给罗盘”:

•本·布罗克曼、安德鲁·弗雷克、杰夫·麦克马纳斯和尼尔·巴迪·沙阿讨论了机器学习如何促进社会部门的工作以增加影响力。

•机器学习是如何应用于你的问题领域的?机器学习如何增强你的工作?

•了解机器学习塑造更好的植物保护的潜力．

社会领域的下一件大事已经正式到来。机器学习现在是国际会议、2500万美元的资助竞赛、著名大学的奖学金和达沃斯发起的计划的中心。然而，在所有的宣传中，人们很难理解机器学习最适合解决哪些社会领域的问题，组织如何实际地使用它来增强他们的影响力，以及什么样的全行业投资可以在未来雄心勃勃地将其用于社会公益。

我们在非营利组织IDinsight的工作，利用数据和证据帮助社会部门的领导者对抗贫困，以及其他组织的工作，为这些问题提供了一些见解。

机器学习使用数据(通常是大量的)和统计算法来预测未知的东西。例如，在私营部门，拼车应用程序使用交通数据来预测客户的等待时间。在线流媒体公司利用客户历史记录来预测客户接下来想看的视频。

在社会领域，机器学习特别适合用于解决两类问题。首先是预防问题。例如，如果一个专注于解决冲突的组织能够预测暴力冲突可能在哪里爆发，它就可以在建设和平的干预行动上加倍投入。如果一个卫生非政府组织能够预测疾病最可能在哪里传播，它就可以优先分配公共卫生援助。第二个是数据空洞问题。政府和非营利组织用于确定社会项目的数据很少是细粒度的、最新的或足够精确的，无法确定将受益最多的具体地区或社区，而且收集更全面的数据往往代价高昂。结果，许多最需要一个项目的人并没有得到它，反之亦然。然而，如果一个非政府组织在埃塞俄比亚的一个农村州抗击饥饿，知道哪些村庄的营养不良率最高，它就可以把外联工作集中在这些社区，而不是让需求更少的其他地区过度饱和。

阅读全文机器学习由本·布罗克曼、安德鲁·弗雷克、杰夫·麦克马纳斯和尼尔·巴迪·沙阿在《斯坦福社会创新评论》上发表。