美国红十字会及其“缺失地图”项目(Missing Maps project),正与英特尔共同应用人工智能技术绘制发展中国家易受灾地区的地图,以帮助其防灾备灾。在2019年,英特尔数据科学家构建了一个计算机视觉模型,该模型能够识别乌干达卫星图像上先前未被标记的桥梁和道路。
“对红十字会的工作人员而言,在防灾规划和紧急响应过程中,精确的地理信息极其重要。但世界上有些地区还未被标记在地图上,这给防灾规划和灾害响应造成了极大的困难。正因如此,我们与英特尔携手,运用人工智能技术绘制易受灾地区的地图,标记道路、桥梁、建筑物和城市。”——Dale Kunce,“缺失地图”项目联合创始人、美国红十字会Cascades大区首席执行官
根据缺失地图项目的数据,世界各地每年有近2亿人受灾。很多灾区并未标记在地图上,这导致应急响应人员缺少必要的信息,以快速制定救灾决策。
卫星图像有时不易辨识,并且各个国家的桥梁和基础设施不尽相同。人工智能模型增强了制图能力,可以覆盖更广泛的区域,并捕捉人眼难以察觉的事物。例如,该模型在乌干达南部发现了70座桥梁,而这些桥梁在“开放街道地图”(OpenStreetMap)或乌干达统计局官方地图中均未找到。
这一计算机视觉模型运行在第二代英特尔至强可扩展处理器上,该处理器内置了英特尔深度学习加速技术(DL Boost)和nGraph编译器。
尽管英特尔并不享有该数据集的全部权利,但正在寻求将该数据集作为开源资源提供给研究者和地理空间专业人士的机会。此外,英特尔还将召开研讨会,探讨如何将卫星图像和AI技术用于人道主义实践,从而充分利用为该项目开发的数据集和代码库。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。