SAS 與IIASA號召群眾齊以「人工智慧」追蹤森林砍伐活動

響應世界地球日 50 週年,SAS 與國際應用系統分析研究所(IIASA)攜手透過群眾外包,共同訓練與優化人工智慧,為保護地球盡一份力

SAS 持續致力於打造全球的創新者社群,運用人工智慧為全球人類尋找明燈。在今年的世界地球日,SAS 與國際應用系統分析研究所 (International Institute for Applied Systems Analysis ,IIASA) 創新發起以群眾外包的方式,優化人工智慧 (AI)演算法與應用程式,讓我們對生活在其中的這個地球有更深入的瞭解。

IIASA 是一個國際性的獨立研究機構,該機構以在系統分析方面的專業知識,以及提供人類迫切關注的政策解決方案和基準(baseline)資訊聞名。IIASA 目前將焦點放在森林砍伐的議題上,有意運用 AI 來闡明地球生態系統之間的相互關係。目前整個生態系統變化速度之快,已快要超出人類經驗、科學理解和傳統建模能力的程度,令人類越來越難有效及早預防。

IIASA 執行長 Albert van Jaarsveld 表示:「要應對這些變化,事態緊急,需要運用同級最佳的技術解決方案,因此我們選擇向 SAS 求援。結合我們環境科學研究平台的強大效能、SAS 的 AI 和電腦視覺 技術,以及熱情群眾的整體智能,我們所開發的 AI 模型將以驚人幅度提升人類洞察資訊的價值,以近乎即時的速度提供全球環境變遷的評估。」

強大、準確、有用的 AI 模型,不會憑空出現。得從人類智慧發展而來。SAS 和 IIASA 將透過本專案聯手推出由群眾外包驅動的應用程式,來收集群眾的集體智慧。他們正在尋找志工,由包括目前在虛擬教室中的中學生到藝術家、工程師和專業資料科學家組成的平民科學家隊伍,最初的做法就是檢視及判斷雨林影像。這些影像顯示杳無人煙之地,以及已受人類開發影響的土地。

van Jaarsveld 表示:「影像分析是準確評估及預測森林砍伐狀況很重要的第一步,我們希望透過人類的眼睛來檢驗世界各地的影像,並對任何林業活動增加的微小跡證提供回報,以補技術之不足。群眾外包有助於改善 AI 演算法,加快過去需要數年才能完成分析的工作,幫助推動關鍵的應對政策,更快一步保護我們的森林。」

當人們標示出可能有人類影響跡象的區域時,每一步都有助於提升 AI 模型的智能。例如,人類可以輕易分辨道路 (表示有人類影響) 與河流 (未受人類影響),但 AI 模型卻無法分辨其中的差異,除非能從人類觀察中學習,得到充足的訓練。此外,模型的結果還能確保群眾外包應用程式將人們的判讀重點放在需要運用其專業知識的地方。此模型能提高志工人力的效率,將其關注力和洞察資訊最大化地運用到各種專案上,以監控及測量重要的全球變遷事件。

透過群眾和電腦合作的力量,SAS 與 IIASA 將建立一個穩定可靠、範圍廣大的平台,讓平民科學家能在最尖端的研究專案中貢獻一己之力,幫助我們更有效率地去理解、預測我們生活的這個世界,並世代繁衍。此合作專案的第一階段將專注在森林砍伐,未來平台預計將延伸到其他環境議題,讓群眾外包做出更大的貢獻。

一開始每個人都能參與此專案,一同為提升 AI 智能,改善模型功能,幫助保護我們的森林而努力。無論是目前停課中的學生、AI 專家,或是其他各領域的所有人,每個人只要花些時間觀看幾張影像,就有機會做出重大貢獻。請造訪 sas.com/rainforest,找出有森林砍伐跡象的影像,幫助模型學習並透過每次的迭代改善。

這個與 IIASA 合作的群眾外包專案是由 SAS 在數據素養和數據為善( Data for Good )長期運動下的一環,鼓勵人們將數據運用到人類有益的用途上,為全球環境變遷做出正面的影響。

關於IIASA

國際應用系統分析研究所 (IIASA) 是一個國際性科學研究機構,專門研究全球環境、經濟、技術和社會變遷等人類在二十一世紀所面臨的關鍵議題。其發現為政策制定者提供寶貴選項,設法改善這個持續變動的世界。IIASA 為獨立機構,資金來自非洲、美洲、亞洲和歐洲等許多知名研究資助機構。www.iiasa.ac.at

關於SAS

SAS於1976年於美國創立,是全球首屈一指的數據分析領域領導者,提供創新的分析、商業智能及資料管理軟體與服務。目前,SAS在全球59個國家擁有據點,協助超過80,000家企業進行最佳商業決策,其中包括《財富》雜誌全球500強企業,前100家企業中的92家。
SAS台灣分公司於1989年成立,目前國內超過五百家產業客戶。
更多資訊請參見 SAS台灣官網

媒體聯繫:

Head to sas.com/rainforest to categorize images that show signs of deforestation and help models learn and improve at each iteration

Back to Top