研究人员利用机器学习对家庭调查数据进行分析，优化全球减贫项目的目标定位和成本

# 观看：消除极端全球贫困触手可及——我们已知其成本 - 伯克利新闻 来源：http://news.berkeley.edu/2026/07/02/watch-ending-extreme-global-poverty-is-within-reach-and-we-know-the-price-tag/ *加州大学伯克利分校教授 Joshua Blumenstock 利用机器学习和人工智能解决世界上最严峻的全球发展挑战。* 2026年7月2日 Joshua Blumenstock (https://www.jblumenstock.com/) 一直对服务他人感兴趣。“从高中起，我就对在低收入环境中工作、帮助改善生活水平和创造机会感兴趣，”他说。“但作为一名学者，我的优势在于技术方面——计算机科学、人工智能、定量分析。” 起初，Blumenstock 并未看到自己的技能与这类全球发展问题之间的直接联系，但在加州大学伯克利分校读研期间，一条路径开始显现。“我开始看到，我所擅长的工具可能为人们长期研究的一些问题提供不同的视角，”他说。 其中一个问题是：消除极端全球贫困需要多少成本？Blumenstock 在本视频中对此进行了阐释，该视频属于我们持续推出的 101 in 101 系列 (https://news.berkeley.edu/topics/101-in-101/)，其中学者们在101秒内解释其部分工作。 Blumenstock 现任伯克利信息学院 (http://ischool.berkeley.edu/) 和高盛公共政策学院 (https://gspp.berkeley.edu/) 教授，全球机会实验室 (https://gol.berkeley.edu/) 主任，以及有效全球行动中心 (http://cega.berkeley.edu/) 的联合教职主任。他的工作带他去了阿富汗、多哥、卢旺达等地，利用机器学习和人工智能更好地解决诸如识别最需要人道主义援助的家庭、提供金融服务渠道以及应对气候冲击和其他危机等问题。 在此观看更多由加州大学伯克利分校教师和专家参与的 101 in 101 视频。 (https://www.youtube.com/playlist?list=PLi80c3aYgKxChi4wDM4IfUTgKNu70dWd-) *视频由 Chris Chang 剪辑*