你家有錢還是沒錢，用衛星圖片一算便知

根據斯坦福大學研究者的最新研究，通過使用衛星圖像和機器學習算法，可以更容易的找到和幫助那些生活在貧困地區的人們。該研究已經發表在《科學》雜志上。

在發展中國家的傳統做法是，國際援助團體會采用挨家挨戶的調查來搜集本地人的收入數據，但是斯坦福大學經濟政策研究院的研究作者Marshall Burke說這些方法既昂貴又耗時。他們相信自己已經找到了一種更加有效率的做法。

根據BBC的報道，他們研發了一種機器學習算法，在五個非洲國家(坦桑尼亞、烏干達、馬拉維、尼日利亞和盧旺達)使用計算機系統在數百萬張衛星照片中搜尋貧困的跡象，比如糟糕的夜間照明和道路狀況。

“如果計算機有足夠的數據，它可以明白要找什么。我們訓練了一個計算機模型，讓它在圖像中尋找可以預測貧困的物體，”Burke告訴BBC說。“它找到了公路、城區、農田等，它在圖像中可以看到你我根本不會在意的圖案，但是計算機認為這些都是預測貧困人口位置的線索。”

“算”出來的貧困地區

斯坦福的團隊解釋說，當他們開始研究時，他們想知道現有的高分辨率衛星圖像是否可以用作識別貧困人口生活的地區。考慮到缺少可用數據，他們需要一個能夠深度學習的算法來進行這樣的分析。

“全世界幾乎沒有什么地方，我們可以明確告訴電腦生活在那里的人們是富裕還是貧窮，”計算機科學博士生，第一作者Neal Jean說。“這就讓我們很難從手頭大量白天衛星圖片中提取有用的信息。”

建議更發達的地區夜間照明會更好，他們結合了地球表面的白天和夜間圖片。夜間數據則用來識別和評估跟白天圖片不同的特征，包括公路，農田，城市發展更好的地區，然后利用這一數據來預測村級富裕狀況。

對比電腦算法的發現和現有的調查數據，他們發現計算機在預測貧困分布上更加有效，研究者們很有自信，認為他們的新技術可以幫助援助者和政府更有效率地利用資金，同時減少成本高昂的挨家挨戶調查鑒定方式。

“我們的論文展示了該背景下機器運算的能力，”研究合著者，計算機科學助理教授Stefano Ermon說。“因為它成本低，可擴展，只需要衛星照片，它可以作為一種超低成本的方式來繪制全球的貧困地圖。”

文：許叔/煎蛋網

關于煎蛋：資深新鮮事推送雞。網站 Jandan.net，公眾號：煎蛋（公眾號ID：jandancom，并沒有i）

0 條評論