424
1
По заказу Всемирного Банка была разработана система дистанционного определения экономической перспективности местности.
Новый алгоритм на основе машинного обучения, разработанный исследователями из Стэнфордского университета по заказу Международного Банка, позволяет выявлять бедные или малоперспективные в экономическом смысле районы с помощью данных со спутников.
Так как Международный Банк обеспокоен эффективностью кредитования и сохранением активов, Стенфордскому университету было поручено создать систему дистанционной оценки некоторой местности в плане экономического и социального развития. Так как специалисты банка резонно полагают, что население, живущее менее чем на 2$ в день, неспособно способствовать возвращению кредитов государствами-заемщиками. Однако выявление подобных фактов является нетривиальной задачей, требующей выезда специалистов банка, что весьма накладно. Поэтому исследователи из Стэнфордского университета придумали метод, который позволит с помощью фотографий со спутника и искусственного интеллекта находить бедные районы.
Исследователи изобрели инновационный метод. С помощью анализа и сравнения дневных и ночных снимков дается конкретная оценка экономическому благополучию района. В этом исследователям помогает специальный алгоритм машинного обучения, который определяет уровень бедности по фотографиям.
Система учитывает уровень ночного освещенности, интенсивность дорожного движения, тип дорожного движения, типы дорог и дорожного покрытия, интенсивность аграрной деятельности, процент новой застройки и т.д.
Исследователи использовали новую систему для анализа нескольких районов в Африке экономические показатели которых заведомо известны. Как показали испытания, система работает и обладает огромным потенциалом.
Так как Международный Банк обеспокоен эффективностью кредитования и сохранением активов, Стенфордскому университету было поручено создать систему дистанционной оценки некоторой местности в плане экономического и социального развития. Так как специалисты банка резонно полагают, что население, живущее менее чем на 2$ в день, неспособно способствовать возвращению кредитов государствами-заемщиками. Однако выявление подобных фактов является нетривиальной задачей, требующей выезда специалистов банка, что весьма накладно. Поэтому исследователи из Стэнфордского университета придумали метод, который позволит с помощью фотографий со спутника и искусственного интеллекта находить бедные районы.
Исследователи изобрели инновационный метод. С помощью анализа и сравнения дневных и ночных снимков дается конкретная оценка экономическому благополучию района. В этом исследователям помогает специальный алгоритм машинного обучения, который определяет уровень бедности по фотографиям.
Система учитывает уровень ночного освещенности, интенсивность дорожного движения, тип дорожного движения, типы дорог и дорожного покрытия, интенсивность аграрной деятельности, процент новой застройки и т.д.
Исследователи использовали новую систему для анализа нескольких районов в Африке экономические показатели которых заведомо известны. Как показали испытания, система работает и обладает огромным потенциалом.
Источник:
Ссылки по теме:
- Самые интересные факты о Гавайах, о которых вы возможно не знали
- А вы знали, что...
- Интересные факты для тех, у кого нет интернета
- Факты в картинках
- Потрясающие малоизвестные факты
реклама
