通过AI、卫星图像与无人机,绘制全球污染趋势图 - 科技行者

数字世界中,最引人注目的主题之一,无疑在于如何将数据浪潮、计算能力以及AI技术完美融合,从而实现更为宏大的社会利益。虽然当前围绕这一主题的多数对话都侧重于商业利润,但这些技术确实存在巨大潜力,能够重塑我们理解世界的方式、并为整个人类社会带来积极变化:从绘制全球渔业船队去向,到为不断变化的森林建立图表等等。

如果我们能够将数据、计算与AI技术的结合应用于全球污染,特别是非法垃圾倾倒领域,结果会怎么样?

四年前,笔者与Let’s Do It基金会的Kadi Kenk进行过交流。该基金会旨在“联系并赋能全世界的人们,组织大家改善整个星球的浪费问题。”目前,已经有来自113个国家的1500万志愿者开始清理位于世界各地的垃圾非法倾倒场。该组织的核心使命在于,不断绘制出全球范围内未授权垃圾倾倒场所的位置图,而这项工作原本只能依靠志愿者手动完成。

关于增强民众对垃圾倾倒范围的贡献能力,一大重要思路在于,利用《精灵宝可梦Go!(Pokémon Go)》等高人气增强现实游戏,将地图绘制平台交付至每一位参与者手中。

简单而言,游戏开发者也许能够在自己的应用程序中添加一个通用型按钮,允许用户借此在游戏过程报告他们在真实世界层面遇到的种种基础设施问题——包括地面坑洼,墙面涂鸦,以及可能危及行人正常散步的步道位置垃圾堆。这些数据集能够配合地理标记,甚至允许用户上传照片,所有报告汇总起来,以供社会组织、政府以及研究人员用于解决与之对应的具体问题。

当然,这种基于地理位置的报告方法存在诸多局限,例如普通人群是否有意愿投入时间帮助改善城市环境。更重要的是,即使游戏制作者们同意向应用程序中添加这类与游戏玩法没有直接关系的额外功能,用户本身相对有限的行进路线也意味着游戏提供的报告只覆盖到地球上的很小一部分区域。

那么,我们该如何重新利用已有的数据,以发现非法垃圾倾倒行为?AI算法是一个解决方案。

开放数据GDELT项目每天利用Google Cloud Vision API对近百万幅全球新闻图片进行编目。目前,GDELT已经将近5亿张新闻图片纳入索引,这些图像涵盖近三年半以来的各类全球性事件。在相关目录标签中,有不少都与污染以及垃圾废物相关,包括出现在每日新闻图像背景中的垃圾。

问题又来了,如果希望每天都能直接扫描全球新闻与社交媒体图像以搜索垃圾位置,该如何着手?尽管部分图像可能会突出显示出垃圾堆等目标,但考虑到原本的拍摄目的在于展示垃圾,因此必须聚焦于仅出现在背景当中的垃圾对象,对其进行编目,最后利用图像元数据与视觉地理编码方法,实时清点世界范围内的垃圾分布状况。

该项目利用AI技术为近三个月收集到的全球垃圾新闻图像进行整理,希望了解非法垃圾倾倒会给我们的星球产生怎样的影响,以及AI方案如何快速筛选日常图像并能够带来怎样的垃圾识别效果。

这套模型虽然功能强大,但仍然存在着一大短板——它无法运行在手机上,这意味着快速生成大量移动数据的社交媒体发布者与记者无法加入到这一项目中来。事实上,全球大部分非法垃圾倾倒场都位于边远乡村,而我们的模型在这里几乎毫无作用。

笔者最近在与Kadi的同事Merli Vares会面时,就谈到了这个问题,即随着图像处理技术的发展,还有哪些方式能够实现全球垃圾倾倒活动的实时绘制,特别是AI的图像大规模处理方案。在这方面,Let’s Do It基金会一直在与合作伙伴携手探索。

如今,世界各地的企业正在高度关注商业卫星图像在可用性及分辨率层面的提升。将这些与AI图像识别配合起来,我们将能以更强大可行的方式,实时观察我们的星球。可以肯定的是,AI公益类应用程序正越来越多地将卫星图像整理为自然地球观测集,那么我们能否在垃圾追踪层面实现同样的效果?

想象一下,如果有一款应用程序能够每周对主要商业卫星图像进行一轮扫描,从而清点世界各地所有大规模非正规垃圾存放点的情况,结果会如何。这样的图像也许无法及时发现人们丢弃在路旁的瓶子,但随着分辨率的提升,Let’s Do It这样的志愿者机构绝对能够借此发现各类值得关注并另以追踪的废物倾倒活动。

热闻

晨光推荐

晨光娱乐

晨光汽车