圖：颶風哈維來襲德克薩斯州發(fā)生洪災

北京時間12月8日消息，Facebook人工智能(AI)研究人員開發(fā)出一種新技術，該技術能夠通過分析衛(wèi)星圖像，確定一個地區(qū)在火災或洪災等自然災害發(fā)生后所遭受的破壞程度。

在自然災害發(fā)生后，這種技術可以幫助緊急救援人員確定受災最為嚴重的地區(qū)。Facebook研究小組還創(chuàng)建了一套名為“災害影響指數”(disaster Impact Index, DII)的度量標準，用來衡量某地區(qū)自然災害造成的破壞程度，該指數可用來推測嚴重的洪災或火災損失。

這一基于“卷積神經網絡”(Convolutional Neural Networks, CNN)的AI技術識別準確率達到了80%以上：在2017年德州Sugar Land附近的颶風Harvey中識別受損道路的準確率為88.8%，在圣羅莎大火中識別受損建筑的準確率為81.1%。

不像過去一些基于人工智能的分析依賴于災后地區(qū)的靜態(tài)圖像進行分析，這種新技術通過對災前和災后拍攝照片對比，并將每張照片分解成更小、更容易識別的照片網格。“作為這項工作的一部分，我們只關注道路和建筑，但是這可以延伸反映出災害對其他自然界和人造特征的影響，”Facebook在一篇論文中稱。

這項名為“從衛(wèi)星圖像到災難洞察”的研究由Facebook AI研究部門的研究員Saikat Basu、Guan Pang，以及CrowdAI公司的機器學習主管Jigar Doshi共同完成。CrowdAI是一家人工智能應用眾包公司。

在本周于蒙特利爾舉行的神經信息處理系統(tǒng)(NeurIPS)會議上，Facebook對外公開了這項研究成果。

為了識別道路和建筑物，“卷積神經網絡”使用了Spacenet和Deepglobe衛(wèi)星圖像以及DigitalGlobe和Planet Labs的圖像來進行訓練。人工智能系統(tǒng)檢測了德克薩斯州舒格蘭(Sugar Land)附近約55平方英里的區(qū)域和加利福尼亞州圣羅莎(Santa Rosa)附近約46平方英里的區(qū)域。在圣羅莎火災案例中，地面真實數據來自加州林業(yè)和消防部門的消防資源和評估項目(FRAP)網站。

AI與自然災害預警

在今年7月份于鹽湖城舉行的2018年計算機視覺與模式識別大會(Conference on Computer Vision and Pattern Recognition)上，CrowdAI、Facebook以及Uber等公司一道參加了DeepGlobe衛(wèi)星圖像理解挑戰(zhàn)賽。

AI在應對自然災害中扮演著越來越重要的角色。像One Concern這樣的初創(chuàng)公司，正與前聯邦應急管理局(FEMA)局長克雷格·富蓋特(Craig Fugate)合作，開發(fā)能夠探測地震影響的系統(tǒng)，這一系統(tǒng)能夠幫助應急人員將應急資源優(yōu)先分配給最需要幫助的人。

今年早些時候，來自谷歌AI部門和哈佛大學的研究人員跟蹤了近200次大地震和20萬次余震，創(chuàng)建了一套預測地震余震的人工智能系統(tǒng)。此外，谷歌還利用人工智能模擬印度的洪水，并向附近的智能手機用戶發(fā)送SOS警報。(編譯/若水)

關鍵詞：