深度學習已經徹底改變了我們處理、定義現代生活的大量資料的方式。
然而， 關於人工智慧頭條新聞的日常宣傳往往集中在人工智慧的商業應用上，
令人振奮的是， 世界銀行與WeRobotics和OpenAerialMap合作發起了一項新的開放性人工智慧挑戰， 它展示了深度學習技術在人道主義應用領域的巨大潛力， 尤其是在重大自然災害發生後的關鍵性的幾小時、幾天內。
現代深度學習工具最令人興奮的應用領域之一， 就是利用神經網路， 在檢測圖像時達到幾年前不可能的精確度和細節水準。
今天最先進的神經系統可以檢查成千上萬的圖像,編制成成千上萬的類別,根據位置、情感來分類， 可以在圖像背景中尋找污染和自然災害的標誌,甚至估計受災水準。 建立新模型正日益變得“即指即點”一樣簡單。
然而， 在自然災害發生後，
但世界銀行的新“開放AI挑戰:航拍圖像的南太平洋島嶼”挑戰與WeRobotics和OpenAerialMap合作,旨在從全球的開放研究社區裡測試新的AI應用， 可以快速、伸縮性高地從災區的航拍圖像中即時評估， 為應急部門人員調動和規劃提供幫助。
在公佈新的人工智慧挑戰時， 世界銀行指出， “在過去的10年裡， 主要氣旋嚴重影響了斐濟、東加、瓦努阿圖和薩摩亞群島的數百個島嶼， 影響數百萬人的生命,造成數百萬美元的損失,這些島嶼正面臨一系列的威脅包括地震、海嘯、風暴潮、火山爆發、山體滑坡和乾旱。 全球自然災害最高危國家的前15名中就有四個是太平洋島國。 ”
從衛星圖像到飛機、無人機航拍圖像，
一個關鍵的障礙是， 可用圖像的數量通常很多， 遠遠超過了人類的能力， 不僅人類的速度有所不及， 對圖像解析度也有要求。
這一新的人工智慧挑戰著眼於解決這一問題， 目前主要集中在兩個初始領域:從空中圖像中識別出樹木和道路。
世界銀行在東加群島拍攝了大約80平方公里的高解析度航空影像， 並將這些影像提供給挑戰者們開發機器學習演算法， 在沒有人工協助的情況下分析這些圖像。 根據公告， 未來機器學習將被應用於分析和災害評估。
世界銀行在公告中表示， 這些圖像包括四個興趣區(AOI)。
在南太平洋島嶼， 經濟作物往往是經濟和糧食安全的重要來源， 而災害對它們的廣泛損害可能造成長期影響。
因此， 挑戰者們需要在這些影像中利用機器學習演算法識別所有椰子樹， 香蕉樹， 木瓜樹和芒果樹及其位置， 準確性至少達到80%。
考慮到神經網路的快速發展， 人們甚至可以想像這樣的演算法最終會在現實中運行， 甚至可能是在無人機本身的飛行中， 允許它自主地調整航向， 以更詳細地描繪最嚴重受損的區域。
第二項任務是從圖像中辨認道路， 並確定它們是一條還是兩條車道， 以及它們是鋪設的瀝青地面還是土路等等。
一旦成功， 這樣的演算法可以報告受影響地區的即時路況， 為應急部門提供幫助， 使他們能夠立即規劃救援物資運輸路線， 並優先考慮道路重建工作。
也許在不久的將來這樣的人工智慧工具可以讓全自動分流的無人機艦隊自動啟動災後區域圖像分析， 識別受災水準並產生應急報告， 這一切都在30分鐘內完成， 不需要任何人工干預。
世界上的許多問題都需要技術人員和組織共同合作， 一些好的合作關係可以“使世界變得不同”。
因此， 這一新應用及其潛在拓展空間， 顯示出了未來解決救災挑戰的希望， 這是非常令人興奮的。
這是非常令人興奮的。