過去兩年，為了向地球上還沒有互聯(lián)網(wǎng)接入的人提供接入方式，F(xiàn)acebook的一組工程師一直在開發(fā)能提供互聯(lián)網(wǎng)接入的衛(wèi)星、無人機和激光器。但要讓這些東西起作用，首先應(yīng)該做的是找到這些沒有互聯(lián)網(wǎng)接入的人所處的位置。而這需要一點人工智能。
Facebook利用人工智能分析衛(wèi)星拍攝的地球圖片，確定人們居住的地方。然后 Facebook就可以以最高效的方式使用無人機和衛(wèi)星向這些地方提供互聯(lián)網(wǎng)接入。
2014年春季，F(xiàn)acebook推出了Connectivity Lab項目。目的是打造各種各樣能夠更為有效地將互聯(lián)網(wǎng)延伸到世界其它地方的新技術(shù)——因此也能將Facebook延伸到世界其它地方。但這件事并不簡單。就所需的時間、技術(shù)和金錢而言，建造飛行的互聯(lián)網(wǎng)無人機（一種能在平流層巡航并將無線信號傳輸回地球的設(shè)備裝置）是一個巨大的工程。
考慮到所需要的精力和費用，用無人機將信號發(fā)射到?jīng)]有人的地區(qū)實在是說不過去。你可能覺得確定人們的位置是一件很容易的事。但地球很大。Facebook Connectivity Lab負(fù)責(zé)人Yael Maguire說：「我們意識到我們不能回答這個問題——而這是一個非?；镜膯栴}?！沟厍蛏?9%的地方?jīng)]有人類生活。
所以Facebook轉(zhuǎn)而尋求人工智能的幫助。Maguire和他的團隊使用深度學(xué)習(xí)打造了一個全球地圖，上面顯示了怎樣讓他們的新互聯(lián)網(wǎng)技術(shù)可以最高效地觸及到世界上的人。。Maguire說：「我們將建立一副這些最好的技術(shù)該被部署在何處的地圖。」
當(dāng)Facebook的神經(jīng)網(wǎng)絡(luò)找到人類存在的證據(jù)時，會在圖像上使用黃色、橙色和紅色的標(biāo)記
發(fā)送信號
通過借鑒該公司人工智能實驗室（AI Lab）提供的服務(wù)，一位Facebook工程師兼光學(xué)物理學(xué)家Tobias Tiecke打造了一個可以自動分析地表的衛(wèi)星圖像并確認(rèn)究竟什么地方有人生活的系統(tǒng)。Maguire解釋說，該觀點現(xiàn)在正指導(dǎo)著該公司的飛行無人機研制。事實上，他說， 這表明該公司原來用無人機提供互聯(lián)網(wǎng)接入的方法是完全錯誤的。
深度學(xué)習(xí)依賴神經(jīng)網(wǎng)絡(luò)，即類似大腦神經(jīng)元網(wǎng)絡(luò)的硬件和軟件網(wǎng)絡(luò)。如果你向一個神經(jīng)網(wǎng)絡(luò)中輸入足夠多的山羊圖片，它就能學(xué)會識別山羊。如果你向一個神經(jīng)網(wǎng)絡(luò)輸入足夠多的口語詞匯，它就能學(xué)會識別你對智能手機說出的命令。以大致相同的方式，它也能分析衛(wèi)星圖像，并學(xué)會識別出有人類生活的地方。
當(dāng)你縮放這張熱點圖時，你能看到人類所處的位置
為了使其能夠工作，首先需要對數(shù)據(jù)進(jìn)行標(biāo)注。換句話說，人類必須在將樣本輸入神經(jīng)網(wǎng)絡(luò)之前確認(rèn)出其中一些好的樣本。比如在山羊圖片的例子中，它們必須對一個山羊照片的樣本集進(jìn)行標(biāo)記。Facebook的這個新項目的運作也是一樣，但是有些許不同。人類訓(xùn)練者根本沒有費力去標(biāo)記文明存在的特定證據(jù)。它們沒有標(biāo)記房屋或汽車或道路或農(nóng)場以將其作為訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方式。對于樣本照片，人類只是簡單說明一下照片中是否有人類在此生活的跡象?！肝覀冎皇菃枺哼@張圖片中是否有人造物？」Maguire說，「二選一的問題。是或否。」
在接受了相對較少的照片（約8000張在印度上空拍攝的圖片）的信息之后，這個神經(jīng)網(wǎng)絡(luò)可以鑒別出拍攝自其它20個國家的照片中人類生活的證據(jù)。這個系統(tǒng)已總共分析了代表2160萬平方千米地球土地的1560萬張圖片。使用上面提到二元問題的樣本（8000張標(biāo)記了是否包含人造物的照片），這個神經(jīng)網(wǎng)絡(luò)可以準(zhǔn)確識別其它地方的其它人類造物。「只是基于那些信息，算法就能找出各種人造物，」Maguire說，并表示其錯誤率低于10%。
這種方法簡單得有些讓人驚訝。對Maguire來說無疑是驚喜。但深度神經(jīng)網(wǎng)絡(luò)有時就是這么讓人驚訝。使用神經(jīng)網(wǎng)絡(luò)的目標(biāo)是打造盡可能簡單的分類器（classifier）——一種識別照片或口語詞匯或其它數(shù)據(jù)的方式?！府?dāng)你打造類似Facebook的那樣的分類器時，你讓神經(jīng)網(wǎng)絡(luò)做的分類越多，問題的難度就越大，無論是在計算還是在神經(jīng)網(wǎng)絡(luò)調(diào)節(jié)方面?！股疃葘W(xué)習(xí)初創(chuàng)公司Skymind CEO兼創(chuàng)始人Chris Nicholson說，「所以，為了提高效率，你要為你所需的分類器的復(fù)雜度劃定界線。Facebook選擇做一些很簡單的東西，但如果這些東西能實現(xiàn)他們的目標(biāo)，也很好?！?/p>
結(jié)果通常是非常好的人口密度分布圖
最終，他們能在5米的精度上打造一幅標(biāo)記了人造物的龐大地圖。換句話說，他們基本上知道20個國家中每5平方米的區(qū)域內(nèi)是否有人類生活的證據(jù)。然后，通過將這些信息和普查數(shù)據(jù)結(jié)合起來，他們可以得出這些國家的人口密度分布圖。這非常強大。
此前Maguire及其團隊假定每個無人機都能通過一個大型無線信號發(fā)射錐形區(qū)域來覆蓋一片區(qū)域。但Facebook人工智能強化過的地圖表明這沒有意義?！杆鼜母旧细淖兞宋覀兺ㄐ畔到y(tǒng)的發(fā)展方式?！筂aguire說。他還沒說該公司將打算如何改造它的無人機。但基本的想法是建造可被該公司用來直接定位人群的無線電臺，而不只是通過巨大的無線信號錐形區(qū)域來覆蓋一片區(qū)域。他說：「信號錐形區(qū)域可以小很多。理想情況下，它們應(yīng)該只覆蓋有人的區(qū)域。事實上，那已經(jīng)不是一個真正的信號錐形區(qū)域了。」所以，F(xiàn)acebook現(xiàn)在已經(jīng)知道了人們所在的位置，它也必須以新的方式建造自己的衛(wèi)星、無人機和激光器。（來源|機器之心 編譯|吳攀）
{{item.content}}