整個(gè)人類似乎發(fā)展地很好：互聯(lián)網(wǎng)經(jīng)濟(jì)、奧林匹克運(yùn)動(dòng)會(huì)、火箭發(fā)射、太空漫游......

然而這樣繁榮的圖景并不是人類的全部，世界上還依然充滿了貧困和戰(zhàn)亂。就像這個(gè)在敘利亞戰(zhàn)亂剛剛遭遇空襲的5歲小男孩Omran Daqneesh，出人意料地安靜、麻木和茫然，不哭不鬧地擦掉自己臉上的血，而誰又知道他經(jīng)歷了怎樣的殘酷！

人們樂于分享幸福與富裕，而戰(zhàn)亂和貧困地區(qū)人的日常和生活水平，我們很難得知。盡管有那么多國(guó)際機(jī)構(gòu)聲稱要去要去幫助，去改變，然而由于無法了解基本信息，很難對(duì)癥下藥。

他們的夜晚連燈光都沒有

長(zhǎng)久以來，研究人員會(huì)有一個(gè)評(píng)估某一地區(qū)的發(fā)展程度的指標(biāo)：夜晚燈光的亮度和密度。但是這個(gè)方法有個(gè)局限，那就是它只能看到亮著的地區(qū)，而對(duì)于那些夜晚的黑暗之地，我們只能判斷它們大致是貧困的，而究竟貧困到什么程度，就不得而知。

“非洲最窮的地方，是我們最關(guān)心的。但在晚上，那里幾乎全部都是黑暗之地?！彼固垢４髮W(xué)的電子工程與計(jì)算機(jī)科學(xué)博士Neal Jean說道。

兩個(gè)村莊，一個(gè)靠近湖邊，一個(gè)靠近森林，在燈光分布圖里都可能是全暗的，但是它們臨近不同的自然資源，富裕程度不一樣。

而且，一般來說，了解一個(gè)地區(qū)的經(jīng)濟(jì)水平，需要進(jìn)行調(diào)研，而這一方法在戰(zhàn)亂和沖突地區(qū)是無法展開的，而恰巧這些地區(qū)就是世上最窮之地。

為什么要知道哪里是最窮的？

國(guó)際組織和當(dāng)?shù)卣疀Q策者最在乎這些數(shù)據(jù)。比如，一個(gè)公益性國(guó)際組織要對(duì)不發(fā)達(dá)地區(qū)進(jìn)行資金援助，資金是有限的，他們就需要確切知道哪些地區(qū)的需求最懇切，所謂“把錢花在刀刃上”。

對(duì)于政策制定者而言，了解本國(guó)個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展?fàn)顩r是一項(xiàng)必須進(jìn)行的工作，因?yàn)檫@樣才能制定出針對(duì)性的發(fā)展方案。但事實(shí)是什么呢？世界銀行數(shù)據(jù)顯示，在2000-20010年的十年時(shí)間里，59個(gè)非洲國(guó)家中，有39個(gè)國(guó)家只進(jìn)行了不到2次的貧困水平調(diào)查。

新的方法：更聰明、更便宜

斯坦福大學(xué)的這撥以Jean為領(lǐng)導(dǎo)的研究人員，他們采取的是現(xiàn)在很流行的卷積神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)算法，所用的數(shù)據(jù)分白天的和晚上的，白天的數(shù)據(jù)來自衛(wèi)星拍攝的地球高清圖像，夜晚的數(shù)據(jù)就是燈光分布圖。

整個(gè)的算法分兩步。第一步叫做“遷移學(xué)習(xí)”（Transfer Learning），研究人員把五個(gè)國(guó)家的白天和夜晚的數(shù)據(jù)“喂給"系統(tǒng)，包括尼日利亞、坦桑尼亞、烏干達(dá)、馬拉維、盧旺達(dá)這五個(gè)非洲國(guó)家。計(jì)算機(jī)需要學(xué)習(xí)衛(wèi)星照片上的物體與夜晚燈光亮度的關(guān)系。

比如系統(tǒng)可以學(xué)習(xí)到：一片湖區(qū)和一片森林，他們?cè)谕砩蠎?yīng)當(dāng)是黑暗的，這與該地區(qū)是否貧困并無關(guān)聯(lián)；但是，一個(gè)房屋聚集的村莊，理應(yīng)夜晚亮度比較高，如果這片區(qū)域是黑暗的，那么極有可能就是貧困地區(qū)。

通過這樣的學(xué)習(xí)，系統(tǒng)將貧困地區(qū)的數(shù)據(jù)都提取出來。接下來，就進(jìn)行第二步，叫做“嶺回歸模型”（Ridge Regression Model）。研究人員將經(jīng)過真實(shí)調(diào)查的數(shù)據(jù)指標(biāo)再次“喂給”系統(tǒng)，比如世界銀行生活水平測(cè)量研究等。

這次，系統(tǒng)會(huì)把未經(jīng)過調(diào)查統(tǒng)計(jì)的地區(qū)的大致貧困程度預(yù)測(cè)出來。比如，系統(tǒng)已經(jīng)知道一個(gè)10戶房屋的村莊A的夜晚大致燈光亮度，而調(diào)查報(bào)告里有一個(gè)與A村地理位置相近，而且燈光亮度相似的10戶村莊B的信息，報(bào)告顯示B村的家庭收入水平是1.9美元/天。那么系統(tǒng)通過交叉對(duì)比，就可以判斷出A村與B村有著相似的經(jīng)濟(jì)水平。

這個(gè)分兩步走的算法系統(tǒng)比單一的依靠燈光預(yù)測(cè)的方法更為準(zhǔn)確，在具體的實(shí)驗(yàn)里，其準(zhǔn)確率達(dá)到81%-99%。

另外，由于該系統(tǒng)使用的數(shù)據(jù)都是來自公共機(jī)構(gòu)，比如衛(wèi)星圖像和燈光分布圖就是來自NASA，而調(diào)查報(bào)告來自于美國(guó)政府和國(guó)際組織，所以整個(gè)系統(tǒng)的花費(fèi)并不昂貴，可供有需要的公眾和機(jī)構(gòu)免費(fèi)使用。

Jean表示，系統(tǒng)目前數(shù)據(jù)只是來自非洲的五個(gè)國(guó)家，下一步的工作就是用其他國(guó)家的數(shù)據(jù)來訓(xùn)練，以繪制出全球貧困地圖，幫助政府和機(jī)構(gòu)更好地減輕世界貧困。

Via Spectrum 

延伸閱讀：

你所使用的手機(jī)，可能沾滿了來自非洲勞工的鮮血

計(jì)算機(jī)系統(tǒng)里的偏見和歧視：除了殺死，還有其他方法

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。