Facebook的研究人员已经开发出了一种通过使用AI分析卫星影像来勘测受火灾或洪水影响地区损失状况的方法。在自然灾害来袭时，该方法能帮助紧急状况部门评估哪些是受灾最严重的地区。研究团队还相应地创立了用于衡量受灾程度的“灾害影响指数（DII）”，相关部门能够根据该指数推断洪水或者火灾造成的损失。
卷积神经网络在识别2017年哈维飓风造成的道路损坏情况时实现了88.8%的准确率，而在识别Santa Rose火灾对建筑物的损伤时，准确率也达到了81.1%。和许多类似的人工智能算法专注于分析受灾后的影像信息不同，这一最新方法同时依靠受灾前和受灾后的卫星图像，这些图像会被分割成更小更易分析的图片格。
研究者在论文中表示：“虽然该方法目前仅专注于道路和建筑的损失情况，但是它可以被拓展应用于评估其它自然和人工事物在灾害中受到的影响。”这篇名为“从卫星影像到灾害观察”的文章由Facebook人工智能研究者Saikat Basu和Guan Pang撰写，CrowdAI的机器学习专家Jigar Doshi也参与其中，这是一家致力于借助人工智能解决问题的公司。该论文在本周举办于蒙特利尔的神经信息处理系统大会上被发表。
人工智能
为了识别道路和建筑，卷积神经网络学习了来自于Spacenet，Deepglobe，DigitalGlobe和Planet Lab的卫星影像。在分析哈维飓风和Santa Rosa火灾的案例时，该系统分别检验了覆盖55和46平方英里的卫星图像。除了Uber外，Facebook和CrowdAI也参与了Deepglobe今夏提出的借助卫星影像分析地球的挑战项目。
人工智能在应对自然灾害方面所发挥的作用正与日俱增。初创公司One Concern正在开发勘测地震损害的系统从而帮助紧急状况部门首先将资源投入到最需要的地区。除此之外，今年早些时候谷歌和哈佛大学的研究者在研究了200起主要地震和20万次余震后，创造了预测地震余震的AI系统。
