美国采用人工智能、卫星图像来协助人口普查提高效率

弄错人口普查数据会给社区带来巨大损失。美国人口普查局3月10日的一份报告显示，2020年白人和亚洲人的人数过多，而被认定为黑人、西班牙裔或拉丁裔或多种族的人的人数不足，这一失败导致人们再次呼吁对人口普查进行现代化升级。

计算数以亿计的人口不是一项简单的任务，政府正在转向数字解决方案，从简单的在线表格到庞大的人工智能，甚至利用卫星图像来减轻负担。

尽管应用了新技术，人口普查仍然有很多错误。美国人口普查局现在正在研究一种检测新建筑的机器学习算法，使用卫星图像来跟踪项目，从开始到结束。在加拿大统计局和一家自动化和咨询公司的帮助下，最初的原型实现了约90%的准确率。在未来一年里，美国人口普查局将在全国不同地区测试其人工智能，以了解该模型在不同气候和地区的表现。

那些支持使用机器学习来分析卫星图像的人认为，这两个系统可以共同协作来帮助解决大问题，如保护亚马逊雨林，消除贫困，或更准确地估计一个特定地区的人口数量。但建立这些模型的专家说，当它们被用来计算人口时，仍然容易出现错误。

在使用软件和卫星图像来更新用于发送人口普查表格或提醒的主地址文件方面，巴尔加斯的问题是，它无法揭示个别建筑物内的情况。他说，在一个屋檐下，业主或住户可以将两个单元划分为四个单元，而不留下任何记录。他补充说：“除非你真的有人走在街上寻找这些地址，否则你可能不容易捕捉到，这就是为什么我们对该局如此依赖技术来试图获得尽可能完整的信息感到真正的担忧。”

Greg Yetman是国际地球科学信息网络中心（CIESIN）的副主任，他表示，公寓改建、业主或住户的转租，或未登记的定居点，也往往不被人口普查或卫星所捕获。而这些情况都可能随着生活成本的攀升而增加。如果一个人没有住房或没有什么财务记录，他们可能不会出现在私人经纪人收集的位置共享数据中。

在上个月发表的研究中，卫星图像和机器学习被用来自动识别住房信息，并预测刚果民主共和国（DRC）西半部五个省份的人口、年龄和性别。金沙萨公共卫生学院和加州大学洛杉矶分校公共卫生学院对近8万人进行了匿名调查，以验证深度学习模型的性能，其准确率达到了约80%。合作者们说，他们的方法不能取代真正的尝试来计算整个人口，但它可以在数据很少或质量很差的地方提供一个预测性的社会快照。自1984年以来，刚果（金）还没有进行过全国人口普查。

他解释说，在美国，如果将使用美国西部屋顶图像训练的人工智能模型应用于东海岸的房屋，就会出现问题，因为美国的西部扩张遵循的是基于网格的系统，而波士顿等城市的发展则不那么统一。同样地，南非的屋顶与赞比亚的屋顶看起来也不一样。人工智能很容易将加纳阿克拉商业市场的一个摊位的屋顶与一个未登记的房屋的屋顶搞错，或者难以准确预测城市定居点或农村的人口数量。"Yetman说：“如果没有实地调查说这里有贫民窟或非正式定居点，仅从屋顶模式的结构上看，真的很难知道。获得高质量的数据来训练模型，根据当地情况检测建筑物或住宅板块，是工作中最难的部分。”

根据麻省理工学院、明尼苏达大学和阿肯色大学的研究人员2021年的分析，从卫星图像进行人口预测的深度学习模型往往高估农村人口的规模，低估城市人口的规模，这可能是由于无法识别建筑物的高度。

加州大学伯克利分校的一个项目目前正在开发一种能够解决各种任务的通用人工智能，从识别森林覆盖率或道路长度到预测海拔高度或房屋价格。

为了测试该模型的局限性，去年夏天，研究人员试图重新创建美国人口普查局每年进行的美国社区调查的部分内容。该模型预测了人口密度和家庭收入，准确率超过50%。这听起来可能并不令人印象深刻，但这些结果只花了一个研究生一周的时间就完成了，而上一次美国人口普查花费了140亿美元，需要数十万人的劳动。研究人员发现了一些其他的局限性--例如，实验无法预测家庭收入中用于支付房租的百分比。加州大学伯克利分校全球政策实验室主任Solomon Hsiang说，人口普查数据也可能受到你在太空中看不到的因素的影响，比如当地的税法或当地学校的质量。

但是，Hsiang说，这个通用模型的崇高理想是使其有可能在全球范围内解决任何环境和社会经济问题，并使任何拥有计算机的决策者能够使用卫星图像和机器学习来做出明智的决定。

本文由升哲科技编译，转载请注明。