Facebook以機器學習分析衛星圖提昇人口分布精準度，找出各地合適上網方式

臉書（Facebook）近年來積極透過多項專案協助提高全球上網人口，為了解全球人口分佈以研擬適合不同地區的上網對策，透過機器學習（machine learning）協助分析數十億張衛星空拍圖，繪製出精細到5公尺等級的人口分佈圖，精確度史上罕見。
 
Facebook 聯網實驗室(Connectivity Lab)22日公布最新研究成果，針對20個國家總面積2160萬平方公里，資料量達350TB的衛星影像，採用自行開發的機器學習技術分析，找出這些國家的人口分布樣貌，希望藉此找出最合適的方法讓這些地區的居民能夠連線上網。
 
研究計畫主持人Andreas Gros與Tobias Tiecke表示，人口分布的樣貌會影響到如何最有效地提供網路服務，舉例來說，Wi-Fi熱點適合人口密集區，而行動網路則適合較分散的居住情況，而社區聚落彼此間的關聯，則對規劃骨幹網路有重要影響，例如沿著河流發展的聚落，便適合採用一串點對點的骨幹網路，而分散在廣域的聚落型式，便可能更適合採用無人飛行器或衛星來提供無線網路連結。
 
該實驗室先透過傳統影像分析找出建築物，並將其定義為有人居住的處所，再整合人口調查資料，整理出解析度達5公尺的人口分佈圖。儘管分析空拍影像中的人造物已是廣泛採用的技術，但大規模分析的難度卻不低，尤其在極端空曠區域的分析，會對機器學習技術造成很大挑戰。

Facebook採用卷積神經網路來提高分析精確度，並可用約8000張相片，便可創造單一國家區域內足夠的精確度。

↓ 透過新的分析技術提昇人口分佈圖的精準度。依地理位置、人口分佈的密度，研究適合的上網方式及提供服務的優先順序。提高人口分佈的精確度，不僅可用於上網研究，也可作為政府推動教育、環境衛生教育等政策的參考。  

Facebook預計將在今年內公布相關研究成果，希望有助於進行社經發展研究與自然災害下的可能風險評估等，並相與哥倫比亞大合作進行後續研究。