新算法可以从空间中检测贫困

作者:赫连屏

<p>根据斯坦福大学研究人员发表并发表在“科学”杂志上的一项新研究,利用卫星图像和机器学习算法,可以更容易地找到并帮助生活在世界贫困地区的人们</p><p>传统上,国际援助组织进行挨家挨户的调查,以记录发展中国家当地收入的数据,但正如斯坦福经济政策研究所的研究作者Marshall Burke所解释的那样,这些方法既费钱又费时</p><p>他们相信他们找到了更有效的替代方案</p><p>根据英国广播公司新闻和基督教科学箴言报,他们所做的是开发一种机器学习算法,利用计算机系统搜索数以百万计的卫星图像,找出五个非洲国家的夜间照明不良和道路维护不良的贫困迹象</p><p> (坦桑尼亚,乌干达,马拉维,尼日利亚和卢旺达)</p><p> “如果你给计算机足够的数据,它可以找出要寻找的东西</p><p>我们训练了一个计算机模型来寻找可以预测贫困的图像,“伯克告诉BBC新闻</p><p> “它发现像道路一样的东西,比如城市地区,就像农田...... [并且]它在图像中找到了你或我看起来不像任何东西的图像......但计算机已经想到的东西可以预测穷人在哪里“正如斯坦福大学团队在一份声明中解释的那样,当他们开始研究时,他们想看看是否可以使用随时可用的高分辨率卫星图像来识别贫困人口居住的地区</p><p>考虑到缺乏可用的数据,问题出现了能够执行这种分析的深度学习算法</p><p>斯坦福工程学院计算机科学博士生Neal Jean说:“世界上很少有地方可以让计算机确切地告诉计算机,那里的人是富人还是穷人</p><p>” “这使得很难从大量的白天卫星图像中提取有用的信息</p><p>”黑暗的夜间条件是确定一个地区贫困程度的一种方法</p><p> (图片来源:美国国家航空航天局)由于较发达地区夜间往往光线充足,因此它们结合了地球表面的白天和夜间图像</p><p>夜间数据用于识别和评估白天图像中的不同特征,包括道路,农田和城市发展更为普遍的地点,并使用这些数据来预测村级财富</p><p>将算法的结果与现有的调查数据进行比较,他们发现计算机在预测贫困分布方面是有效的,研究人员相信他们的新技术可以帮助提供者和政府更有效地分配资金,同时也不需要更昂贵的挨家挨户调查识别计划</p><p>研究报告的共同作者斯特凡诺·埃尔蒙(Stefano Ermon)是计算机科学助理教授,也是斯坦福大学伍兹研究所的礼貌研究员,他说:“我们的论文展示了机器学习的力量</p><p>” “由于它便宜且可扩展 - 只需要卫星图像 - 它可以用来以非常低成本的方式绘制世界各地的贫困图</p><p>” - 图片来源:....