世界銀行發起AI救災挑戰賽

世界銀行與WeRobotics和OpenAerialMap合作發起了一項新的開放人工智慧挑戰，展示了深度學習對人道主義應用的巨大潛力，尤其是在重大自然災害發生後，人工智慧如何指導救災。

深度學習已經徹底改變了我們如何處理巨大資料流的方式，這類資料流定義了現代生活。但是，人工智慧新聞的常規重點往往集中於人工智慧的商業應用及其如何重塑公司開展業務的方式。世界銀行與WeRobotics和OpenAerialMap合作發起了一項新的開放人工智慧挑戰，展示了深度學習對人道主義應用的巨大潛力，尤其是在重大自然災害發生後，人工智慧如何指導救災。該專案令人耳目一新。

現代深度學習工具的最激動人心的應用領域之一是利用神經網路檢查影像，實現了幾年前無法達到的準確度和詳細水平。當前最先進的神經系統能檢查數千萬張影像，將其分為上萬種類別，估計影像的拍攝位置、所反應的情緒、尋找背景中的汙染和自然災害破壞情況，甚至估計影像所呈現的“暴力”水平，同時，構建新模型逐漸實現點選式，變得越來越便捷了。

但是，如果要在自然災害後分類鑑定破壞情況及直接生命安全需求，這類技術還沒有成為常規之選。歡迎加入世界銀行與WeRobotics和OpenAerialMap合作發起的新挑戰“開放人工智慧挑戰：南太平洋島嶼的航空影像”。該挑戰旨在從全球開放研究圈獲得新的人工智慧方法，可擴充套件的快速處理實時災害區域影像，為急救隊和援助機構提供關鍵的評價和規劃資訊。

隨著這一新的人工智慧挑戰宣佈開始，“在過去10年中，大型颶風嚴重影響了數百個島嶼，包括斐濟、湯加、萬那杜和薩摩亞，帶走了上百萬人的生命並造成數百萬美元的損失”。這些島嶼面臨著各種威脅，包括“地震、海嘯、風暴潮、火山爆發、滑坡和乾旱”，而且，世界銀行發現，“全球前15個自然災害風險最高的國家中有四個國家都是太平洋島嶼國家”。

從衛星影像到飛機和無人機航拍影像，獲取災害鳥瞰圖的能力至關重要，能迅速地分類鑑定人員傷害和基礎設施受損等級以及運輸通道的情況，決定救援工作的優先順序。主要困難是可用的影像數量通常遠遠超過了人類能力，無法在限定時間內按照所需解析度來完全評估這些影像。

為克服這一困難，新的人工智慧挑戰聚焦兩大領域：在航拍影像中鑑定樹木和道路。

在南太平洋島嶼，食品樹木通常是當地重要的經濟來源和食品安全保障。如果災害對這類樹木造成大範圍破壞，將會產生長期影響。因此，該挑戰的第一個任務是構建影像分類器，輸入一張航拍影像，輸出註釋層，鑑定出影像中的所有椰子樹、香蕉樹、木瓜樹、和芒果樹，和它們的位置，準確率至少為80%。在生產場景中，我們可以想到，能夠通過比較前後實時影像得到受損樹木的精確數目以及受損的具體樹木種類。鑑於神經網路技術取得了快速進步，我們甚至能夠想象出這類演算法最終實時執行，也許能在飛行的無人機上執行，使得無人機可以自動地調整航線，更詳細地對受災最重區域成像。

第二個任務圍繞著從影像中鑑別道路，確定是單車道還是雙車道、是硬化公路還是土路。這類演算法最終部署到現場，可以給救援決策者提供受災地區接近實時的路況報告，便於他們立即規劃救援交通線路，對道路重建工作進行優先排序。

也許在不久的未來，這種人工智慧工具可能實現全自主分類鑑定——災害發生後，一隊無人機自動起飛，對整個區域成像，確定受損等級，為決策者生成報告。所有動作都在災害結束後30分鐘內完成，無需人為干預。我多次寫到需要技術專家和開發救援組織通力合作，應對全球的大挑戰，良好的合作伙伴關係可以“改變世界，讓世界變得與眾不同”。因此，這一新挑戰讓我尤為振奮，希望它能創造未來，讓開放資料競賽能為世界上最嚴峻挑戰的救援和發展提供一些解決辦法。

總而言之，這一新專案如此令人激動，不僅僅在於其聚焦將深度學習用於人道主義目的，還在於它代表的模型——圍繞深度學習的目的匯聚不同專業團隊（本例中為世界銀行、WeRobotics和OpenAerialMap），提高災害響應，零成本提供資料集，促進發展，同時也是對人工智慧圈的激動人心的號召，因為這既是個有趣的研究問題，也對人類的生命和生活有著真實世界的影響。