در مطالعه جدیدی در مجله Science استفاده از ترکیب عکس‌های ماهواره‌ای و یادگیری الگوریتم‌های ماشینی برای پیش‌بینی فقر در نواحی از جهان که اطلاعات موجود نیست، نشان داده‌شده است. البته در این روش در نواحی که هیچ‌گونه منبع قدرتی موجود نیست، دشوار است. در این روش از عکس‌های شبانه در کنار عکس‌های گرفته‌شده در روز و اطلاعات آماری برای آموزش به سیستم کامپیوتری برای ارزیابی فقیر یا غنی بودن یک ناحیه استفاده می‌شود.

   گروه سازنده الگوریتمشان را در دو گام ساخته‌اند. در اولین گام، از نواحی مشخصی مانند اوگاندا، تانزانیا، نیجریه و ... در روز و شب عکس‌هایی گرفته شد.

   در قدم دوم، اطلاعات آمار اقتصادی افزوده می‌شود. این سیستم قبلا هم توانایی شناسایی مثلا یک دهکده را داشت. اما با استفاده از اطلاعات آماری درآمد این خانوار هم در نظر گفته می‌شود. هنگامی‌که یک دهکده شناسایی می‌شود و اطلاعات آماری در مورد آن وجود ندارد، این سیستم درآمد خانوار در آن دهکده را ارزیابی می‌کند. بر اساس این مقاله، مدل دو گامی، تجسم بسیار دقیقی از سطح رفاه یک ناحیه نسبت به مدل‌های پیشین مانند مدل نوری ارائه می‌دهد.

   بااین‌حال، این سیستم هنوز محدودیت‌های خود را دارد. اگرچه این سیستم برای نشان دادن اختلاف درآمد بین مناطق روستایی و شهری مفید است اما ممکن است در نشان دادن اختلاف‌های کوچک در مناطق شهری دچار مشکل شود. در حال حاضر این الگوریتم تنها در 5 کشور آفریقایی استفاده می‌شود، اما می‌توان به‌راحتی این سیستم را به سرتاسر دنیا گسترش داد.