一张几乎所有非洲国家的新地图准确地显示了非洲大陆13亿人口的居住地，直到电表，这可以帮助从地方政府到援助组织的每一个人。这张地图和Face book一样，是通过机器学习模型运行卫星图像创建的。
这并不是说人们住在哪里有什么神秘之处，而是精确程度很重要。你可能知道有一百万人生活在一个特定的地区，大约一半在更大的城市，另四分之一在各种城镇。但这只能以最模糊的方式解释数十万人。
幸运的是，你总是可以检查卫星图像，并挑选出小村庄、孤立的房屋和社区所在的地方。唯一的问题是非洲很大。真的很大。即使是来自加蓬或马拉维这样一个中型国家的人工标注卫星图像也需要花费大量的时间和精力。对于数据的许多应用，例如协调对自然灾害的反应或分发疫苗，损失的时间就是生命损失。
最好是一次完成，对吧？这就是Face book的人口密度地图项目背后的想法，该项目在过去几年里已经绘制了几个国家的地图，然后才决定对整个非洲大陆采取行动。
放大，你可以看到新地图和旧地图之间的区别。很重要的是
“来自Face book的地图确保我们将志愿者的时间和资源集中在他们最需要的地方，从而提高我们的项目的效果，”该项目的合作伙伴之一，人道主义Open StreetMap Team的执行董事泰勒·拉德福德说。
核心思想是直截了当的：将人口普查数据（一个地区有多少人）与卫星图像中的结构数据进行匹配，以更好地了解这些人的位置。
Face book的工程师詹姆斯·吉尔（James Gill）说：“仅凭人口普查数据，你所能做的最好的事情就是假设人们住在该地区的任何地方——建筑物、田地和森林都一样。“但一旦你知道了建筑位置，你就可以跳过田野和森林，只把人口分配给建筑物。这给了你非常详细的30米乘30米的人口地图。
这比任何现存的这种规模的人口地图都要准确几倍。分析是由一个在OpenS treetMap数据上训练的机器学习代理完成的，来自世界各地的人在那里标记和概述了建筑物和其他特征。
首先，显然没有任何结构的巨大的非洲表面必须从考虑中删除，减少团队必须评估的空间数量1000或更多。然后，使用特定区域的算法（因为摩洛哥沿海的情况与乍得中部的情况大不相同），该模型识别了包含建筑物的斑块。
地图数据，左上角两幅图像，被处理以找到建筑物，左下角两幅；最终，大片土地可以被标记为是否有人居住，如右图所示
在整个过程中，人类进行了大量的反复检查，以确保没有地域偏见或以某种方式错误标签的倾向。这支球队已经做了一段时间，所以这不是他们的第一次竞技表演，但“一个国家”和“整个非洲”的规模有点不同。幸运的是，已经有了一些进展，正如该公司的AI团队在一篇解释性博客文章中写道：
我们已经能够将问题简化为一个简单的二进制分类任务...现在，给定一个输入图像，一个神经网络预测给定的图像是否包含一个建筑物。与基于分割的方法相比，这种分类方法的计算成本也要低得多，因为它允许我们使用较小的神经网络并产生内存占用较小的输出。
在这种情况下，更高的效率也会带来更高的准确性，因为算法将从他们以前的尝试中学习，并且包含更多的数据来防止假阳性和阴性。研究小组发现，在标记为包含建筑物的1,000块补丁中，有996块是正确的。这种错误率听起来是我可以接受的，而且肯定比现有的工具更好，当你问到一个小社区或脱离电网的村庄时，它只会给你一个模糊的“某处”。
如果你想知道为什么Face book首先要这样做，这与他们过去几年努力识别连接性差的人群有关，这样他们就可以用激光或类似的方式向他们发射互联网。这都是相当低的优先级现在，公司的许多目前的问题，但它正在建造的工具显然具有人道主义的应用，很高兴看到婴儿没有被扔出洗澡水。