卫星图片VS海量信息 用机器学习与贫穷作斗争

    没有人喜欢贫穷。每个国家的政府都立志消除本国的贫困状况，联合国可持续发展目标的第一条就是“在全世界消除一切形式的贫困”。但想要消灭它，就得先认识它——政策制定者和人道援助组织都需要了解，究竟是哪里的人更贫穷。斯坦福大学的尼尔·吉恩（Neal Jean）等人近日在《科学》杂志上发表一篇论文，详细描述了如何利用机器学习来为人们与贫穷的斗争出力。在这个例子中，只要有正确的设置和精度足够高的卫星图片，经过得当训练的卷积神经网络能够从有限的资源中窥得有效信息。凭借成本和通用性方面的优势，这些结果能够在帮助国际社会分析和对抗贫穷的工作中派上大用场。

    不再满足于简单的声控灯光，温感浴室，红外传感门禁，人们想要的更多。想要的更智能、更可靠，像是一个多年的老朋友一般，在你需要的每一个时刻，给予最细致入微的关怀。机器学习，正走在实现这样一个目标的路上。诚然，在很多拥有海量数据的场景中，经过深度机器学习的程序，往往会比人类更加高效、可靠，我们应该感谢它将我们从巨大的工作量中解放出来。但是在某些时刻，比如疲惫的你下班后回到家，面对着整整一桌由程序所自动分析并制作好的、你最爱吃的饭菜时，会不会觉得少了那么一点人情味儿，多了那么一点孤单呢？

    （作者为国科大材料学2015级研究生）