世界银行的数椰子树挑战：人工智能如何帮助救灾？

图:2013年发生在所罗门群岛的7.1级地震几乎摧毁了全国的基建设施

【数据猿导读】 从台风到森林火灾，2017年为世界带来了一系列自然灾害，和一些帮助人类应对这些灾难的新技术。

记者 | 大文

官网 | www.datayuan.cn

微信公众号ID | datayuancn

2017年，全世界各地受极端天气等因素影响，自然灾害对人类造成了巨大的损失。德国慕尼黑保险公司称，2017年，全世界因自然灾害损失高达3300亿美元。这一统计数字仅次于2011年，当年日本发生的的地震和海啸造成了约3540亿美元的损失。

在国内，根据民政部、国家减灾委办公室发布的数据，仅2017年前三季度全国自然灾害就造成全国1.26亿人次受灾，13.9万间房屋倒塌，直接经济损失3147.5亿元。

从台风到森林火灾，2017年为世界带来了一系列自然灾害，和一些帮助人类应对这些灾难的新技术。由于无人机（UAV）和卫星可以从空中获得相关图像，对抗灾难时人类获得了空前多的信息。如何处理这些数据，对救灾救援工作极有价值。

世界银行于2018年1月10日发起了一次人工智能（AI）挑战，以探索在自然灾害发生后如何使用深度学习处理在灾害中获得的有价值的数据。

世界银行同时还宣布了与WeRobotics和OpenAerialMap的合作。WeRobotics是一家位于美国的NGO组织，其口号是“智能机器造福人类”。该组织曾于去年年底提出利用无人机携带数十万只无病毒的雄蚊到疟疾泛滥的灾区，让这些雄蚊同携带病毒疟疾的雌蚊交配并繁衍下一代，去排挤和霸占那些同样携带病毒疟疾雄蚊从而达到减少疟疾蚊子的目的。

OpenAerialMap是NGO组织OpenStreetMap下的独立项目，它秉持着共同参与，开放编辑的理念，收集了各位网友及机构上传的航拍图像、卫星影像，并以 CC BY 4.0 的授权方式供用户查阅或下载某个地点最近的图像和地图信息。

WeRobotics公司创始人帕特里克·梅尔（Patrick Meier）表示，AI挑战重点关注太平洋岛国，这些国家容易受到地震，海啸，台风，火山喷发，山体滑坡和干旱的影响。梅耶尔表示，仅在过去的十年里，台风就造成了包括斐济和萨摩亚群岛在内的数百个岛屿的数百万美元的损失。

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。

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％，因为这些关键的食品生产树木的损失将会影响岛上居民及其灾后的粮食安全。

基于深度学习的影像识别还应该能够评估道路状况，如是否需要维修和铺设道路等。对灾区进行道路评估，可以使救援人员更有效的运送救援物资。

在社交媒体、精准营销和大数据的时代，人们很容易沉迷在商业增长中而忘记AI可以用来帮助更多人。世界银行发起的这一挑战无疑是一个提醒：技术总是用来服务人类的。（文/大文）