世界银行牵头发起“AI数树”挑战 竟意在研究人工智能如何指导救灾

深度学习已经彻底改变了我们处理、定义现代生活的大量数据的方式。

然而，关于人工智能头条新闻的日常宣传往往集中在人工智能的商业应用上，关于它如何重塑企业的经营方式。

令人振奋的是，世界银行与WeRobotics和OpenAerialMap合作发起了一项新的开放性人工智能挑战，它展示了深度学习技术在人道主义应用领域的巨大潜力，尤其是在重大自然灾害发生后的关键性的几小时、几天内。

现代深度学习工具最令人兴奋的应用领域之一，就是利用神经网络，在检测图像时达到几年前不可能的精确度和细节水平。

今天最先进的神经系统可以检查成千上万的图像,编制成成千上万的类别,根据位置、情感来分类，可以在图像背景中寻找污染和自然灾害的标志,甚至估计受灾水平。建立新模型正日益变得“即指即点”一样简单。

然而，在自然灾害发生后，当涉及到受伤和即时生命安全需要时，这种技术还没有普及。

但世界银行的新“开放AI挑战:航拍图像的南太平洋岛屿”挑战与WeRobotics和OpenAerialMap合作,旨在从全球的开放研究社区里测试新的AI应用，可以快速、伸缩性高地从灾区的航拍图像中实时评估，为应急部门人员调动和规划提供帮助。

在公布新的人工智能挑战时，世界银行指出，“在过去的10年里，主要气旋严重影响了斐济、汤加、瓦努阿图和萨摩亚群岛的数百个岛屿，影响数百万人的生命,造成数百万美元的损失,这些岛屿正面临一系列的威胁包括地震、海啸、风暴潮、火山爆发、山体滑坡和干旱。全球自然灾害最高危国家的前15名中就有四个是太平洋岛国。”

从卫星图像到飞机、无人机航拍图像，获得鸟瞰灾难的能力对于快速评估民用基础设施的破坏程度、运输通道的状况以及优先救援工作至关重要。

一个关键的障碍是，可用图像的数量通常很多，远远超过了人类的能力，不仅人类的速度有所不及，对图像分辨率也有要求。

这一新的人工智能挑战着眼于解决这一问题，目前主要集中在两个初始领域:从空中图像中识别出树木和道路。

世界银行在汤加群岛拍摄了大约80平方公里的高分辨率航空影像，并将这些影像提供给挑战者们开发机器学习算法，在没有人工协助的情况下分析这些图像。根据公告，未来机器学习将被应用于分析和灾害评估。

世界银行在公告中表示，这些图像包括四个兴趣区(AOI)。其中三个兴趣区覆盖10平方公里区域，最后一个兴趣区覆盖50平方公里区域。不同大小兴趣区影像的分辨率为4cm和8cm。另外，世界银行还使用近红外传感器收集了10平方公里的影像。这些兴趣区涵盖了农村和城市地区。

在南太平洋岛屿，经济作物往往是经济和粮食安全的重要来源，而灾害对它们的广泛损害可能造成长期影响。

因此，挑战者们需要在这些影像中利用机器学习算法识别所有椰子树，香蕉树，木瓜树和芒果树及其位置，准确性至少达到80%。

考虑到神经网络的快速发展，人们甚至可以想象这样的算法最终会在现实中运行，甚至可能是在无人机本身的飞行中，允许它自主地调整航向，以更详细地描绘最严重受损的区域。

第二项任务是从图像中辨认道路，并确定它们是一条还是两条车道，以及它们是铺设的沥青地面还是土路等等。

一旦成功，这样的算法可以报告受影响地区的实时路况，为应急部门提供帮助，使他们能够立即规划救援物资运输路线，并优先考虑道路重建工作。

也许在不久的将来这样的人工智能工具可以让全自动分流的无人机舰队自动启动灾后区域图像分析，识别受灾水平并产生应急报告，这一切都在30分钟内完成，不需要任何人工干预。

世界上的许多问题都需要技术人员和组织共同合作，一些好的合作关系可以“使世界变得不同”。

因此，这一新应用及其潜在拓展空间，显示出了未来解决救灾挑战的希望，这是非常令人兴奋的。