العلماء قاموا بتدريب الذكاء الاصطناعي لإكتشاف معدلات السمنة في المدن بإستخدام صور الأقمار الصناعية

166

كيف يبدو الحي الذي تسكن به؟ هل توجد صالات رياضية وحدائق وحمامات سباحة؟ أم أنك محاط بالطرق المزدحمة ومحلات الوجبات السريعة والمتاجر الصغيرة؟

الإجابة  تعتبر ذات أهمية متزايدة, فالسمنة هي مشكلة صحية معقدة تتأثر بمجموعة من العوامل, واحدة منها هي البيئة المادية والحضرية التي نعيش فيها. الآن, استخدم العلماء الذكاء الاصطناعي (AI) وصور الأقمار الصناعية للمدن الأمريكية لرسم خريطة لكشف السمنة من الفضاء.

يشرح الفريق الذي قام بهذا البحث: “نحن نقترح طريقة لتقييم شامل للارتباط بين انتشار السمنة لدى البالغين والبيئة المبنية التي تنطوي على استخراج الخصائص الفيزيائية للجوار من صور الأقمار الصناعية عالية الدقة”.

قام الباحثون من جامعة واشنطن بتغذية البرنامج بحوالي 150 ألف صورة من الفضاء عالية الدقة مأخوذة من خرائط جوجل إلى شبكة عصبية (CNN) – (Convolutional neural network) وهو نوع من الذكاء الاصطناعي يستخدم التعلم العميق لتحليل وتحديد أنماط داخل مجموعة البيانات بشكل مستقل.

غطت البيانات 1,695 منطقة في ست مدن مختلفة: بلفيو, سياتل, تاكوما, لوس أنجلوس, ممفيس, وسان أنطونيو.

تم بالفعل تدريب الشبكة العصبية التي استخدمها الفريق في هذه الحالة على ما يقرب من 1.2 مليون صورة – تجربة ساعدت في تحليل البيئة المبنية في جميع أنحاء المدن, وتحديد ميزات مثل الطرق والمباني والأشجار والمياه والأرض.

بالإضافة إلى ذلك ، استخدم الباحثون تقديرات انتشار السمنة من عدة مدن لإنشاء نموذج تقييم العلاقة بين تلك الميزات (بالإضافة إلى نقاط الاهتمام مثل محطات الوقود ومراكز التسوق والحدائق ومتاجر الحيوانات الأليفة) وانتشار السمنة في المناطق التي تمت عليها هذه الدراسة.

ليست هذه هي المرة الأولى التي يقوم فيها العلماء بشيء كهذا, لكن الباحثين يقولون إن أسلوبهم هو أكثر الجهود شمولاً حتى الآن. ووفقاً للنتائج, فقد أوضحت ملامح البيئة المبنية (64.8 في المائة) من العلاقة في انتشار السمنة عبر جميع مناطق التعداد التي تمت دراستها, على الرغم من أن مستوى النجاح تراوح بين المدن (حيث كانت أعلى نسبة 73.3 في المائة في ممفيس)

إن هذا النوع من تحليلات منظور عين الطائر – تقنية معينة في التصوير العلوي – لا يتسم بالكمال أبداً, لكن الباحثين واثقون من أن نظامهم يمكنه برغم ذلك تقديم أداة سهلة وقابلة للتدرج للمساعدة في إجراء دراسات حول مخاطر السمنة عبر الولايات المتحدة.


يشرح المؤلفان: “إن نهجنا يقدم باستمرار رابطًا قويًا بين انتشار السمنة ومؤشر البيئة المبنية في جميع المناطق, على الرغم من اختلاف قيم المدن والريف”.

ويشير الباحثون إلى أن المؤشرات الاجتماعية والاقتصادية مثل الدخل من المرجح أن تكون عاملاً مهمًا وراء الارتباطات الموجودة, وتستخدم دراسات مماثلة بالفعل هذا النوع من شبكات CNN لتحديد أشياء مثل الفقر من صور القمر الصناعي.

دعم البحث على نطاق واسع الكثير مما نعرفه بالفعل عن تأثير البيئة المبنية على السمنة: المساحات المفتوحة والخضراء التي تمكّن النشاط البدني عادة ما تكون مفيدة للصحة العامة. على عكس الأحياء المزدحمة بكثافة وتطوقها الطرق وتفتقر إلى الخضرة عادة ما تكون مضرة للصحة العامة.

تمت ترجمة المقال الأصلي والموجود بالرابط أدناه`

https://www.sciencealert.com/scientists-have-used-ai-to-identify-obesity-from-space-deep-learning-neural-network

 

تعليقات