空中的人工智慧:新創公司使用衛星影像來評估颶風、火災等天災所造成的災損

作者 Isha Salian

科技無法阻擋颶風生成,卻能讓災後重建變得更輕鬆一點。
發生天災之後,災難應變單位急於提供援助和恢復基礎設施,他們只能憑著有限資訊來決定如何投放重要資源。

從地面分析這些情況實屬不易。來自舊金山的新創公司 CrowdAI 改為使用衛星和空拍影像,從中取得重要資訊,以協助政府與企業將賑災資源送到需求最為急迫的地方。

「在過去十年裡,網路上出現大量的衛星影像和無人機空拍畫面。我們用最新的電腦視覺技術來解讀這些資料。」CrowidAI 創辦人暨執行長 Devaki Raj 說。CrowdAI 為 NVIDIA Inception 虛擬加速器計畫的成員。

全球各地每年發生數百起天災事件。這個數量對人類造成毀滅性的威脅,對於正在接受訓練以評估各地災損情況的機器學習模型來說,卻只是一個很小的樣本規模。

平均每個月會發生一次大地震,但是也有可能某一條斷層超過百年或更長時間未發生過地震。而每年都會生成幾十個颶風和颱風,對不同地點造成破壞。

用於這方面的人工智慧技術,必須達到一定的明確性,以有效辨識出道路和建築物,但又要達到一定的通用性,以辨識這是位在南卡羅來納州,還是蘇門答臘島的住家房舍或道路外觀。CrowidAI 得找到足夠的訓練資料,其中包括在天災發生前後所拍攝的各種照片,才能實現這個目標。

這曾是一個燙手山芋,CrowdAI 的機器學習部門主管 Jigar Doshi 卻表示「隨著電腦視覺技術日漸成熟,我們不需要那麼多『災前』和『災後』的影像樣本,才能讓模型預測災難造成的影響。」

在去年遭受颶風麥可的襲擊之後,CrowdAI 與電信公司 WOW!合作評估佛羅里達州巴拿馬城的建築物損壞情況。他們分析由美國國家海洋暨大氣總署(NOAA)提供的巴拿馬城衛星影像,幫助電信公司在受風災影響最嚴重的地點部署地面總機,以求更快恢復電信服務。

在沒有人工智慧幫助的情況下,災難應變人員必須開車繞行市區,靠著客戶的電話來判斷哪些區域需要幫助,得耗掉不少時間,結果也不精確。


分析結果由 CrowdAI 提供,影像由 DigitalGlobe
2018 的開放資料計畫(Open Data Program)提供。

這間新創公司的研究去年在全球兩大人工智慧相關會議上受到肯定:CVPR 接受了 Doshi 的一篇報告,且在 NeurIPS 大會與 Facebook 共同發表了一篇報告。繼加州布特郡去年發生營溪大火(Camp Fire)之後,Doshi 便與 CrowdAI 團隊使用開放資料來分析災損情況。營溪大火是美國百年來最致命和最具破壞性的野火。

CrowdAI 在雲端與現場使用 NVIDIA GPU 來訓練其演法和進行推論。人工智慧模型按照所使用的推論環境,只要花一秒鐘即可送回它的看法。

「發生災難時,我們不會進行訓練,只會進行推論。這正是我們需要這種速度的原因。」Raj 說。

CrowdAI 還將探索能預測災損的模型,以及不只是使用衛星影像,還加入風、降水和社群媒體資料的深度學習工具。

*本文主圖片顯示遭到颶風麥可侵襲的佛羅里達州鄰近地區,疊上 CrowdAI 對建築物損壞的分類。分析結果由 CrowdAI 提供,影像由 NOAA 的國家海洋局提供。