深度學習已經徹底改變了我們對現代生活中大量數據的處理方式。然而，新聞媒體對於AI的報道往往集中在人工智能的商業應用以及如何重塑企業業務層面。如今令人耳目一新的成果終於出現--世界銀行與WeRobotics以及OpenAerialMaap正合作啓動一項新的公開AI挑戰賽，旨在發掘嘗試學習在人道主義應用領域的巨大潛力--特別是在應對重大自然災害層面。
現代深度學習工具當中，最令人興奮的應用領域之一正是利用神經網絡以前所未有的精度對圖像進行識別。如今，最先進的神經系統能夠檢查數以億計的圖像，根據內容將其劃分爲數萬種類別，同時評估其位置、情感、污染以及自然災害等背景，甚至識別出其中所噸出的"暴力"水平。除此之外，新模型的創建也變得愈發簡單易行。
然而在自然災害發生之後，對隨之而來的危害以及生命安全保障需求進行分類等工作還沒有得到人工智能技術的加持。通過與WeRobotics以及OpenAerialMap開展合作，世界銀行啓動了新的《公開AI挑戰賽：南太平洋島嶼航拍影像》活動，旨在立足全球開放研究社區汲取新的人工智能方法，從而以快速且可擴展的方式處理災區航拍影像，並藉此實時向救援人員及救援機構提供重要的評估與規劃性指導。
正如此次AI挑戰賽公告中所言，"過去十年以來，非洲、湯加、瓦努阿圖以及薩摩亞的數百個島嶼不斷遭受龍捲風侵襲，導致數百萬人面臨生命威脅，並帶來高昂的經濟損失。"這些島嶼面臨着包括地震、海嘯、颶風、火山噴發、山體滑坡以及乾旱在內的各類自然災害的威脅。而世界銀行方面指出，"在全球自然災害程度最爲嚴重的15個國家當中，有4個屬於太平洋島國。"
從衛星圖像到無人機航拍照片，獲取鳥瞰全景的能力對於迅速分辨民用與態度損壞程度、瞭解運輸走廊狀況以及判斷救援工作優先級序列無疑至關重要。但其中的一大關鍵性障礙在於，可用圖像的數量往往遠遠超過人類在必要時間週期與分辨率條件下全面評估所有圖像的能力。
而此次AI挑戰賽的目標，正是爲了解決這一難題。其將初始關注重點集中在兩個方面：在航拍圖像當中分辨出樹木與道路。
果樹長期作爲南太平洋島嶼中重要的經濟與糧食來源，而災害對其造成的廣泛損害可能會產生長期影響。因此，本次挑戰賽的第一項任務即爲構建一套圖像分類器，負責獲取一張航拍圖像並返回一個註釋層，且其中至少要以80%的準確率識別出照片中所有椰子樹、香蕉樹、木瓜樹以及芒果樹的位置。在生產場景中，我們可以藉此實時比較災害發生前與發生後的圖像，從而精確判斷樹木損失數量以及特定樹種的受損情況。鑑於移動設備在神經網絡資源執行方面的快速發展，我們甚至可以想象這種算法最終將能夠以實時方式在無人機內置的處理資源上運行，從而指引其自動導航至受損最嚴重的區域並進行圖像拍攝。
第二項任務則要求從圖像中識別道路，並確定其屬於單車道、雙車道鋪天蓋地路面，抑或普通土路。在最終被部署在現場之後，這種算法將能夠爲災區提供近實時道路狀況報告，從而幫助援救人員快速規劃援助運輸路線，並優先組織重要道路的重建工作。
也許在不久的未來，這類人工智能工具將能夠實現完全自主的分類能力。在這種分類工作當中，救援機構將能夠在災難發生後自動啓動一組無人機，對整個受災區域進行拍攝，識別破壞程度併爲規劃人員提供報告--全部工作都將在災害結束後的30分鐘內完成，且無需任何人爲干預。我曾在多篇文章當中提到技術專家與援助組織共同合作以應對世界面臨的各類巨大挑戰，而這種良好的合作伙伴關係將"給世界帶來翻天覆地的變化"。因此，在聽聞這一全新挑戰活動時，我誠摯希望其能夠爲解決援助以及發展層面的一系列最爲棘手的難題帶來答案。瀋陽胃腸醫院:http://jbk.39.net/yiyuanzaixian/ezamyy/
綜合來看，這一新舉措之所以如此令人興奮，不僅因爲其將深度學習用於人道主義用途，同時亦代表着不同專業知識團體(本案例中爲世界銀行、WeRobotics以及OpenAerialMap)團結起來共同利用深度學習技術改善災害響應能力，爲後續研究工作提供免費數據集，亦面向人工智能技術社區發出激動人心的呼籲。毫無疑問，這既是一個有趣的研究問題，也將給我們的日常生活帶來切實影響。