人工智慧視覺系統可判斷區域繁榮或蕭條

關鍵詞：美國 人工智慧 機器學習 視覺系統 社會發展

及時判斷某個街區在某個時間發展好壞是相對容易的，通常，人們只需環顧四周即可。然而，如何衡量這個街區的進步或者衰退呢？也許人工智慧可以幫上忙。

可判斷區域發展狀況的計算機視覺系統

麻省理工學院的研究人員研製出一種計算機視覺系統，可判斷城市某個區域的發展或衰退速率。研究團隊訓練機器學習系統從谷歌街景視圖中對比160萬組圖片（每組相隔數年），以尋找像素之間、目標之間的差異。例如，如果在較新的圖片中有更多的綠色空間或重要建築類型，則代表這個區域呈上升發展趨勢。該技術還可通過訓練實現自動忽略一些不影響大局的的變化，例如停放的車輛或樹木四季不同變化。

谷歌街景圖

這些結果曾經支持了一些現有理論也挑戰了一些其它的理論。一個社區的發展速度與房價、收入水平或文化特徵幾乎沒有什麼關係，而是與該區域內受過良好教育居民的密度、離關鍵商業圈（或其他高檔街區）的遠近及街區最初的安全得分密切相關。這些並不能完全使他們吃驚，但增長率卻讓人大吃一驚：儘管已經安全的街區可能會比危險的街區看起來更完善，但其增長速度並沒有像理論家預見的那麼快。此外，一個街區不能僅僅由於房子舊得需要重新裝修而實現復興。

街景對比圖

技術現狀與展望

目前，AI引導的方法並不是完全可靠。當科學家邀請亞馬遜土耳其機器人的評論者調查時，安全評估僅達到72%。分歧主要來自於相對較小變化的區域，儘管如此，機器學習系統也因而能得到精確的改進。該技術若進一步完善，完全有可能會被用於通告城市管理決策。他們可判斷一個地區是否受益於市政基金，亦或是發現某個街區在到達危險閾值之前的蕭條跡象。

感謝您抽出·來閱讀此文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！