“天气预报不准”的超级难题,即将被 AI 高精度

河北龙网科技频道 - 文章原标题:“天气预报不准”的超级难题,即将被 AI 高精度卫星影像解决

编者按:洪水、飓风等每年都会给人类带来惨重的自然灾难。之所以会造成如此惨重的损失,是因为未能提前预警。为什么不能提前预警?是因为缺乏最新的高精度的地图。如何才能获得这样的地图?这需要卫星影像。但是上万亿像素的高精度卫星影像绝非人力所能处理,这就需要AI的协助了。《连线》杂志为我们揭秘人工智能如何帮助建立地球健康状况的准实时预警器。


“天气预报不准”的超级难题,即将被 AI 高精度

“天气预报不准”的超级难题,即将被 AI 高精度卫星影像解决//河北龙网 http://www.hebeilong.com

今年5月27日,一场大暴雨在不到3小时内将超过150毫米的雨水倾注到美国马里兰州埃利科特城。暴雨导致1人死亡,并将主街道变成了看起来就像是5级急流的地方,汽车则像橡皮鸭一样上下翻滚。美国国家气象局将这样的暴雨发生概率定为千年一遇。可是,Jeff Allenby说:“这已经是过去3年的第二次了。”Jeff是环境团体Chesapeake Conservancy的保护技术主任。

对于坐落在两条之流汇成帕塔普斯科河之地的埃利科特城来说,洪水并不是什么新鲜事物。但是Allenby说洪水正变得更加糟糕,因为蔓延到了曾经作为“森林的自然海绵”的铺设路面、屋顶以及草地。在5.27洪水前几天,美国国土安全部刚把埃利科特城(2016年发生过一次洪水)选为为居民提供更好的洪水预警信息的试点城市,手段是自动传感器。

最近,Allenby开发了另一项工具来帮助预测未来洪水并做好计划和准备:这是同类第一个张高分辨率地图,地图覆盖面积达10万平方英里,涵括了从纽约北部到弗吉尼亚南部流入切萨皮克湾的大片区域,上面展示了地面的建筑物、人行道、树木以及草地情况。这幅地图是在人工智能的帮助下通过航空影像生成的,可现实小至3平方英尺的物体,其精度大概是防洪人士之前使用地图精度的1000倍。这种差别有多大呢?不妨想象一下利用只能显示沃尔玛大小物体的地图在拥挤的城市去识别一位Uber司机。

创建这幅地图用掉了1年的时间以及350万美元,这还得到了微软和佛蒙特大学的帮助。Allenby的团队则专注于航空影像、道路地图以及对图表进行分区建立规则、对对象进行分类,并且清理错误。Allenby说:“一旦我们完成了第一份数据集,每个人都开始询问‘你们打算什么时候再做一次?’”以便保持地图的及时性。

说到AI。微软帮助Allenby的团队训练其AI for Earth算法来自行识别对象。哪怕有了一个健壮的数据集,训练算法也并非易事。这需要定期的“像素偷窥”——人工对对象进行放大来验证和改进自动化结果。每一遍算法都会改进其识别水道、树木、田地、道路以及建筑的能力。当相关新数据到手时,Chesapeake Conservancy打算用它的AI去刷新地图,跟一开始的劳动密集型需要耗费数百万美元的做法相比,前者更新频率更快也更容易。

现在,微软正在扩大工具的开放范围。只需42美元,任何人就可以在10分钟内在微软的AI for Earth平台跑2亿张航空影像并生成一幅整个美国的高分辨率土地覆盖地图。如果算法没有根据当地情况进行过训练的话,在其他地方的结果不会有那么精确。


“天气预报不准”的超级难题,即将被 AI 高精度

“天气预报不准”的超级难题,即将被 AI 高精度卫星影像解决//河北龙网 http://www.hebeilong.com

埃利科特城周围的地图使用情况地图,有AI帮助下做出来的地图(左)要比之前详细得多(右)。

对于一个痴迷于定位和地图服务(用数字化的方式每天展示物理世界)的社会来说——这项成就也许算不上突破。不过直到最近,不管是高分辨率数据还是AI智能都还不存在来使得此类环境用途的地图具备成本效应,尤其是对于非盈利的保护组织来说。有了微软的东西之后,AI就能大范围地成为日用品了。

Allenby说,对于设计洪水管理系统来说,最新的详细信息是至高无上的。“看看这些有了AI支持的系统,现在可以开始显示某个流域何时”更有可能发生洪水了。The Center for Watershed Protection(流域保护中心)是设在埃利科特城的一个非盈利组织,它在2001年的一项研究中报告说当10%的天然土地被开发后,河流的生态健康就会下降并且开始失去管理流量的能力。如果开发度超过20%,相对于未开发的地方,水流量会翻番。Allenby指出,近年来埃利科特城的铺设路面和屋顶的覆盖率已经达到了19%。

Allenby说更加详细的地图可以帮助规划者跟踪土地利用的变化,设计排水系统来容纳更多雨水。最终,这份地图将会提供“实况仪表盘”以及自动告警,当新开发威胁到雨水管理能力时可作为告警系统。华盛顿特区的Urban Forestry Administration(城市林业管理)已经利用这份地图来确定在哪里植树,方法是搜索积水而没有树木覆盖的区域。今年早些时候,Chesapeake Conservancy开始跟爱荷华州与亚利桑那州的保护团体合作,一起开发训练集,让算法适应这些地区地貌。

高分辨率的影像与传感技术、AI以及云计算的结合使得环保人员能够更加深入地了解地球的健康情况。其结果是一个有关地球生命体征的近乎实时的读出器,只要这位境况不佳的病人出现病情恶化情况就发出警告。

其他人则这些技术应用到全世界。Global Forest Watch(GFW),一个由世界资源研究所(World Resources Institute)设立的保护项目,2016年开始提供森林砍伐情况的月报与周报,这得到了马里兰大学开发的AI算法的支持。按照该组织网站的说法,算法会分析卫星影像,通过刷新来检测“可能预示即将发生森林砍伐的模式”。志愿者和护林员则利用GFW的移动app “Forest Watcher”去到类似印尼的勒塞尔系统(自称为为“全球最后一块猩猩、犀牛、大象以及老虎在野生环境共存的地方”)这样的地方去验证这些自动化的告警。

这种新的保护方式还被推广到海洋。6月4日,Paul Allen Philanthropies(保罗·艾伦慈善基金会)披露了跟卡内基科学研究所、昆士兰大学、夏威夷海洋生物研究所以及私人微型公司Planet合作的一项计划,其目标是到2020年将全球所有的珊瑚礁都绘制出来。Planet副总裁Andrew Zolli解释称:这是有史以来第一次“新工具被运用到地球层面来解决这个问题。”

到了2017年底,Planet已经部署了近200颗人造卫星,形成了紧紧围绕地球的一条项链,可以每天以3米的分辨率拍摄整个地球的影像。这相当于每天落下的数万亿颗像素雨,如果没有受训来解析它们的AI算法的话,这些信息永远也无法转化为有用的地图。这项合作关系利用了卡内基研究所的计算机视觉工具以及昆士兰大学掌握的有关当地情况的数据,包括珊瑚、藻类、沙地以及岩石等。

卡内基大学社会生态学系的科学家Greg Asner说:“今天,我们对全球漂白现象(即珊瑚礁大面积死亡)的地理情况、发生速度以及频率都一无所知。”基于已知的知识,科学家预计,到2050年为25%海洋生物提供养分的全球珊瑚礁超过90%灭绝。奥萝艾伦慈善基金会的Lauren Kickham预计这项合作关系将会为全球的珊瑚礁危机提供清晰视角,并且让科学家每天都能跟踪它们的健康状况。

在另一个独立的珊瑚礁项目中(也是跟Planet和卡内基研究所合作的),大自然保护协会(The Nature Conservancy) 利用了卡内基的计算机视觉AI制作加勒比海域高分辨率的浅水地图。大自然保护协会加勒比珊瑚礁项目的负责人Luis Solorzano说:“通过学习这些系统是如何生活以及如何适应,也许我们就会把它们带回来,可能不是我们这一代,而是下一代人可以实现这一点。”

地图服务保护来说几乎算不上新东西。多年来地理信息系统一直是环境保护工具包里面的常用工具之一,通过提供交互式地图来促进环境监控,监管执法以及保护规划。但是地图服务的好坏要完全取决于底层数据的好坏,而后者往往是难以获取和维护的。因此,许多环境保护人员被迫求助于免费的版本,比如美国地址调查局提供的30米精度的影像。

埃利科特城和切萨皮克湾水域说明了应对气候变化以及人类活动影响的挑战。自从1950年代以来,该湾区的牡蛎礁就减少了超过80%。1970年代,生物学家在切萨皮克湾发现了第一个海洋死区。1990年代蓝蟹数量出现急剧下降。自1895年以来海平面上涨了超过一英尺,并且根据2017年美国国家海洋与大气管理局(NOAA)的一份报告,到本世纪末海平面最高可能还会上涨6英尺。

2012年,当科技公司提供援助,同意探索利用技术来为环境保护提供信息的方式时,Allenby加入了Chesapeake Conservancy。Allenby寻找办法去应用技术来帮助像埃利科特城那些土地管理者来改进过时的30米精度影像,就连FEMA(美国联邦应急管理局)也还在用这样的地图来进行防洪计划和准备。

2015年,Allenby联系到佛蒙特大学,那里有制作国家级的高精度土地覆盖地图的知名专家,为一个更大的项目寻找合作伙伴。2016年,他们从联邦和地方政府以及非盈利组织组成的财团那里筹集到了资金。这长达一年多努力包括从航空影像、公路线路图以及分区图等不同来源处调查数据。当数据集汇总到一起之后,Conservancy的一位董事会成员把Allenby介绍给了微软,而后者正在热切地希望证明其AI和云计算能够用来支持环境保护。

负责AI for Earth的微软首席环境科学家Lucas Joppa说:“看到我们的能力以及我们这个星球健康状况的基本信息的理解之少是很令人沮丧的。而看到那些站在解决比如环境可持续性这样的社会问题第一线的个人,他们往往处在手上可利用技术资源最少的组织里面这一点同样令人沮丧。”

不过,终极问题是,这些AI驱动土地覆盖地图提供的调查分析能不能及时出现来帮助至于人类导致的问题。

原文链接:https://www.wired.com/story/how-artificial-intelligence-could-prevent-natural-disasters/

编译组出品。编辑:郝鹏程。返回搜狐,查看更多

责任编辑: