- Data for Good at Meta ofrece llegada amplio a los datos utilizados para entrenar nuestros mapas de población basados en IA.
- Esperamos que los investigadores y otras organizaciones de todo el mundo puedan explotar estas herramientas para ayudar con una amplia escala de proyectos, incluidos aquellos sobre ajuste climática, vigor pública y respuesta a desastres.
- El conjunto de datos y el código ya están disponibles en GitHub.
Para respaldar el trabajo continuo de investigadores, gobiernos, organizaciones sin fines de beneficio y organizaciones humanitarias de todo el mundo, el software Data for Good at Meta está liberando el primer conjunto de datos de capacitación y código de muestra utilizados para construir Mapas de población de Meta impulsados por IA.
Mientras el mundo mira con destino a la creciente amenaza del cambio climático, los mapas de población impulsados por IA de Meta, y los datos detrás de ellos, ofrecen importantes oportunidades para dirigir las inversiones en preparación para desastres a través de una mejor estimación de exposición a inundaciones globales y en planificación de ajuste climática.
Al desobstruir el código fuente de estas herramientas, esperamos que otros investigadores puedan originar nuevos conocimientos para acelerar la entrega de energía sostenible e infraestructura resiliente al clima en todo el mundo.
Por qué necesitamos mejores mapas de población
En muchos países se dan por sentado estimaciones precisas de la población. Los gobiernos de las economías avanzadas pueden aguardar en una variedad de fuentes, incluidos registros tributarios o conjuntos de datos censales, para estimar mejor su población y tomar decisiones informadas sobre la prestación de servicios. Sin bloqueo, en otras partes del mundo es difícil conseguir datos demográficos precisos. En ciertos países de ingresos bajos y medianos, es posible que el censo más flamante se haya realizado hace décadas o carezca de una representación precisa de las poblaciones vulnerables. Por otra parte, las estimaciones entre censos suelen estar plagadas de imprecisiones y es posible que las fuentes oficiales no incluyan poblaciones remotas. Como resultado, innumerables comunidades pueden radicar fuera del importancia de programas críticos.
Para combatir este desafío, Meta comenzó el proceso de mapeo de la población mundial utilizando inteligencia sintético e imágenes satelitales en 2017. Próximo con otras instituciones líderes en mapeo de población como Red de información del Centro de Ciencias de la Tierra de la Universidad de Columbia (CIESIN) y WorldPop en la Universidad de Southamptontenemos Publicó abiertamente cientos de mapas de población y conjuntos de datos de inscripción resolución.. Estos han sido utilizados en todo el mundo por gobiernos y organizaciones sin fines de beneficio para programas sociales que van desde la focalización de las intervenciones COVID-19 al suministro de agua potable. A medida que aumentan las demandas mundiales de bienes naturales y energía, las estimaciones precisas de la población todavía ofrecen importantes oportunidades para mejorar los esfuerzos de sostenibilidad.
Historial de los mapas de población impulsados por IA de Meta
Los mapas de población basados en inteligencia sintético de Data for Good estiman la cantidad de personas que viven internamente de una cuadrícula de 30 metros en casi todos los países del mundo. Estos mapas aprovechan técnicas de visión por computadora, similares a las que se utilizan para Identificar objetos en fotografías para personas con discapacidad visual. – identificar estructuras creadas por el hombre en imágenes de mandado. Los resultados del maniquí de IA de Meta se combinan luego con estimaciones de stock de población de CIESIN para aproximar el número de personas que viven en cada alicatado.
Por otra parte de los recuentos de población total, los mapas de población de Meta todavía incluyen desgloses demográficos por grupos como el número de niños menores de cinco abriles, mujeres en existencia reproductiva, jóvenes y ancianos.
Estimaciones de población basadas en IA han sido evaluados científicamente como uno de los más precisos del mundo para mapear la distribución de la población para una variedad de geografías y casos de uso. Por ejemplo, este artículo de 2022 realizado por investigadores de la Universidad de Southampton y la Universidad de Ghana en Naturaleza – Informes Científicos compara varias estimaciones de densidad de población para su uso en el mapeo del aventura de inundaciones en África occidental. Otros estudios han investigado una variedad de casos de uso, como el mapeo aventura de deslizamiento de tierra y erradicación de la malaria; y una variedad de países, incluidos Haití, Malawi, Madagascar, Nepal, Ruanda y Tailandia.
Datos de entrenamiento de código amplio para nuestros mapas de población de IA
Este conjunto original de datos de entrenamiento consta de casi 10 millones de etiquetas para más de 126 gigabytes de imágenes satelitales e incluye etiquetas humanas en estos parches de imágenes satelitales que indican si hay un edificio presente. Estas etiquetas se crearon a partir de imágenes de mandado que datan de 2011 a 2020.; sin bloqueo, incluso las etiquetas hechas con imágenes más antiguas son aperos para entrenar la próxima engendramiento de modelos de visión sintético (como Segmento de Meta Cualquier cosa) para identificar con decano precisión edificios en una variedad de entornos de cobertura terráqueo. Por otra parte de este primer conjunto, planeamos anunciar datos y códigos adicionales para la capacitación en visión por computadora en el futuro.
El llegada amplio a los datos y códigos de capacitación de Meta permite a los socios de mapeo de población como CIESIN y WorldPop continuar con el progreso acabado en la última plazo. Estas herramientas reducen los costos de incremento para que las unidades de investigación generen estimaciones de población aún más precisas y todavía permiten a los investigadores que trabajan en la detección de edificios mejorar sus métodos, especialmente cuando se combinan con imágenes satelitales más recientes. Los datos futuros publicados por CIESIN y colaboraciones de datos como GRID3 continuarán superando los límites de la resolución y precisión espacial como resultado de su trabajo colaborando con muchos países africanos para originar, validar y utilizar conjuntos de datos espaciales básicos en apoyo del incremento sostenible.
Para visualizar mejor las ubicaciones de los asentamientos de las aldeas y calcular la cobertura de los servicios, World Vision recurrió a un conjunto de datos renovador desarrollado por Meta’s Data for Good (D4G) y el Centro para la Red Internacional de Información sobre Ciencias de la Tierra (CIESIN) de la Universidad de Columbia. La capa de cimentación de inscripción resolución (HRSL) resultante ha cambiado las reglas del selección para visualizar la geogonia del agua limpia.
-Allen Hollenbach, Director Técnico de Agua y Saneamiento de World Vision
Aplicaciones en electrificación sostenible, agua potable y ajuste al cambio climático
Organizaciones sin fines de beneficio y gobiernos de todo el mundo ya han laborioso los mapas de población impulsados por IA de Meta para una variedad de programas de impacto social, que incluyen el Sotabanco Mundial esfuerzos de electrificación rural en Somalia y Benin y esfuerzos similares en Uganda por parte del Instituto de Bienes Mundiales.
Visión Mundial Incluso ha utilizado estos conjuntos de datos para acelerar el progreso de los planes quinquenales de agua y saneamiento en lugares como Ruanda y Zambia y recientemente anunció ocurrir proporcionado agua potable a un millón más de ruandeses utilizar los conocimientos de estos mapas para seguir el progreso con destino a la cobertura universal del agua.
La innovación en el mapeo de la población total solo es posible a través del tipo de colaboración que Meta continúa teniendo con la Universidad de Columbia y WorldPop y un compromiso compartido con el código amplio permite a investigadores y gobiernos de todo el mundo participar en este proceso.
Por valía visite el Datos para siempre sitio web para obtener más información sobre el software Data for Good de Meta. AY por valía visite este blog para más información sobre cómo protegemos la privacidad del usufructuario en nuestras herramientas.