要了解全球人类实际居住的位置，所依赖的资源在准确度和精细程度上参差不齐。
城市化程度高、经济发展成熟的地区通常能提供大量关于人口密度和细粒度人口统计数据的最新信息。而在非洲农村地区或发展中世界快速增长的地区，追踪方法往往跟不上变化，有些情况下甚至根本不存在。
这正是Facebook研究人员所制作的新地图的用武之地。该地图以 CIESIN的 “世界网格化人口”项目为基础，Facebook利用高分辨率卫星图像上的机器学习模型，清晰描绘全球人类聚居的确切图景。让我们放大细看。
连点成线
剥离所有其他细节后，人类聚居会形成一些耐人寻味的规律。其中最引人注目的例子之一是埃及，那里95%的人口沿尼罗河而居。下图中，我们可以清楚地看到人们生活在哪里，又在哪里没有人居住。
查看全分辨率版本本地图。
虽然可以使用谷歌地球之类的工具查看地球上几乎任何位置，但问题在于如何大规模分析这些图像。这正是机器学习发挥作用之处。
在PB级数据中寻找人口
全球高分辨率图像约占用1.5PB的存储空间，对这些数据进行分类的任务极其艰巨。直到最近，技术才足以准确识别所有这些图像中的建筑物。
为得出我们今天看到的结果，研究人员采用排除法，先剔除不可能存在建筑物的位置，然后根据存在建筑物的可能性对其余位置进行排序。
Facebook利用一种称为弱监督学习的方法大规模识别建筑结构。在使用大批量照片训练模型并核查结果后，Facebook在正样本标注方面达到了99.6%的准确率。
重要意义
准确掌握人们的居住位置，可能关乎生死。
对于在非洲开展工作的人道主义机构而言，由于缺乏可靠的地图和人口密度信息，有效分发援助或为人口接种疫苗仍然面临挑战。研究人员希望，这些详细地图能够用于挽救生命，并改善发展中地区的生活条件。
例如，马拉维是世界上城市化程度最低的国家之一，因此，对于在当地从事人道主义工作的人员而言，统计其1900万公民并非易事。这些地图清晰显示了人们的居住位置，并使各机构能够对特定区域的人口密度做出准确估算。
请访问项目页面，了解完整说明并获取各国地图的完整数据库。
