La società ha combinato immagini satellitari e apprendimento profondo per creare una nuova mappa della densità di popolazione dell’Africa.
di Karen Hao 09-04-19
Perché è importante: Governi e organizzazioni no profit hanno bisogno di accurate mappe della densità di popolazione per poter coordinare aiuti umanitari, assistenza sanitaria ed altre risorse da destinare a regioni tradizionalmente non mappate.
Facebook sostiene che le sue mappe abbiano già supportato le attività volte all’elettrificazione delle regioni rurali della Tanzania e contribuito alla coordinazione delle campagne di vaccinazione per il morbillo in Malawi.
Una copertura globale: Le mappe prodotte da Facebook si basano sulla precedente pubblicazione di mappe, riguardanti 22 paesi, che la società aveva sviluppato per l’iniziativa rivolta alla connessione di più persone a Internet. Il traguardo, adesso, è mappare l’intero pianeta.
Il processo: Anzitutto, un team del gruppo World.AI di Facebook ha dovuto addestrare una rete neurale perché riuscisse a riconoscere la presenza di abitazioni negli appezzamenti di terra immortalati dai satelliti figuravano delle abitazioni. Per riuscirvi, i ricercatori hanno creato un data set di addestramento sovrapponendo alle immagini satellitari oltre 100 milioni di coordinate di abitazioni condivise in crowdsourcing da OpenStreetMap; hanno anche impiegato trucchi di visualizzazione della vecchia scuola per verificare che le immagini etichettate come “prive di abitazioni” non contenessero oggetti dalla forma sospetta.
Secondo quanto riportato da Facebook il modello di apprendimento profondo che ne è risultato avrebbe raggiunto un tasso di accuratezza del 99% durante i test. Grazie a questo risultato, Facebook avrebbe sottoposto all’algoritmo una raccolta di immagini del continente africano raffiguranti aree di 30×30 metri per creare la precisa mappa della densità abitativa.
Geografia profonda: Facebook non è la sola società a fare uso dell’apprendimento profondo per estrarre informazioni dalle immagini satellitari. Società tech quali Planet e Descartes Labs utilizzano tecniche simili per classificare i raccolti, tracciare l’adozione di fonti di energia rinnovabile e monitorare la salute degli ecosistemi. L’anno scorso, Microsoft ha addestrato un modello di apprendimento profondo per realizzare un data set comprensivo di tutte le impronte degli edifici negli Stati Uniti d’America.
(MO)
