机器学习可有效锁定贫困地区

美国《国家地理》(National Geographic)杂志发表文章称,机器学习可以帮助有效锁定贫困地区。

斯坦福大学地球、能源与环境科学学院的研究人员在一份新闻声明中表示,研究人员利用机器学习技术从高分辨率卫星影像中提取信息,正确地确定了五个非洲国家的贫困地区。该声明表示:“向生活在贫困中的人们提供救助的最大挑战之一是找到他们。对世界上的大部分地区来说,关于其贫困区域位置的准确、可靠的信息是非常不可靠的,特别是在非洲大陆上。救援组织和其他国际组织经常通过上门调查的方式来核准信息,但这可能是非常昂贵和费时的方式。”在近期的《科学》(Science)杂志上,斯坦福的研究人员提出了一种准确的方法来确定在那些以前没有进行过有效调查的地区的贫困信息。

斯坦福大学地球系统科学助理教授、斯坦福食品与环境安全中心研究员、该项研究的合作者Marshall Burke说:“我们在整个非洲大陆一些分散的村庄做了有限数量的调查,但我们拥有的地方层面的贫困信息很少。与此同时,我们连续地收集了这些区域的各种其他数据,如卫星图像等。”

根据斯坦福大学的消息,研究人员试图了解高分辨率的卫星图像——一个非常规的、但随时可用的数据源——是否能够帮助估计贫困人口的生活区域。“困难在于,标准的机器学习方法在可以访问大量数据的情况下获得最好的表现,但在这个问题上,却几乎没有关于贫困的数据可以利用。”

文章的第一作者、斯坦福大学工程学院计算机科学专业的博士生Neal Jean说:“在世界上只有很少的地方,我们可以肯定地告诉计算机生活在那里的人是富人还是穷人。这导致很难从可用的大量日间卫星图像中提取到有用的信息。”由于晚上更明亮的区域通常是更发达的区域,该解决方案将高分辨率日间图像与夜间地球图像结合起来。研究人员利用“夜光(nightlight)”数据来识别高分辨率日间图像中与经济发展相关的特征。Neal Jean说:“在没有被告知搜索目标的情况下,我们的机器学习算法将从图像中提取出许多容易被人类识别的东西,如道路、城市和农田等。”然后研究人员利用这些特征从日间图像预测村级财富状况,正如已有调查数据中的调查情况。

他们发现,这种方法对贫困情况分布的预测效果出奇的好,大大优于现有的方法。这些改进的贫困地图可以帮助援助组织和政策制定者更有效地分配资金,并更有效地制定和评估政策。

原文发布于微信公众号 - 人工智能快报(AI_News)

原文发表时间:2016-10-31

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏灯塔大数据

探秘|为何最强人工智能比不上婴儿大脑?

机器可以理解语音、识别面部和安全驾驶汽车。这让人们十分讶异于近期的技术方面的进步。但是,如果人工智能领域想要实现革命性的跨越,从而建造出类人式的机器,它首先将...

3827
来自专栏安恒信息

Black Hat 2018 | 人工智能与机器学习成焦点话题

美国当地时间8月8日,一年一度的Black Hat(黑帽子)大会在拉斯维加斯如期举行。不经意间,这项吸引全球顶级厂商、黑客的大会已走过了21个年头。21年前,当...

551
来自专栏大数据文摘

人机对话这件事为什么难?| 清华x-lab人工智能研习社

1071
来自专栏人工智能头条

Yann LeCun:深度学习硬件前瞻

1205
来自专栏新智元

【重磅】谷歌I/O大会机器学习专场:人工智能冬天或再来临

【新智元导读】2016 I/O大会的第三天,在喧嚣和狂欢逐渐淡去之时,一场名为“Google 机器学习展望”的对谈今日凌晨在主会场举行。谷歌大脑负责人Jeff ...

3247
来自专栏AI科技评论

专访Jeff Dean:我们要推动机器学习再上一层楼

AI 科技评论按:Jeff Dean是谷歌研究院的高级研究员,也是谷歌的人工智能团队谷歌大脑(Google Brain)的负责人。身披华盛顿大学博士、美国工程院...

3579
来自专栏大数据文摘

深度学习趋势:云计算or高性能计算

1343
来自专栏大数据文摘

LEVAN:首款全自动视觉概念的机器学习程序

1348
来自专栏大数据文摘

智能哲学:“第三问题”与图灵的“模仿游戏”

2117
来自专栏CSDN技术头条

Yann LeCun:深度学习硬件前瞻

Yann LeCun被大家誉为“卷积神经网络之父”,该技术助推了人工智能在Google、Facebook等公司的发展,在此之外,LeCun也已经不再局限于扎根算...

1926

扫码关注云+社区