【s10菠菜】世界银行牵头发起“AI数树”挑战竟意在研究人工智能如何指导救灾

s10菠菜app|首页

s10菠菜|深刻的自学已经彻底改变了我们处理和定义现代生活大量数据的方法。 但是,关于人工智能头条新闻的日常宣传集中在人工智能的商业应用上,关于如何重建企业的经营方式。 令人惊讶的是,世界银行与WeRobotics和OpenAerialMap合作发动了新的开放性人工智能挑战,展示了深刻的自学技术在人道主义应用领域的巨大潜力,特别是在根本自然灾害再次发生后重要的几个小时、几天内现代深度自学工具最令人兴奋的应用领域之一是超过利用神经网络检测图像时几年前不可能达到的精度和细节水平。

今天最先进设备的神经系统可以检查成千上万的图像,创建成千上万的类别,根据方位、感情进行分类,在图像的背景中寻找污染和自然灾害的标志,估计灾害等级。 创建新模型越来越容易,就像“点”一样。 但是,自然灾害再次发生后,在涉及受伤和即时生命安全的必要性的情况下,该技术还没有普及。

但是,世界银行新的“对外开放AI挑战:航空照片图像的南太平洋岛”挑战旨在与WeRobotics和OpenAerialMap合作,从世界对外开放研究社区测试新的AI应用,灾区航空照片在发表新的人工智能挑战时,世界银行表示:“在过去十年中,主要旋风对斐济、汤加、瓦努阿图、萨摩亚群岛的数百个岛屿产生了严重的影响,影响了数百万人的生命,导致了数百万美元的损失,这些岛屿受到了地震、海啸、风暴潮、暴风世界自然灾害最少的危险国家前15个国家中有4个是太平洋岛国。 ”。

从卫星图像到飞机、无人机航拍图像,获得俯瞰灾害的能力对于缓慢评价民间基础设施的破坏程度、地下通道的运输状况、优先的救援活动很重要。 一个重要的障碍是可用图像的数量一般很多,但人的能力多,不仅被人的速度拒绝,而且被图像分辨率拒绝。 这一新的人工智能挑战侧重于解决问题,现在主要集中在两个初始区域:从空中图像中识别树木和道路。 世界银行在汤加群岛拍摄了约80平方公里的高分辨率航空影像,让挑战者们开发了机器学习算法,在没有人手的情况下进行了分析。

公告指出,未来机器学习应用于分析和灾害评价。 世界银行根据公告,这些图像还包括四个关心区域(AOI )。 其中三个关心区域复盖面积10平方公里的区域,最后关心区域复盖面积50平方公里的区域。 大小不同的关心区域的影像分辨率为4cm和8cm。

另外,世界银行为近红外线传感器收集了10平方公里的影像。 这些关心区域包括农村和城市地区。 在南太平洋岛屿上,经济作物往往是经济和粮食安全的最重要来源,灾害造成的普遍伤害可能会产生多年的影响。

因此,挑战者们必须在这些影像中使用机器学习算法识别所有的椰树、香蕉树根、木瓜树和芒果树及其方位,正确性最低必须超过80%。 考虑到神经网络的缓慢发展,可以想象这样的算法最终不会在现实中运行,也有可能允许无人机本身飞行中自主调整航向,更详细地描述最严重的破损区域。 第二个任务是从图像中识别道路,确认它们是一条或两条车道,以及它们是铺设的沥青地面还是土路等。 一旦顺利,这样的算法就需要报告不受影响的地区动态道路状况,在紧急部门的协助下,他们需要立即计划救援物资的运输路线,优先进行道路的修复工作。

旋即的将来,这样的人工智能工具也许可以由全自动分流的无人机舰队自动开始灾后地区图像分析,认识灾害级别,生成紧急报告。 这些都在半小时内完成了。

不需要人工干预。 世界上很多问题都要由与技术人员的组织合作,一些良好的合作关系是“可以使世界不同”。

因此,这一新的应用及其潜在的扩张空间表明有望解决未来问题救援的挑战,这非常令人兴奋。|s10菠菜。

本文来源:s10菠菜app-www.taazefish.com