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)濟狀況。

　　研究人員讓計算機學(xué)習(xí)分析白天、夜間的衛(wèi)星圖像以及實地調(diào)查數(shù)據(jù)。

　　通過夜間燈光衛(wèi)星圖，我們很容易判斷某個國家或地區(qū)的財富。不過，夜間燈光衛(wèi)星圖無法告訴我們，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施經(jīng)濟發(fā)展計劃中最需要的信息。

為了解決這個難題，美國斯坦福大學(xué)最近開發(fā)出一種計算機學(xué)習(xí)算法，讓計算機學(xué)習(xí)分析白天、夜間的衛(wèi)星圖片以及實地調(diào)查數(shù)據(jù)，精確地判斷出某個地區(qū)的家庭消費與資產(chǎn)財富。（靈犀）

據(jù)《科學(xué)》期刊報道，在一些數(shù)據(jù)難以收集或不公開的區(qū)域，國際組織將利用一個更高效的系統(tǒng)來判斷這些地區(qū)的貧窮程度。

這個復(fù)雜的系統(tǒng)由美國斯坦福大學(xué)開發(fā)，研究人員創(chuàng)建了一個機器學(xué)習(xí)運算系統(tǒng)，讓計算機學(xué)習(xí)偵查數(shù)百萬幅衛(wèi)星圖像中可識別的貧困跡象（如道路或房屋），從而準(zhǔn)確識別出一些非洲國家的經(jīng)濟狀況。“在過去，我們通過家庭調(diào)查來收集貧困信息，如今我們可以用數(shù)據(jù)來指導(dǎo)我們的扶貧行動，”斯坦福大學(xué)研究員瑪莎·伯克說，“而且，在往常難以收集數(shù)據(jù)的地區(qū)，這個系統(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)第一個十年里，59個非洲國家中只有39個開展過貧困調(diào)查，而且均不多于兩次；還有14個國家從未開展過任何調(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>

計算機自主學(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發(fā)程度較高。世界銀行先前也用“夜間燈光”地圖來測量非洲各地區(qū)的貧富情況。不過，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，而富人會選擇住在人口稀少的區(qū)域”。

因此，吉恩的團隊開發(fā)了一種比現(xiàn)有方法能更準(zhǔn)確判斷貧窮與否的機器學(xué)習(xí)運算。首先，他們將谷歌的白天衛(wèi)星照片、從美國國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地調(diào)查數(shù)據(jù)輸入電腦。實地調(diào)查數(shù)據(jù)包括家庭消費支出與汽車、電視機等資產(chǎn)財富。

接著，吉恩用“移轉(zhuǎn)學(xué)習(xí)法”訓(xùn)練計算機運算：先分析道路和屋頂?shù)刃畔⒏黠@的白天衛(wèi)星照片，計算機會自動繪制道路、城市、水道、農(nóng)地分布，根據(jù)這些信息來初步判斷該地區(qū)的經(jīng)濟情況；接著，計算機將結(jié)合夜間衛(wèi)星數(shù)據(jù)，進一步判斷該地區(qū)的貧困程度；緊接著，計算機將消化實地調(diào)查數(shù)據(jù)，和之前的調(diào)查結(jié)果對照核實，比如汽車較多的地方可能就是實地調(diào)查中家庭收入更高的地方；最后，計算機將綜合所有資料，配合地圖作出預(yù)測，補足數(shù)據(jù)漏洞。

“只要向計算機提供足夠多的數(shù)據(jù)，計算機就會找出我們想要的東西，”吉恩說，“我們擁有海量的衛(wèi)星圖，需要做的就是讓計算機學(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)費和時間

此前也有科學(xué)家通過數(shù)據(jù)分析的方式來判斷某地區(qū)是否貧困。加州大學(xué)伯克利分校的數(shù)據(jù)科學(xué)家約書亞·布拉門斯托克就曾和世界銀行合作，通過分析盧旺達等國家居民的手機呼叫模式，判斷貧困社區(qū)中多少居民有工作?？偛课挥诩~約的一家非營利機構(gòu)也通過礦業(yè)衛(wèi)星圖像來決定誰更應(yīng)該拿到捐款，他們在研究中發(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，斯坦福團隊的算法更全面。第一，他們使用的都是公開的數(shù)據(jù)，不需要再花費成本收集；第二，他們對一個地區(qū)是否處于貧困的判斷并非單單基于計算機算法從白天的衛(wèi)星照片中辨別出的一兩個貧困元素?！跋鄬τ诎ぜ野舻剡M行田野調(diào)查，這個系統(tǒng)將有效地節(jié)省調(diào)查時間和經(jīng)費，”布拉門斯托克說，“而相對于完全依靠夜間衛(wèi)星圖片或手機數(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際機構(gòu)的援助方向，決定在哪些地區(qū)建設(shè)道路或醫(yī)院。從更深遠的層面上說，該計算機算法還能幫助國際機構(gòu)在未來追蹤扶貧舉措是否達到效果。

判斷準(zhǔn)確率超過50%

迄今為止，在評估某些地區(qū)的家庭消費與資產(chǎn)財富時，這種計算機算法的準(zhǔn)確率已經(jīng)超過50%。研究人員目前正在分析尼日利亞、坦桑尼亞、烏干達、盧旺達和馬拉維等5個國家的貧困程度，他們希望之后將評估范圍擴大到撒哈拉以南的非洲地區(qū)，甚至所有的欠發(fā)達國家。

不過，這種計算機算法在被使用前還需要進一步提升。接下來，吉恩的團隊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。

吉恩的團隊還將著眼于某些區(qū)域過去的衛(wèi)星圖像，讓計算機學(xué)習(xí)預(yù)測該區(qū)域未來經(jīng)濟可能的發(fā)展情況?！叭绻幸惶煳覀兡苡糜嬎銠C算法為這個世界建立一個模型，那就太酷了?！奔髡f。