宾夕法尼亚州立大学蒂姆·施利 在“深度数据库”中，谷歌地球图像被用来识别世界各地过去由降雨引发的滑坡事件
信用:沈多尺度水文、过程与智能集团 在2019年的人工智能影响挑战中，谷歌问世界各地的非营利组织、社会企业和研究机构，“你会如何利用人工智能来造福社会？” “我们有一个寻找这样一个机会的好主意，”宾夕法尼亚州立大学土木与环境工程副教授、“深度实验室”首席研究员彭超·沈说，“深度实验室”是谷歌去年在挑战中资助的20个项目之一
“降雨诱发的山体滑坡对居住在山区的人来说是一个巨大的风险，我们认为有可能使用人工智能来更好地预测它们
" 根据美国地质调查局(USGS)的数据，在世界范围内，山体滑坡导致数千人死亡和受伤，每年耗费数十亿美元
其中最常见的是由降雨引发的，通常会转化为快速移动的泥石流，如2018年加州蒙特西托泥石流
但沈说，许多这样的事件也没有被报道，这使得研究和最终预测它们的努力变得复杂
“大部分信息来自新闻报道，还有很多遗漏的事件，”沈说
“为了更好地预测滑坡，我们需要从一个好的滑坡数据库开始
" 沈指出，有了谷歌地球的卫星图像，过去的滑坡可以从太空中识别出来
然而，只找到一个——远远少于填充一个综合数据库所需的数千个——需要整个团队来搜索图像，寻找过去事件的证据
除非你有AI
“我们工作的第一个目标是产生一种人工智能方法，从卫星图像中识别这些事件，”沈说
“一旦人工智能经过训练——当它能够确定什么是滑坡，什么不是——我们就可以把它应用到一个非常大的区域，它会自动找到有可疑事件的地方
" 在项目开始时，美国地质勘探局向沈和宾夕法尼亚州立大学土木与环境工程副教授以及计算机科学教授丹尼尔·基弗提供了一个已知降雨诱发滑坡的初始数据集
在谷歌地球上找到这些事件后，他们用卫星图像作为训练样本，进行了一个名为“监督学习”的过程
" 副教授申说，过去的滑坡事件可以找到仅仅使用一个卫星图像
然而，同时具有“之前”和“之后”图像增加了识别的准确性
信用:沈多尺度水文、过程与智能集团 “这基本上是物体识别，”沈说
“通过观察卫星图像，你会感觉到可能发生了一个事件，因为场景发生了戏剧性的变化
大多数视觉线索来自植物
" 随着时间的推移，人工智能开始识别它可以用来识别滑坡的线索，但它也需要发现与其他事件的差异
扰动的形状可能表明发生了滑坡，但也可能是由野火、挖掘出的矿井或被拆毁的建筑造成的
“它必须能够区分真正的信号和噪音，”沈说
“什么是降雨诱发的滑坡，什么不是？” 经过一年的训练，沈说这个模型现在97%的时候都是正确识别滑坡的，但是他强调还需要更多的训练例子
研究人员建立了一个网站，人们可以上传自己的谷歌地球图像来帮助训练模型
“如果滑坡的航空图像不是来自我们一直关注的地区，他们可以帮助我们纠正它，”沈说
“我们拥有的数据越多，模型就越精确
" 根据沈的说法，数据库的精确程度是“deepLDB”与众不同的地方，它允许他们开始进入项目的第二个目标:预测
“第二步是使用人工智能将数据库中的事件与降雨量和其他当地条件联系起来，试图预测接下来会发生什么，”沈说
“这个项目的新颖之处在于我们有非常高的空间精确度，这意味着我们知道这些事件的确切位置
有了这种精确度，我们可以用其他数据集(如土壤质地和海拔)覆盖这些事件，并找出为什么它发生在一个地区而不是另一个地区的一些根本原因
或者为什么是昨天而不是前一天
" 他补充说，预测模型的工作刚刚开始，他们已经与谷歌人工智能专家合作，寻找在不断增长的数据库中寻找模式来构建人工智能的最佳方法
“我在谷歌和他们的慈善组织谷歌共事过的人
真的想在世界上创造一些积极的影响，”沈说
“希望我们能够通过这种努力拯救生命
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
