電腦將分析衛(wèi)星圖像中的道路和屋頂，確定當(dāng)?shù)氐慕?jīng)濟(jì)狀況。
研究人員讓計(jì)算機(jī)學(xué)習(xí)分析白天、夜間的衛(wèi)星圖像以及實(shí)地調(diào)查數(shù)據(jù)。
通過(guò)夜間燈光衛(wèi)星圖，我們很容易判斷某個(gè)國(guó)家或地區(qū)的財(cái)富。不過(guò)，夜間燈光衛(wèi)星圖無(wú)法告訴我們，哪些區(qū)域的居民處于極端貧困狀態(tài)，而這卻是決策者在實(shí)施經(jīng)濟(jì)發(fā)展計(jì)劃中最需要的信息。
為了解決這個(gè)難題，美國(guó)斯坦福大學(xué)最近開(kāi)發(fā)出一種計(jì)算機(jī)學(xué)習(xí)算法，讓計(jì)算機(jī)學(xué)習(xí)分析白天、夜間的衛(wèi)星圖片以及實(shí)地調(diào)查數(shù)據(jù)，精確地判斷出某個(gè)地區(qū)的家庭消費(fèi)與資產(chǎn)財(cái)富。（靈犀）
據(jù)《科學(xué)》期刊報(bào)道，在一些數(shù)據(jù)難以收集或不公開(kāi)的區(qū)域，國(guó)際組織將利用一個(gè)更高效的系統(tǒng)來(lái)判斷這些地區(qū)的貧窮程度。
這個(gè)復(fù)雜的系統(tǒng)由美國(guó)斯坦福大學(xué)開(kāi)發(fā)，研究人員創(chuàng)建了一個(gè)機(jī)器學(xué)習(xí)運(yùn)算系統(tǒng)，讓計(jì)算機(jī)學(xué)習(xí)偵查數(shù)百萬(wàn)幅衛(wèi)星圖像中可識(shí)別的貧困跡象（如道路或房屋），從而準(zhǔn)確識(shí)別出一些非洲國(guó)家的經(jīng)濟(jì)狀況?！霸谶^(guò)去，我們通過(guò)家庭調(diào)查來(lái)收集貧困信息，如今我們可以用數(shù)據(jù)來(lái)指導(dǎo)我們的扶貧行動(dòng)，”斯坦福大學(xué)研究員瑪莎·伯克說(shuō)，“而且，在往常難以收集數(shù)據(jù)的地區(qū)，這個(gè)系統(tǒng)將發(fā)揮大作用?！?/p>
以非洲為例，根據(jù)世界銀行的數(shù)據(jù)，在21世紀(jì)第一個(gè)十年里，59個(gè)非洲國(guó)家中只有39個(gè)開(kāi)展過(guò)貧困調(diào)查，而且均不多于兩次；還有14個(gè)國(guó)家從未開(kāi)展過(guò)任何調(diào)查，這使得外界不可能了解非洲的貧困狀況?！斑@就要求我們發(fā)起‘?dāng)?shù)據(jù)革命’，變革收集數(shù)據(jù)的方式?！辈酥赋觥?/p>
計(jì)算機(jī)自主學(xué)習(xí)判斷
夜間衛(wèi)星圖片被認(rèn)為是辨別某地區(qū)是否貧困最好的方法，燈火明亮的地方往往開(kāi)發(fā)程度較高。世界銀行先前也用“夜間燈光”地圖來(lái)測(cè)量非洲各地區(qū)的貧富情況。不過(guò)，斯坦福大學(xué)電氣工程研究員奧尼爾·吉恩指出，夜間衛(wèi)星圖片可能存在欺騙性?！坝锌赡茇毟F人口聚集的地方反而燈火通明，而富人會(huì)選擇住在人口稀少的區(qū)域”。
因此，吉恩的團(tuán)隊(duì)開(kāi)發(fā)了一種比現(xiàn)有方法能更準(zhǔn)確判斷貧窮與否的機(jī)器學(xué)習(xí)運(yùn)算。首先，他們將谷歌的白天衛(wèi)星照片、從美國(guó)國(guó)家海洋和大氣管理局拿到的夜間衛(wèi)星數(shù)據(jù)以及從世界銀行拿到的實(shí)地調(diào)查數(shù)據(jù)輸入電腦。實(shí)地調(diào)查數(shù)據(jù)包括家庭消費(fèi)支出與汽車(chē)、電視機(jī)等資產(chǎn)財(cái)富。
接著，吉恩用“移轉(zhuǎn)學(xué)習(xí)法”訓(xùn)練計(jì)算機(jī)運(yùn)算：先分析道路和屋頂?shù)刃畔⒏黠@的白天衛(wèi)星照片，計(jì)算機(jī)會(huì)自動(dòng)繪制道路、城市、水道、農(nóng)地分布，根據(jù)這些信息來(lái)初步判斷該地區(qū)的經(jīng)濟(jì)情況；接著，計(jì)算機(jī)將結(jié)合夜間衛(wèi)星數(shù)據(jù)，進(jìn)一步判斷該地區(qū)的貧困程度；緊接著，計(jì)算機(jī)將消化實(shí)地調(diào)查數(shù)據(jù)，和之前的調(diào)查結(jié)果對(duì)照核實(shí)，比如汽車(chē)較多的地方可能就是實(shí)地調(diào)查中家庭收入更高的地方；最后，計(jì)算機(jī)將綜合所有資料，配合地圖作出預(yù)測(cè)，補(bǔ)足數(shù)據(jù)漏洞。
“只要向計(jì)算機(jī)提供足夠多的數(shù)據(jù)，計(jì)算機(jī)就會(huì)找出我們想要的東西，”吉恩說(shuō)，“我們擁有海量的衛(wèi)星圖，需要做的就是讓計(jì)算機(jī)學(xué)習(xí)從這種非結(jié)構(gòu)化的數(shù)據(jù)中提取有用的信息?！?/p>
有效節(jié)省經(jīng)費(fèi)和時(shí)間
此前也有科學(xué)家通過(guò)數(shù)據(jù)分析的方式來(lái)判斷某地區(qū)是否貧困。加州大學(xué)伯克利分校的數(shù)據(jù)科學(xué)家約書(shū)亞·布拉門(mén)斯托克就曾和世界銀行合作，通過(guò)分析盧旺達(dá)等國(guó)家居民的手機(jī)呼叫模式，判斷貧困社區(qū)中多少居民有工作。總部位于紐約的一家非營(yíng)利機(jī)構(gòu)也通過(guò)礦業(yè)衛(wèi)星圖像來(lái)決定誰(shuí)更應(yīng)該拿到捐款，他們?cè)谘芯恐邪l(fā)現(xiàn)住在茅草屋頂下的人比住在鐵皮屋頂下的人更窮。
不過(guò)，斯坦福團(tuán)隊(duì)的算法更全面。第一，他們使用的都是公開(kāi)的數(shù)據(jù)，不需要再花費(fèi)成本收集；第二，他們對(duì)一個(gè)地區(qū)是否處于貧困的判斷并非單單基于計(jì)算機(jī)算法從白天的衛(wèi)星照片中辨別出的一兩個(gè)貧困元素?！跋鄬?duì)于挨家挨戶(hù)地進(jìn)行田野調(diào)查，這個(gè)系統(tǒng)將有效地節(jié)省調(diào)查時(shí)間和經(jīng)費(fèi)，”布拉門(mén)斯托克說(shuō)，“而相對(duì)于完全依靠夜間衛(wèi)星圖片或手機(jī)數(shù)據(jù)的調(diào)查方式，吉恩的方法更有利于準(zhǔn)確判定哪些地區(qū)處于貧困狀態(tài)?！?/p>
關(guān)于需求的準(zhǔn)確信息將直接影響國(guó)際機(jī)構(gòu)的援助方向，決定在哪些地區(qū)建設(shè)道路或醫(yī)院。從更深遠(yuǎn)的層面上說(shuō)，該計(jì)算機(jī)算法還能幫助國(guó)際機(jī)構(gòu)在未來(lái)追蹤扶貧舉措是否達(dá)到效果。
判斷準(zhǔn)確率超過(guò)50%
迄今為止，在評(píng)估某些地區(qū)的家庭消費(fèi)與資產(chǎn)財(cái)富時(shí)，這種計(jì)算機(jī)算法的準(zhǔn)確率已經(jīng)超過(guò)50%。研究人員目前正在分析尼日利亞、坦桑尼亞、烏干達(dá)、盧旺達(dá)和馬拉維等5個(gè)國(guó)家的貧困程度，他們希望之后將評(píng)估范圍擴(kuò)大到撒哈拉以南的非洲地區(qū)，甚至所有的欠發(fā)達(dá)國(guó)家。
不過(guò)，這種計(jì)算機(jī)算法在被使用前還需要進(jìn)一步提升。接下來(lái)，吉恩的團(tuán)隊(duì)將試圖從不同分辨率的照片中提煉更多信息——從低分辨率的圖片中分析出大的結(jié)構(gòu)，從高分辨率的圖片中找出屋頂和道路。
吉恩的團(tuán)隊(duì)還將著眼于某些區(qū)域過(guò)去的衛(wèi)星圖像，讓計(jì)算機(jī)學(xué)習(xí)預(yù)測(cè)該區(qū)域未來(lái)經(jīng)濟(jì)可能的發(fā)展情況。“如果有一天我們能用計(jì)算機(jī)算法為這個(gè)世界建立一個(gè)模型，那就太酷了?！奔髡f(shuō)。
