用Google和AI构建滑坡预测工具

在2019年人工智能影响挑战赛中，谷歌向世界各地的非营利组织、社会企业和研究机构提问：“你将如何利用人工智能（AI）实现社会公益？”

“我们有一个好主意，就是在寻找这样一个机会，”宾夕法尼亚州立大学土木与环境工程副教授、首席研究员沈朝鹏说，“deepLDB是谷歌去年在挑战赛中获得资助的20个项目之一。”降雨引发的山体滑坡对居住在山区的人们来说是一个巨大的风险，我们认为有可能使用人工智能来更好地预测它们。”

根据美国地质调查局（USGS）的数据，在全球范围内，山体滑坡每年造成数千人死亡和受伤，损失数十亿美元。其中最常见的是由降雨引起的，通常转化为快速移动的泥石流，如2018年加利福尼亚州蒙特西托的泥石流。

但沈说，这些事件中的许多也没有被报道，这使得研究和最终预测这些事件的努力变得更加复杂。

“大部分信息来自新闻报道，还有很多失踪事件，”沈说为了更好地预测滑坡，我们需要从一个好的滑坡数据库开始。”

沈指出，有了谷歌地球（googleearth）的卫星图像，过去的山体滑坡可以从太空中识别出来。然而，要想找到一个完整的数据库所需的数千个数据中的一个，就需要整个团队搜索图像，寻找过去事件的证据。

除非你有人工智能。

“我们工作的第一个目标是产生一种人工智能方法，从卫星图像中识别这些事件，”沈说一旦人工智能经过训练，它可以确定什么是滑坡，什么不是滑坡，我们就可以把它应用到非常大的区域，它会自动找到有可疑事件的地方。”

在项目开始时，沈和宾州州立大学的共同研究者、土木与环境工程副教授童秋和计算机科学教授丹尼尔·基弗（Daniel Kifer）获得了美国地质勘探局已知降雨诱发滑坡的初始数据集。在谷歌地球中找到这些事件后，他们用卫星图像作为训练的例子，这个过程被称为“监督学习”

随着时间的推移，人工智能开始识别可以用来识别滑坡的线索，但它也需要找出与其他事件的不同之处。不同的形状可能表明是山体滑坡，但也可能是野火、挖掘的矿井或倒塌的建筑物造成的。

“它必须能够区分真实信号和噪音，”沈说什么是降雨诱发的滑坡，什么不是？”

经过一年的训练，沈教授说，现在97%的情况下，模型都能正确识别滑坡，但他强调还需要更多的训练实例。研究人员建立了一个网站，人们可以上传他们自己的谷歌地球图片来帮助训练模型。

“如果滑坡的航拍图像不是来自我们关注的区域，它们可以帮助我们纠正它，”沈说我们掌握的数据越多，模型就越精确。”

据沈说，数据库的精确程度是“deepLDB”与众不同的地方，它使他们能够开始进入项目的第二个目标：预测。

“第二步是使用人工智能将数据库中的事件与降雨量和其他当地条件联系起来，试图预测下一步会发生什么，”沈说这个项目的新颖之处在于我们拥有非常高的空间精度，这意味着我们能够准确地知道这些事件发生在哪里。有了这种精度，我们可以将事件与其他数据集（如土壤质地和海拔）叠加，并找出一些根本原因，为什么它发生在一个地区而不是另一个地区。或者为什么是昨天而不是前一天。”

他补充说，“预测模型的工作才刚刚开始，他们已经与谷歌人工智能专家合作，寻找构建人工智能的最佳方式。”