通過AI、衛星圖像與無人機，繪製全球污染趨勢圖

數字世界中，最引人注目的主題之一，無疑在於如何將數據浪潮、計算能力以及AI技術完美融合，從而實現更為宏大的社會利益。雖然當前圍繞這一主題的多數對話都側重於商業利潤，但這些技術確實存在巨大潛力，能夠重塑我們理解世界的方式、並為整個人類社會帶來積極變化：從繪製全球漁業船隊去向，到為不斷變化的森林建立圖表等等。

如果我們能夠將數據、計算與AI技術的結合應用於全球污染，特別是非法垃圾傾倒領域，結果會怎麼樣？

四年前，筆者與Let』s Do It基金會的Kadi Kenk進行過交流。該基金會旨在「聯繫並賦能全世界的人們，組織大家改善整個星球的浪費問題。」目前，已經有來自113個國家的1500萬志願者開始清理位於世界各地的垃圾非法傾倒場。該組織的核心使命在於，不斷繪製出全球範圍內未授權垃圾傾倒場所的位置圖，而這項工作原本只能依靠志願者手動完成。

關於增強民眾對垃圾傾倒範圍的貢獻能力，一大重要思路在於，利用《精靈寶可夢Go！（Pokémon Go）》等高人氣增強現實遊戲，將地圖繪製平台交付至每一位參與者手中。

簡單而言，遊戲開發者也許能夠在自己的應用程序中添加一個通用型按鈕，允許用戶藉此在遊戲過程中報告他們在真實世界層面遇到的種種基礎設施問題——包括地面坑窪，牆面塗鴉，以及可能危及行人正常散步的步道位置垃圾堆。這些數據集能夠配合地理標記，甚至允許用戶上傳照片，所有報告匯總起來，以供社會組織、政府以及研究人員用於解決與之對應的具體問題。

當然，這種基於地理位置的報告方法存在諸多局限，例如普通人群是否有意願投入時間幫助改善城市環境。更重要的是，即使遊戲製作者們同意嚮應用程序中添加這類與遊戲玩法沒有直接關係的額外功能，用戶本身相對有限的行進路線也意味著遊戲提供的報告只覆蓋到地球上的很小一部分區域。

那麼，我們該如何重新利用已有的數據，以發現非法垃圾傾倒行為？AI演算法是一個解決方案。

開放數據GDELT項目每天利用Google Cloud Vision API對近百萬幅全球新聞圖片進行編目。目前，GDELT已經將近5億張新聞圖片納入索引，這些圖像涵蓋近三年半以來的各類全球性事件。在相關目錄標籤中，有不少都與污染以及垃圾廢物相關，包括出現在每日新聞圖像背景中的垃圾。

問題又來了，如果希望每天都能直接掃描全球新聞與社交媒體圖像以搜索垃圾位置，該如何著手？儘管部分圖像可能會突出顯示出垃圾堆等目標，但考慮到原本的拍攝目的在於展示垃圾，因此必須聚焦於僅出現在背景當中的垃圾對象，對其進行編目，最後利用圖像元數據與視覺地理編碼方法，實時清點世界範圍內的垃圾分布狀況。

該項目利用AI技術為近三個月收集到的全球垃圾新聞圖像進行整理，希望了解非法垃圾傾倒會給我們的星球產生怎樣的影響，以及AI方案如何快速篩選日常圖像並能夠帶來怎樣的垃圾識別效果。

這套模型雖然功能強大，但仍然存在著一大短板——它無法運行在手機上，這意味著快速生成大量移動數據的社交媒體發布者與記者無法加入到這一項目中來。事實上，全球大部分非法垃圾傾倒場都位於邊遠鄉村，而我們的模型在這裡幾乎毫無作用。

筆者最近在與Kadi的同事Merli Vares會面時，就談到了這個問題，即隨著圖像處理技術的發展，還有哪些方式能夠實現全球垃圾傾倒活動的實時繪製，特別是AI的圖像大規模處理方案。在這方面，Let』s Do It基金會一直在與合作夥伴攜手探索。

如今，世界各地的企業正在高度關注商業衛星圖像在可用性及解析度層面的提升。將這些與AI圖像識別配合起來，我們將能以更強大可行的方式，實時觀察我們的星球。可以肯定的是，AI公益類應用程序正越來越多地將衛星圖像整理為自然地球觀測集，那麼我們能否在垃圾追蹤層面實現同樣的效果？

想像一下，如果有一款應用程序能夠每周對主要商業衛星圖像進行一輪掃描，從而清點世界各地所有大規模非正規垃圾存放點的情況，結果會如何。這樣的圖像也許無法及時發現人們丟棄在路旁的瓶子，但隨著解析度的提升，Let』s Do It這樣的志願者機構絕對能夠藉此發現各類值得關注並另以追蹤的廢物傾倒活動。

一旦某個區域被確定為存在非法垃圾堆放情況，又會怎樣？商業衛星圖像能夠識別出大規模垃圾傾倒區域，但其周邊可能還散布著無數小塊垃圾殘餘，特別是在森林邊緣及其它一些商業衛星無法準確體現的位置。

在這方面，現代商用無人機的自主飛行控制與機載AI視頻處理技術將發揮作用。目前的無人機單位可以快速前往原本難以抵達的地理邊界位置，在空中巡弋並自動搜索整個區域，同時避開樹木與建築等障礙物。利用機載AI識別演算法、GPS標記與拍攝庫，無人機甚至能夠實時識別出視頻流中的預定義對象。當前被用于軍事用途的商業無人機系統，其搭載的自主飛行軟體與飛行續航能力，足以在單次巡弋過程中對整個社區或者中等規模的園區進行自動掃描與編目。

也就是說，擁有執照的無人機操作員可以與當地政府及居民進行協調，並前往掃描群眾上報的非正式垃圾傾倒場地。垃圾探測無人機飛離航空箱，從空中快速穿過整個傾倒區並以結構化網格的形式進行逐片掃描。機載AI方案對攝像機的饋送內容進行實時處理、GPS標記並保存其發現的每塊垃圾，包括估計得出的垃圾數量、類型以及每一種垃圾的具體佔比。這些結果將通過無線鏈接被發送回操作員身邊的計算機，在這裡進行GIS地圖與電子表格填寫，從而快速清點目標區域內的垃圾填埋情況。完成之後，無人機返回操作員身邊並安全著陸，一次探測即告結束。

接下來，這份解析度可觀的垃圾地圖將進行拆分並分發給對應的志願者隊伍。他們會很快抵達目標位置以清理這一區域，這意味著，地圖將成為清潔工作的指導，而非清潔團隊必須完成的日常任務。

雖然乍看上去，這種覆蓋能力極強的無人機垃圾分布繪製有點像是科幻小說中的情景，但實際上實現這套方案的所有技術目前都已經客觀存在。愈發強大的民用/商用無人機、自主導航系統、機載AI視頻處理方案、能夠嵌入AI模型的演算法、無線鏈路以及充足的電池電量當下都成為現實，不少軍方機構已經在利用其進行類似的編目活動。因此，除了對機載AI模型進行更新之外，我們幾乎能夠直接利用現有技術實現公益目的。

綜上所述，面對這個大規模實時數據、近乎無限的計算能力以及先進AI方案相融合的世界，我們擁有著利用這些系統實現社會效益的、前所未有的重大機遇。從解決流行病到保護野生動植物，再到處理環境污染等問題，隨著這些技術由商業世界轉向非營利性領域，一切都帶來了令人難以置信的可能性，並重新構建著我們對自然世界的理解方式，甚至最終將為我們帶來實現基礎性社會變革所必需的實時定量數據集。

最後，也許有一天，這些無與倫比的技術不再僅僅被用於進行針對性廣告投放，而是真正幫助我們拯救這顆作為全人類家園的蔚藍行星。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！