世界银行发起AI救灾挑战赛

世界银行与WeRobotics和OpenAerialMap合作发起了一项新的开放人工智能挑战，展示了深度学习对人道主义应用的巨大潜力，尤其是在重大自然灾害发生后，人工智能如何指导救灾。

深度学习已经彻底改变了我们如何处理巨大数据流的方式，这类数据流定义了现代生活。但是，人工智能新闻的常规重点往往集中于人工智能的商业应用及其如何重塑公司开展业务的方式。世界银行与WeRobotics和OpenAerialMap合作发起了一项新的开放人工智能挑战，展示了深度学习对人道主义应用的巨大潜力，尤其是在重大自然灾害发生后，人工智能如何指导救灾。该项目令人耳目一新。

现代深度学习工具的最激动人心的应用领域之一是利用神经网络检查图像，实现了几年前无法达到的准确度和详细水平。当前最先进的神经系统能检查数千万张图像，将其分为上万种类别，估计图像的拍摄位置、所反应的情绪、寻找背景中的污染和自然灾害破坏情况，甚至估计图像所呈现的“暴力”水平，同时，构建新模型逐渐实现点击式，变得越来越便捷了。

但是，如果要在自然灾害后分类鉴定破坏情况及直接生命安全需求，这类技术还没有成为常规之选。欢迎加入世界银行与WeRobotics和OpenAerialMap合作发起的新挑战“开放人工智能挑战：南太平洋岛屿的航空影像”。该挑战旨在从全球开放研究圈获得新的人工智能方法，可扩展的快速处理实时灾害区域图像，为急救队和援助机构提供关键的评价和规划信息。

随着这一新的人工智能挑战宣布开始，“在过去10年中，大型飓风严重影响了数百个岛屿，包括斐济、汤加、瓦努阿图和萨摩亚，带走了上百万人的生命并造成数百万美元的损失”。这些岛屿面临着各种威胁，包括“地震、海啸、风暴潮、火山爆发、滑坡和干旱”，而且，世界银行发现，“全球前15个自然灾害风险最高的国家中有四个国家都是太平洋岛屿国家”。

从卫星图像到飞机和无人机航拍图像，获取灾害鸟瞰图的能力至关重要，能迅速地分类鉴定人员伤害和基础设施受损等级以及运输通道的情况，决定救援工作的优先顺序。主要困难是可用的图像数量通常远远超过了人类能力，无法在限定时间内按照所需分辨率来完全评估这些图像。

为克服这一困难，新的人工智能挑战聚焦两大领域：在航拍图像中鉴定树木和道路。

在南太平洋岛屿，食品树木通常是当地重要的经济来源和食品安全保障。如果灾害对这类树木造成大范围破坏，将会产生长期影响。因此，该挑战的第一个任务是构建图像分类器，输入一张航拍图像，输出注释层，鉴定出图像中的所有椰子树、香蕉树、木瓜树、和芒果树，和它们的位置，准确率至少为80%。在生产场景中，我们可以想到，能够通过比较前后实时图像得到受损树木的精确数目以及受损的具体树木种类。鉴于神经网络技术取得了快速进步，我们甚至能够想象出这类算法最终实时运行，也许能在飞行的无人机上运行，使得无人机可以自动地调整航线，更详细地对受灾最重区域成像。

第二个任务围绕着从图像中鉴别道路，确定是单车道还是双车道、是硬化公路还是土路。这类算法最终部署到现场，可以给救援决策者提供受灾地区接近实时的路况报告，便于他们立即规划救援交通线路，对道路重建工作进行优先排序。

也许在不久的未来，这种人工智能工具可能实现全自主分类鉴定——灾害发生后，一队无人机自动起飞，对整个区域成像，确定受损等级，为决策者生成报告。所有动作都在灾害结束后30分钟内完成，无需人为干预。我多次写到需要技术专家和开发救援组织通力合作，应对全球的大挑战，良好的合作伙伴关系可以“改变世界，让世界变得与众不同”。因此，这一新挑战让我尤为振奋，希望它能创造未来，让开放数据竞赛能为世界上最严峻挑战的救援和发展提供一些解决办法。

总而言之，这一新项目如此令人激动，不仅仅在于其聚焦将深度学习用于人道主义目的，还在于它代表的模型——围绕深度学习的目的汇聚不同专业团队（本例中为世界银行、WeRobotics和OpenAerialMap），提高灾害响应，零成本提供数据集，促进发展，同时也是对人工智能圈的激动人心的号召，因为这既是个有趣的研究问题，也对人类的生命和生活有着真实世界的影响。