根据斯坦福大学研究者的最新研究，通过使用卫星图像和机器学习算法，可以更容易的找到和帮助那些生活在贫困地区的人们。该研究已经发表在《科学》杂志上。
在发展中国家的传统做法是，国际援助团体会采用挨家挨户的调查来搜集本地人的收入数据，但是斯坦福大学经济政策研究院的研究作者Marshall Burke说这些方法既昂贵又耗时。他们相信自己已经找到了一种更加有效率的做法。
根据BBC的报道，他们研发了一种机器学习算法，在五个非洲国家(坦桑尼亚、乌干达、马拉维、尼日利亚和卢旺达)使用计算机系统在数百万张卫星照片中搜寻贫困的迹象，比如糟糕的夜间照明和道路状况。
“如果计算机有足够的数据，它可以明白要找什么。我们训练了一个计算机模型，让它在图像中寻找可以预测贫困的物体，”Burke告诉BBC说。“它找到了公路、城区、农田等，它在图像中可以看到你我根本不会在意的图案，但是计算机认为这些都是预测贫困人口位置的线索。”
“算”出来的贫困地区
斯坦福的团队解释说，当他们开始研究时，他们想知道现有的高分辨率卫星图像是否可以用作识别贫困人口生活的地区。考虑到缺少可用数据，他们需要一个能够深度学习的算法来进行这样的分析。
“全世界几乎没有什么地方，我们可以明确告诉电脑生活在那里的人们是富裕还是贫穷，”计算机科学博士生，第一作者Neal Jean说。“这就让我们很难从手头大量白天卫星图片中提取有用的信息。”
建议更发达的地区夜间照明会更好，他们结合了地球表面的白天和夜间图片。夜间数据则用来识别和评估跟白天图片不同的特征，包括公路，农田，城市发展更好的地区，然后利用这一数据来预测村级富裕状况。
对比电脑算法的发现和现有的调查数据，他们发现计算机在预测贫困分布上更加有效，研究者们很有自信，认为他们的新技术可以帮助援助者和政府更有效率地利用资金，同时减少成本高昂的挨家挨户调查鉴定方式。
“我们的论文展示了该背景下机器运算的能力，”研究合著者，计算机科学助理教授Stefano Ermon说。“因为它成本低，可扩展，只需要卫星照片，它可以作为一种超低成本的方式来绘制全球的贫困地图。”
文：许叔/煎蛋网
关于煎蛋：资深新鲜事推送鸡。网站 Jandan.net，公众号：煎蛋（公众号ID：jandancom，并没有i）
