带有Flickr和AI的模型为每个区域生成了景观美学质量的整体衡量标准。信用:伊兰拥有一个(照片塞尔吉奥和格雷姆·邱嘉德(CC-by/2.0)衡量一个生态系统的美丽和它为人们带来的福祉可以帮助为公共环境政策提供信息。EPFL和荷兰瓦赫宁根大学的科学家们基于深度学习和数百万张Flickr照片，开发了一种新的生态系统评估建模方法。我们喜欢户外活动的程度——比如在山里徒步旅行、跑步或划船——很大程度上取决于周围生态系统的美丽。例如，包含湛蓝大海的风景，覆盖着黄色和淡紫色的起伏山丘，或者流经岩石层的溪流，对我们的身心健康都有好处。这种幸福感是在生态系统服务评估中检验的因素之一，生态系统服务评估量化了景观对人们福祉的贡献，以便为环境政策提供信息。为了支持这些评估，来自EPFL和瓦赫宁根大学的科学家团队开发了一种新型模型，该模型使用人工智能来整合人们对景观的审美享受。他们的模型——借鉴了Flickr上发布的大约900万张英国风景图片——可以很容易地大规模复制，因为它使用了社交媒体上的可用数据。该模型是第一个包含个人如何在如此大的尺度上欣赏景观的见解，同时保持与当前方法一样的准确性。他们的研究发表在自然杂志《科学报告》上。
为了开发他们的模型，科学家们对从风景或非风景数据库中获得的20多万张英国风景照片训练了一种深度学习算法。这些照片由英国地理上有代表性的数据集组成，通过众包调查，根据它们的美学质量或“风景”进行评级。这种方法使科学家能够将解决个人如何欣赏风景的因素包括在内——这些因素在传统的大规模生态系统评估中是缺失的。研究小组随后在超过900万张Flickr图片上运行了他们基于神经网络的深度学习模型，还将其他基于人工智能的模型集成到他们对风景美景的预测中。最后，他们将他们模型的输出与一个更传统的、基于环境指标的模型的结果进行了比较。
更精确的模型
科学家们将他们的发现汇编在英国地图上，用颜色代码表示景物的层次。两个模型都发现威尔士的斯诺登尼亚国家公园、英格兰的湖区和苏格兰高地是具有特别高的美学价值和幸福感的区域。EPFL环境计算科学和地球观测实验室的副教授德维斯·图亚说:“在5公里的分辨率下，两种模式的结果大致相同。"他们都明确指出伦敦和格拉斯哥等城市地区吸引力较低。"但是在500米的分辨率下，差异出现了，Flickr模型更加精确。例如，传统模型预测大伦敦、里士满公园和希思罗机场是非常风景优美的地区，而Flickr模型更准确地将它们归类为明显不风景的地区。
一种全新的评估环境和人们如何与之互动的方式
由于社交媒体和深度学习的结合，科学家的模型还可以评估人们对景观美学质量的欣赏如何随着时间的推移而变化。在另一项实验中，研究小组观察了英国以美丽著称的自然公园地区，如湖区、威尔士的彭布罗克郡海岸和苏格兰的凯恩戈姆。这个实验让他们能够研究审美因素是如何与季节联系在一起的。例如，“雪”属性与同期的天气报告一致——新模型准确地显示2009-10年的冬天特别多雪。科学家们甚至发现，当人们更有可能参观雪景时，“雪”的流行率在周末左右增加，而“沥青”的流行率在整个周末保持相对稳定。图伊亚说:“这表明，基于社交媒体的数据的使用提供了关于环境状态和人们如何与之互动的信息的组合。"这种信息从未如此准确地获得过。"
瓦赫宁根大学的博士生伊兰·哈文加补充道:“要大规模衡量一个景观的美学质量如何促进人们的福祉并不容易。我们的研究提供了一种基于技术的方法来模拟人们的审美享受，同时纳入了最重要的因素——个人本身。”下一步将是考虑到其他国家的风景和文化有多么不同，看看这种模式是否可以应用到其他国家。科学家将需要找到一种方法，使用本地相关的标准来训练人工智能算法。荷兰、西班牙和其他欧洲国家已经在进行这方面的项目，以支持整个欧洲的环境保护政策。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
