team von digitalen Detektiven ins Spiel: Thomas Gaskin und Guy J. Abel. Sie haben nicht nur Köpfe gezählt; sie haben ein zeitreisendes Robotergehirn (ein tiefes rekurrentes neuronales Netzwerk) gebaut, um die Geschichte der menschlichen Mobilität von 1990 bis 2023 zu entschlüsseln.

Das magische Gehirn mit einem Gedächtnis

Die meisten alten Wege, Migration zu schätzen, waren wie das Aufnehmen einer Momentaufnahme alle fünf Jahre, wobei man versuchte zu erraten, was dazwischen passiert war. Sie gingen davon aus, dass Menschen nur basierend auf dem wanderten, was gerade jetzt geschieht. Aber Menschen sind nicht so. Wir haben ein Gedächtnis. Eine Krise vor zehn Jahren kann heute immer noch dazu führen, dass jemand geht.

Das Robotergehirn der Autoren ist besonders, weil es ein Gedächtnis hat. Es ist wie ein Detektiv, der nicht nur den Tatort von heute betrachtet, sondern sich an jeden Hinweis aus den letzten 30 Jahren erinnert. Indem sie das Gehirn mit 18 verschiedenen Arten von Hinweisen fütterten – wie etwa wie viel Geld ein Land verdient, wie weit sie voneinander entfernt sind, ob sie dieselbe Sprache sprechen, ob sie dieselbe Religion teilen und sogar wie viele Menschen in Kriegen sterben – lernte das Gehirn, den Fluss der Menschen vorherzusagen.

Entscheidend ist, dass dieses Gehirn nicht nur eine einzelne Zahl rät. Es sagt Ihnen auch, wie unsicher es sich ist. Wenn die Daten vage sind (wie in vielen Teilen Afrikas), sagt das Gehin: „Ich bin mir hier nicht zu 100 % sicher, Sie müssen vielleicht Ihre Unterlagen überprüfen.“ Das ist eine große Sache, denn es zeigt genau auf, wo wir bessere Daten sammeln müssen.

Was sie herausgefunden haben (die Wendung der Geschichte)

Die Geschichte des Gehirns offenbart einige große Veränderungen in der weltweiten Bewegung:

• Der große Anstieg: Seit dem Jahr 2000 ist die Zahl der Menschen, die sich jedes Jahr über Grenzen bewegen, von 13 Millionen auf über 36 Millionen im Jahr 2023 gesprungen. Das liegt nicht nur daran, dass es mehr Menschen auf der Erde gibt; der Prozentsatz der wandernden Menschen hat sich fast verdoppelt, von 0,21 % auf 0,45 %.
• Die großen Rückschläge: Die einzigen Male, in denen diese Zahl sank, waren während der Großen Rezession (2008–2009) und der Covid-19-Pandemie (2020).
• Die größten Bewegungen: Der einzelne größte jährliche Sprung, den das Gehirn entdeckte, war im Jahr 2019, als etwa 850.000 Menschen aus Venezuela nach Kolumbien flohen. Andere massive Wellen waren die Menschen, die 2022 von Mexiko in die USA und von der Ukraine nach Russland zogen.
• Der Magnet Naher Osten: Der Nahe Osten ist der größte Magnet für Neuankömmlinge, hauptsächlich aus Südasien. Seit 2010 sind durchschnittlich 1,3 Millionen Menschen pro Jahr (insgesamt 18,4 Millionen) von Indien, Pakistan und Bangladesch nach Saudi-Arabien, Katar, Bahrain und die VAE gezogen. Das ist mehr als die Gesamtzahl der Menschen, die seit 1990 von Mexiko in die USA gezogen sind (was 14,8 Millionen waren).
• Das europäische Geschiebe: Vor der Pandemie bewegten sich jährlich etwa 3 Millionen Menschen innerhalb Europas. Nach dem Zusammenbruch der Sowjetunion im Jahr 1991 gab es ein massives Geschiebe, bei dem im selben Jahr über 800.000 in Polen, Russland, der Ukraine und Rumänien geborene Menschen innerhalb Europas umzogen.

Was sie kritisieren (die „Tun Sie das nicht“-Liste)

Die Autoren sind sich sehr klar darüber, was nicht gut funktioniert:

• Die „Fünf-Jahres-Momentaufnahme“ ist zu langsam: Alte Methoden lieferten nur alle fünf oder zehn Jahre Daten. Die Autoren argumentieren, dass dies zu langsam ist, um plötzliche Katastropen oder schnelle Veränderungen zu erfassen. Man kann eine plötzliche Naturkatastrophe oder einen schnellen Wirtschaftskollaps nicht verstehen, wenn man die Daten nur alle fünf Jahre betrachtet.
• Das „Nur-der-Aktuelle-Zustand“-Modell ist falsch: Sie argumentieren gegen Modelle, die Menschen behandeln, als hätten sie kein Gedächtnis (Markovsche Modelle). Sie sagen, es sei absurd zu glauben, dass ein Mensch entscheidet zu gehen, basierend nur auf dem heutigen Wetter oder der heutigen Wirtschaft, während man die Krisen der vergangenen Jahre ignoriert.
• Die „Residuen“-Mathematik ist wackelig: Viele offizielle UN-Zahlen für die „Netto-Migration“ (Ankömmlinge minus Abgänger) werden berechnet, indem man die gesamte Bevölkerungsveränderung nimmt und Geburten und Todesfälle abzieht. Die Autoren zeigen, dass dies oft falsch ist, weil die Bevölkerungszählungen selbst ungenau sein können. Zum Beispiel deutet ihr Modell darauf hin, dass Russlands Netto-Migration bereits um 2005 negativ wurde, was der Darstellung der UN widerspricht, die seit 1995 einen positiven Fluss suggeriert.

Wie sicher sind sie sich?

Die Autoren haben ihr Robotergehirn nicht nur geraten lassen; sie haben es streng getestet.

• Der Test: Sie versteckten 20 % der bekannten Migrationsrouten während des Trainings vor dem Gehirn und baten es dann, diese versteckten Routen zu erraten.
• Die Punktzahl: Das Gehirn erreichte eine Korrelation von 95 % bei den untersuchten Daten und eine Korrelation von 80 % bei den versteckten Testdaten. Das ist eine starke Punktzahl, besonders wenn man bedenkt, dass Migrationsdaten notorisch verrauscht sind.
• Der Vergleich: Als sie ihr Robotergehirn mit den alten „Stock-Differencing“-Methoden (den Fünf-Jahres-Momentaufnahmen) und anderen Standardtechniken verglichen, übertraf ihr Deep-Learning-Modell diese alle signifikant.
• Die Einschränkung: Sie geben zu, dass die Unsicherheit in einigen Regionen, wie dem subsaharischen Afrika, immer noch hoch ist, weil die Eingangsdaten fehlen. Sie stellen explizit fest, dass für Länder wie Nigeria die Unsicherheit ihrer Schätzungen zu den höchsten der Welt gehört, was signalisiert, dass dort eine bessere Datenerhebung notwendig ist.

Das Fazit

Dies ist nicht nur eine Liste von Zahlen; es ist eine neue Art, die Welt zu sehen. Indem sie dem Computer ein Gedächtnis gaben und ihn lehrten, aus 18 verschiedenen Arten von Hinweisen zu lernen, haben die Autoren die detaillierteste Karte der menschlichen Mobilität erstellt, die je gemacht wurde, und decken dabei 230 Länder und Regionen von 1990 bis 2023 ab. Sie haben uns gezeigt, dass Migration steigt, dass sie durch komplexe Erinnerungen an die Vergangenheit getrieben wird und dass wir zwar eine großartige neue Karte haben, es aber immer noch neblige Stellen gibt, an denen wir ein helleres Licht werfen müssen.

Das Beste daran? Die ganze Karte, das Robotergehirn und der Code sind kostenlos für jeden verfügbar. Es ist, als hätten sie der Welt die Schlüssel zur Zeitmaschine übergeben.