Nowcasting Italian Municipal Income with Nightlights: A Deep Learning Approach
यह अध्ययन प्रदर्शित करता है कि नासा ब्लैक मार्बल नाइटलाइट डेटा का उपयोग करने वाला एक सिंगल-लेयर GRU डीप लर्निंग मॉडल इतालवी नगरपालिका कर योग्य आय के नाउकास्टिंग (nowcasting) में पारंपरिक स्थानिक और रैखिक अर्थमितीय बेंचमार्क से काफी बेहतर प्रदर्शन करता है, जो यह सिद्ध करता है कि उपग्रह इमेजरी से वास्तविक भविष्य कहनेवाला विषय-वस्तु निकालने के लिए गैर-रैखिकता और क्रॉस-सेक्शनल विषमता को पकड़ना आवश्यक है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
आर्थिक नियोजन की दुनिया में, अभी क्या हो रहा है यह जानना अक्सर एक ऐसा विलासिता है जिसे सरकारें वहन नहीं कर सकतीं। आधिकारिक आँकड़े, जो हमें बताते हैं कि किसी विशिष्ट शहर या क्षेत्र में लोग कितनी कमाई कर रहे हैं, आमतौर पर घटना घटने के बहुत समय बाद जारी किए जाते हैं। जब तक संख्याएँ पहुँचती हैं, तब तक वे आर्थिक स्थितियाँ जिनका वे वर्णन करती हैं, पहले ही बदल चुकी हो सकती हैं, जिससे अधिकारियों के लिए संकटों या बदलते रुझानों पर तेज़ी से प्रतिक्रिया करना कठिन हो जाता है। वर्षों से, वैज्ञानिक अर्थव्यवस्था को क्रियान्वित देखने का एक तेज़ तरीका खोजने की कोशिश कर रहे हैं। एक आशाजनक सुराग अंतरिक्ष से आया है: रात में शहरों की चमक। उपग्रह ज़मीन से कृत्रिम रोशनी की तीव्रता को पकड़ सकते हैं, और शोधकर्ताओं को लंबे समय से संदेह रहा है कि उज्जवल रोशनी का अर्थ अधिक आर्थिक गतिविधि होता है। हालाँकि एक ही क्षण में विभिन्न स्थानों की तुलना करते समय यह संबंध अच्छी तरह से ज्ञात है, लेकिन यह कम स्पष्ट रहा है कि क्या किसी एक शहर की चमक में समय के साथ होने वाला परिवर्तन, आधिकारिक टैक्स रिकॉर्ड प्रकाशित होने से पहले उसके आय स्तरों में बदलाव की भविष्यवाणी कर सकता है।
रोम टोर वर्गाटा विश्वविद्यालय के एक शोधकर्ता ने इटली के लिए इस पहेली को सुलझाने का प्रयास किया, जहाँ स्थानीय आय के डेटा के आने में बहुत देरी होती है, जो अक्सर डेढ़ साल तक पिछड़ जाता है। अध्ययन ने 7,631 इतालवी शहरों पर ध्यान केंद्रित किया, एक दशक के दौरान उनकी वार्षिक कर योग्य आय और उनके रात के आकाश की चमक को ट्रैक किया। लक्ष्य यह देखना था कि क्या उपग्रह चित्र अर्थव्यवस्था के लिए एक प्रारंभिक चेतावनी प्रणाली, या "नाउकास्ट" (nowcast) के रूप में काम कर सकते हैं। शोधकर्ता ने परीक्षण किया कि क्या आधुनिक आर्टिफिशियल इंटेलिजेंस, विशेष रूप से डेटा के अनुक्रमों में पैटर्न पहचानने के लिए डिज़ाइन किया गया एक प्रकार का कंप्यूटर प्रोग्राम, पारंपरिक सांख्यिकीय विधियों की तुलना में रोशनी और आय के बीच के संबंध को बेहतर ढंग से सीख सकता है। अध्ययन ने इन उन्नत कंप्यूटर मॉडलों की तुलना सरल, स्थापित तकनीकों से की, जिसमें वे विधियाँ भी शामिल थीं जिन्होंने यह प्रयास किया कि पड़ोसी शहर एक-दूसरे की अर्थव्यवस्थाओं को कैसे प्रभावित करते हैं।
परिणामों ने दिखाया कि आर्टिफिशियल इंटेलिजेंस मॉडल पारंपरिक विधियों की तुलना में काफी अधिक सटीक थे। सबसे अच्छा प्रदर्शन करने वाला मॉडल, जो एक न्यूरल नेटवर्क का एक सुव्यवस्थित संस्करण था, एक विशिष्ट इतालवी शहर की वार्षिक आय की भविष्यवाणी लगभग 1.07 मिलियन यूरो के मध्य त्रुटि (median error) के साथ कर सकता था। यह देखते हुए कि इन शहरों की मध्य आय लगभग 29 मिलियन यूरो है, यह सटीकता का स्तर एक ऐसी भविष्यवाणी है जो केवल लगभग 4 प्रतिशत गलत है। यह अगली सर्वश्रेष्ठ विधियों की तुलना में एक महत्वपूर्ण सुधार था, जो बड़े अंतर से गलत थीं। अध्ययन में पाया गया कि रात की रोशनी और आय के बीच का संबंध एक सरल, सीधी रेखा नहीं है जिसे मानक सूत्रों द्वारा पकड़ा जा सके। इसके बजाय, यह संबंध जटिल है और शहर-दर-शहर बहुत भिन्न होता है। जबकि कुछ शहर उज्जवल और समृद्ध हैं, अन्य उज्जवल तो हो सकते हैं लेकिन उनकी आर्थिक संरचना अलग हो सकती है, या समृद्ध हो सकते हैं लेकिन कम रोशन। आर्टिफिशियल इंटेलिजेंस प्रत्येक स्थान के लिए इन अद्वितीय पैटर्न को सीखने के लिए पर्याप्त लचीला था, जबकि पारंपरिक मॉडल, जो सभी शहरों के लिए एक समान संबंध मानकर चलते हैं, इस सूक्ष्मता को पकड़ने में विफल रहे।
दिलचस्प बात यह है कि अध्ययन में यह भी परीक्षण किया गया कि क्या पड़ोसी शहरों के बीच संबंधों को स्पष्ट रूप से मानचित्रित करने से भविष्यवाणियों में सुधार होगा। शोधकर्ताओं ने पुष्टि की कि एक शहर की आर्थिक गतिविधि और उसके पड़ोसियों के बीच एक मजबूत सांख्यिकक लिंक है, जिसे स्थानिक निर्भरता (spatial dependence) के रूप में जाना जाता है। हालाँकि, पारंपरिक मॉडलों में इस भौगोलिक संदर्भ को जोड़ने से वे भविष्य बताने में बेहतर नहीं हुए। यहाँ तक कि जब मॉडलों को बताया गया कि शहर आपस में कैसे जुड़े हुए हैं, तब भी वे आर्टिफिशियल इंटेलिजेंस से बहुत पीछे रह गए। यह सुझाव देता है कि पारंपरिक मॉडल इसलिए विफल नहीं हुए क्योंकि उन्होंने भूगोल की अनदेखी की, बल्कि इसलिए क्योंकि वे प्रकाश और आय के बीच जटिल, गैर-रैखिक तरीके को समझने के लिए बहुत कठोर थे। आर्टिफिशियल इंटेलिजेंस सफल रहा क्योंकि यह हर शहर की विशिष्ट विचित्रताओं के अनुकूल अपनी तर्क पद्धति को ढाल सका, बजाय इसके कि वह हर शहर को एक ही गणितीय सांचे में फिट करने की कोशिश करे।
अध्ययन ने यह भी जांचा कि महामारी के अराजक वर्षों के दौरान इन मॉडलों ने कैसा प्रदर्शन किया, जो एक ऐसा समय था जब स्थानीय अर्थव्यवस्थाएं तेज़ी से और असमान रूप से बदली थीं। परिवर्तन के इस दौर के दौरान पारंपरिक मॉडल संघर्ष करते दिखे, जो अक्सर तीव्र उछाल या गिरावट की भविष्यवाणी करने में विफल रहे। इसके विपरीत, आर्टिफिशियल इंटेलिजेंस मॉडल ने अपनी सटीकता बनाए रखी, जो यह दर्शाता है कि इसने प्रकाश में छिपे गहरे, अधिक सुदृढ़ आर्थिक संकेतों को सीख लिया था। शोधकर्ता ने निष्कर्ष निकाला कि हालांकि उपग्रह की रात की रोशनी अर्थव्यवस्था का एक आदर्श दर्पण नहीं है, फिर भी इसमें भविष्य की भविष्यवाणी करने के लिए वास्तविक, उपयोगी जानकारी होती है। हालाँकि, इस जानकारी को अनलॉक करने की कुंजी एक लचीले उपकरण का उपयोग करना है जो इतालवी परिदृश्य की जटिल और विविध वास्तविकता को समझने में सक्षम हो। यह दृष्टिकोण नीति निर्माताओं को आधिकारिक डेटा की लंबी प्रतीक्षा को कम करने का एक व्यावहारिक तरीका प्रदान करता है, जिससे उन्हें टैक्स रिटर्न दाखिल होने की प्रतीक्षा किए बिना अपने समुदायों के आर्थिक स्वास्थ्य की सामयिक झलक मिल सके।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।