现代能源服务对人类福祉和国家经济发展至关重要；然而，全球有超过13亿人无法获得电力，26亿人没有清洁的烹饪设施。其中95%以上的人在撒哈拉以南非洲或亚洲发展中地区，84%在农村地区（国际能源署，2015年）。撒哈拉以南非洲拥有丰富的能源资源，但能源供应却非常匮乏，这使得该地区在电气化率方面的准入赤字最高，只能勉强跟上人口增长的步伐。
十年前，萨希拉姆还是一个受教育程度有限、就业前景不确定的求职者。如今，他是一名太阳能技术员，负责监督多个地点的太阳能家庭系统安装，并四次获得印度马尼帕尔附近昆达普尔一家离网能源企业的“最佳员工”奖。他服务的村庄里的人们尊重他，因为他提供了一个基本的需求：他为那些原本会保持黑暗或在日落后使用煤油灯的家庭供电。
在世界许多地区，关于关键经济成果的稀疏数据阻碍了公共政策的制定、目标制定和评估。我们展示了卫星图像和机器学习的进步如何帮助改善这些数据和推理挑战。在乌干达电网扩张的背景下，我们展示了如何将卫星图像和计算机视觉相结合，来制定适合推断电力供应对生计的因果影响的地方生计测量。然后，我们展示了当应用于这些数据时，基于ML的推理技术如何比传统的替代方案更可靠地估计电气化的因果影响。我们估计，电网接入使乌干达农村的村级资产财富增加了0.17个标准差，与未经处理的地区相比，我们研究期间的增长率翻了一番多。我们的研究结果为关键基础设施投资的影响提供了全国范围的证据，并为数据稀疏环境中的未来政策评估提供了一种低成本、可推广的方法。
